SecAwareCoder

AI代码生成安全性通过新基准和动态测试进行评估

两篇新的研究论文探讨了使用AI模型生成安全代码的挑战。第一篇论文介绍了CodeSecEval，一个用于评估安全代码生成的基于执行的基准测试，并提出了SecAwareCoder，一个旨在默认生成更安全代码的基于代理的框架。第二篇论文研究了“静态通过，动态失败”现象，即通过静态分析工具的代码在运行时仍然包含可利用的漏洞，尤其是在AI生成的Python代码中。这项研究强调了静态分析的局限性，并表明需要更动态和全面的安全评估方法。