LIMB
По данным Cloud Security Alliance, 62% AI-генерированного кода содержат известные уязвимости или архитектурные дефекты безопасности. Veracode в своём GenAI Code Security Report проанализировали свыше 80 задач и более 100 LLM-моделей: каждая вторая строка AI-кода (~45%) несёт в себе уязвимости, в том числе из OWASP Top 10. И это только то, что способен поймать их SAST.
Отдельная история — vibe-кодинг. Декабрьское исследование на реальных GitHub-репозиториях показало: даже когда агенты справлялись с задачей функционально, 82–90% рабочих решений всё равно оказывались уязвимы.
На этом фоне по-новому звучит свежая публикация в Science — Who is using AI to code? По оценке авторов, к концу 2024 года ИИ участвовал в создании ~29% всех новых функций, написанных американскими разработчиками на GitHub. В других странах картина похожая:
И это только Python-проекты на GitHub.
Если наложить эту статистику на данные об уязвимостях — вывод напрашивается сам собой. :star_struck:
Отдельная история — vibe-кодинг. Декабрьское исследование на реальных GitHub-репозиториях показало: даже когда агенты справлялись с задачей функционально, 82–90% рабочих решений всё равно оказывались уязвимы.
На этом фоне по-новому звучит свежая публикация в Science — Who is using AI to code? По оценке авторов, к концу 2024 года ИИ участвовал в создании ~29% всех новых функций, написанных американскими разработчиками на GitHub. В других странах картина похожая:
- :flag_us: США — ~29%
- :flag_fr: Франция — ~24%
- :flag_de: Германия — ~23%
И это только Python-проекты на GitHub.
Если наложить эту статистику на данные об уязвимостях — вывод напрашивается сам собой. :star_struck:
👍60
🔥16
😮8
😢9