本发明公开了一种寻找自然语言处理模型天然后门的方法，该方法包括以下步骤：基于对抗攻击的知识库构建：在黑盒条件下，提取自然语言处理模型的对抗样本中的攻击性词组成对抗知识库；搜索触发器：通过最小化自然语言处理模型对设定数量样本的预测结果，生成具有通用攻击性的触发器；把生成的触发器添加到任何良性输入时，可以将深度学习模型的预测精度降低到接近于零的目标类。本发明搜索到的触发器攻击成功率高，产生的攻击样本可转移性好，可以准确地找到模型存在的天然后门。