一款 AI 漏洞扫描器，旨在结合确定性静态分析规则和 LLM 进行误报判断，在首次 OWASP Benchmark 测试中仅达到 7% 的召回率。这一低召回率表明扫描器错过了 93% 的目标漏洞，而其 60% 的精确率则表明当它发出警报时，通常是正确的。开发者认为这一低召回率是一个有价值的诊断，表明需要扩展扫描器的漏洞模式词汇量，而不是其核心机制存在根本性缺陷。 AI
影响 凸显了开发 AI 安全工具所面临的挑战，以及迭代测试和透明报告的重要性。
排序理由 该条目描述了一款新的 AI 漏洞扫描器在标准基准测试中的初步结果，详细说明了其性能指标以及开发者的解读。 [lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
