8.0
热点
AI SCORE
技术实践2026-11-18 11:28
给 AI 代码安全审查加一道复核
dev.to · AI#代码审查#应用安全#误报复核
Editor brief · 编辑速览
文章介绍如何在自有仓库中组织 AI 辅助代码审查,由不同角色提出候选问题,再经过独立复核才形成报告。作者未给出检测率。
文章思维导图
Knowledge map
AI brief
原文暂未完整获取,基于公开信息的快读
Rokkhe 研究团队在 dev.to 介绍了一套面向自有仓库的 AI 辅助代码安全审查流程。模型先梳理代码结构,再提出候选问题,由独立的一轮复核尝试推翻这些判断,最后把通过复核的问题写入报告。作者没有公布检测率,也明确保留了人工审查。
目前能确认什么
文章把流程分成四步:梳理架构和信任边界、提出候选问题、逐条复核、整理报告。信任边界可以用一个常见场景理解:用户登录后,服务端仍需检查他是否有权读取某条记录。登录校验和资源权限检查可能分散在不同文件里,只看一处代码容易误报。
复核要回到源码,检查候选问题所指的边界是否已有保护。文章给出了三种结论:已确认、待验证和驳回。Semgrep 这类静态应用安全测试(SAST)工具的告警也可以进入同一个队列,接受复核。
我的判断
对维护 PR 修复队列的团队,我会把「能指出具体代码位置,并解释现有检查为何没拦住」作为建修复单的门槛。比如模型说某个接口缺少权限检查,复核时就要看上游是否已做资源级授权。只看到登录校验,证据还不够。
节选没有交代「待验证」的问题是否会进入最终报告,也没有量化复核能减少多少误报,或会不会误驳真实问题。现有信息能说明这套流程怎样约束报告里的结论,检测覆盖率仍然未知。