今年独立安全团队测了主流AI编程助手从零搭建应用的能力。结果：大多数拉取请求（Pull Request，代码合并请求）都带漏洞。Fortune 50企业内部数据显示，AI生成代码每月新增超1万个安全发现项。语法错误少了，权限提升路径暴增300%以上。
代码变干净了，漏洞变多了。AI只是把人类老毛病加速生产。
01 漏洞不是新问题，是旧问题×新速度
AI写的代码看着没毛病。框架用得对，模式走得正，自动代码审查也能过。它就悄悄跳过一个问题："这个用户该有权限吗？"
一个客户能看到另一个客户的数据。登录流程留个后门敞着。接口直接暴露给全网。
这些不是语法错误，是判断失误。传统静态分析工具的设计目标是抓"已知坏模式"，不是抓"缺了啥逻辑"。AI生成代码里超80%的漏洞，这类工具根本扫不出来。
模式匹配能识别明显写错的代码。它识别不了"该写但没写"的逻辑。
一个人类程序员一个迭代周期写一个不安全的接口。一个AI助手一下午写二十个。这道算术题，安全基础设施的承载能力得重新算。
02 代理循环收紧，人眼被挤出流程
事情还在加速。AI写代码、AI审代码、AI合并代码的闭环越来越紧。每迭代一次，生成到上线的窗口就缩一点，人工验证层就薄一层。
窗口宽的时候，模式匹配工具和人工审查能互相补盲。窗口窄了，两者都没时间干活，漏过去的错误恰恰是双方都没设计要抓的那种。
下一代安全工具开始尝试"推理代码"而非"匹配模式"。安全审查变成开发流程里的持续动作，而不是终点前的闸门。方向是对的。
但工具越多，攻击面越大。今年初一波CVE（通用漏洞披露）砸向MCP（模型上下文协议）基础设施，很多正是这类工具本该抓的漏洞类型。要信任安全流水线，先得加固流水线本身。OWASP和GitHub已经在发布相关框架和参考架构。
03 作者的平台怎么应对
作者在自己的平台搭了模式匹配层：每个PR跑静态分析，每晚动态扫描。这能抓设计目标内的东西。地板铺好了。
现在需要往上盖：能推理逻辑层缺口的安全代理、通过MCP在生成阶段介入而非仅审查阶段介入的工具、以及和生产环境同等隔离与最小权限加固的流水线。
AI犯的错不是新错。变的是速度。而速度改变一切。
你的团队现在怎么审AI写的代码——还是已经不审了？
热门跟贴