标签
CodeRabbit 正在将其安全代理的核心模型换为 OpenAI 的 GPT-6.1 Sol,以加强复杂代码库中的代码安全,实现跨文件风险分析、依赖项调查、沙箱中的漏洞验证,以及自动提交修复 Pull Request 等功能。
研究发现安全漏洞挖掘AI代理60.4%的token用于理解代码与推理触发方式,并提出AVRI工具复用代码关系知识,在Codex和OpenCode上分别降低18.0%和23.7%成本且不损失成功率。
GitHub Security Lab 利用其开源 Taskflow Agent 发现了 24 个 Android 漏洞,其中包括一款下载量达 1000 万次的导航应用中的位置信息泄露,并分享了如何在自己的代码仓库上运行这些审计任务流。
据报道,Anthropic 的 Mythos 系统在美国银行发现了大量软件漏洞,以至于该银行聘请了 1,000 名合同工进行修复,凸显了人工智能在大规模安全审计中日益重要的作用。
# AI 批量代码审查使 Linux 内核新漏洞数量骤降 作者通过追踪 Linux 内核 CVE 修复数据发现,在引入 AI 批量代码审查之后,新增漏洞数量出现断崖式下降——**周发布量从 600+ 降到 1**。 ## 主要发现 - 长期以来,Linux 内核每周新增 CVE 数量稳定在 600 例以上 - 在 AI 辅助的大规模代码审查介入后,这一数字降至个位数 - 该趋势表明,自动化审查在规模化发现潜在缺陷方面具有显著效果 ## 深层影响 ### 软件安全格局的转变 如果 AI 能够系统性地清扫出绝大多数低垂果实式的漏洞,那么依赖"挖洞—卖洞"的传统安全商业模式将面临根本性冲击。 ### 情报机构囤积漏洞 各国情报机构长期通过收购和囤积零日漏洞来维持网络行动能力。当漏洞变得稀缺,这种囤积策略的成本和可持续性都会受到质疑。 ### Windows 升级模式的冲击 微软以"安全更新"为核心驱动力推动用户升级 Windows 版本。一旦漏洞大幅减少、旧版本不再构成显著风险,用户升级新系统的动力可能显著减弱,从而动摇整个产品迭代周期。 ## 结论 Linux 内核的案例或许只是开始:**当 AI 把漏洞发现变成一种廉价的、可无限扩展的劳动,软件安全的经济基础和地缘政治逻辑都将被重新定义。**
Block(旗下包括 Square、Cash App 和 Afterpay)正在使用 OpenAI 的 Defense Factory 和 Daybreak 模型来自动化安全运营,将调查时间从数周缩短至数小时,并将分诊处理量提高了 50%。
Epherem 是一款免费的源代码安全扫描工具,专为 AI 构建的应用设计,可检测认证、数据库访问、API 密钥泄露和依赖漏洞等问题,并支持导出报告给 Claude Code、Cursor 等 AI 编码助手。
论文指出 LLM 反编译器以可重编译性和重执行性作为主要指标时会产生误导:代码虽然能通过所有自带测试,却可能在其他合法输入上行为发散,甚至使已披露的漏洞悄然消失。作者提出 Decompile-Diverge 行为比较预言机,通过合成驱动程序和模糊测试语料检测行为差异,发现部分系统发散率高达 13%。
Devin 推出 Security Swarm,一个基于 Agentic MapReduce 编排多个 Devin 并行工作的安全扫描与修复产品,可构建定制威胁模型、检测并验证漏洞,并通过 Pull Request 协助修复。
PatchHolmes 已被 AACL-IJCNLP 2026 接收,它采用 agentic 列表式选择方法,将软件漏洞与其修复 commit 进行配对。在冻结的开源权重模型上,该方法每次查询读取约 96k tokens,让智能体通读完整候选列表,从而在 Recall@1 上达到 59.95%,远超逐点基线的 34.61%。
文章比较了AI驱动的安全工具,这些工具能够检测超越基本代码检查的真实代码漏洞,并提到了Snyk、Semgrep和Coderabbit等工具。
OpenAI 向乌克兰提供其 Daybreak 计划的访问权限,以加强民用基础设施的网络防御,利用人工智能工具识别和修复漏洞。
Palo Alto Networks 已推出 Unit 42 Continuous Frontier AI Defense,这是一项多模型AI安全服务,使用多种AI模型持续评估漏洞并加速修复。
Aikido Security 在网络安全数据集上对 GPT-6 Astra 进行了基准测试,在 pass@3 条件下重新发现了 32 个 CVE 中的 29 个,创下了史上最高召回率,比 GPT-5.6-Sol 还多出 4 个;不过三次评测运行花费了近 4000 美元。
作者强调了处理日益增多的AI安全事件对先进AI智能体的关键需求,并指出前沿模型在网络安全方面领先,但开源模型正迅速赶上。
Peephole 是一个开源插件,旨在帮助AI编码代理编写安全代码,通过在集成到代码库之前检测常见漏洞。
Cloudflare 的 security-audit-skill 是一款编码代理工具,通过六阶段管道协调并行代理审计代码库以检测漏洞,并生成结构化报告。
本文分享了一个GitHub仓库,精选了安全漏洞样本集和基准,用于评估静态分析工具和大模型在漏洞挖掘与安全代码生成中的能力,涵盖多种语言和最新科研成果。
本文提出了一种使用大型语言模型的频率感知持续学习框架,用于智能合约漏洞检测,通过FA-LoRA和APPM等高效方法解决适应、遗忘和整合挑战。
JSEF v1.10.0 是一款模型无关的LLM评估工具链,发布时附带20多个新的高难度漏洞样本,专为评估Java和Web安全环境中的LLM而设计。