Claude-მ ღია კოდში 29 000 შესაძლო ხარვეზი იპოვა, მათგან მხოლოდ 516 გამოსწორდა

ხარვეზების ძიება AI-ით დიდი მასშტაბით

Anthropic-ის Claude AI მოდელმა ღია კოდის პროგრამებში 29 000 შესაძლო ხარვეზი გამოავლინა, 2026 წლის 11 ოქტომბერს The New Stack-ის მიერ გამოქვეყნებული ანგარიშის მიხედვით. შედეგები აჩვენებს, რომ AI სულ უფრო მნიშვნელოვან როლს თამაშობს კოდის ავტომატურ ანალიზსა და ღია კოდის ეკოსისტემაში მოწყვლადობების გამოვლენაში.

ამანდა კასუელის მიერ დაწერილი ანგარიში ხაზს უსვამს როგორც დიდი ენობრივი მოდელების პოტენციალს, ისე მათ შეზღუდვებს კოდის ბაზების ხარვეზებზე შემოწმებისას. მართალია, Claude-ის მიერ გამოვლენილი შესაძლო პრობლემების უზარმაზარი რაოდენობა აჩვენებს AI-ზე დაფუძნებული აუდიტის მასშტაბირებადობას, მაგრამ დადასტურებული გამოსწორებების შედარებით მცირე რაოდენობა მიუთითებს, რომ ადამიანის მიერ გადამოწმება კვლავ კრიტიკული ბარიერია ხარვეზების აღმოფხვრის პროცესში.

გამოსწორდა მხოლოდ მცირე ნაწილი

Claude-ის მიერ გამოვლენილი 29 000 შესაძლო ხარვეზიდან გამოსწორდა მხოლოდ 516. ეს ნიშნავს, რომ აღმოჩენილი პრობლემების ორ პროცენტზე ნაკლებია მოგვარებული, ხოლო შესაძლო მოწყვლადობების უმეტესი ნაწილი კვლავ გადაუჭრელი რჩება.

გამოვლენასა და აღმოფხვრას შორის არსებული უფსკრული კითხვებს აჩენს იმაზე, თუ როგორ ახარისხებენ ღია კოდის პროექტების მხარდამჭერები AI-ის მიერ წარმოქმნილ შედეგებს. სიმძიმის, ექსპლუატაციის შესაძლებლობისა თუ ცრუ დადებითი შედეგების მაჩვენებლების შესახებ მკაფიო სიგნალების გარეშე, მათთვის რთული შეიძლება იყოს იმის განსაზღვრა, რომელი პრობლემები მოაგვარონ პირველ რიგში. ანგარიში არ გვაწვდის დეტალებს კონკრეტული შემოწმებული პროექტების, გამოვლენილი ხარვეზების ტიპების ან იმ კრიტერიუმების შესახებ, რომლებიც გამოყენებულ იქნა გამოსწორებების შერჩევისას.

რას ნიშნავს ეს ღია კოდის უსაფრთხოებისთვის

შედეგები ასახავს ღია კოდის უსაფრთხოების უფრო ფართო გამოწვევას: პრობლემების გამოვლენის უნარი უფრო სწრაფად ვითარდება, ვიდრე საზოგადოების შესაძლებლობა, გამოასწოროს ისინი. Claude-ის მსგავს AI მოდელებს შეუძლიათ უზარმაზარი კოდის ბაზების დამუშავება ისე, როგორც ადამიანი აუდიტორები ვერ ახერხებენ, მაგრამ გამოვლენილი შედეგები მაინც საჭიროებს დეველოპერების მიერ დადასტურებასა და პატჩების შექმნას.

რაც AI-ზე დაფუძნებული კოდინგისა და აუდიტის ინსტრუმენტები უფრო გავრცელდება, ღია კოდის ეკოსისტემას დასჭირდება უკეთესი პროცესები, რომლებიც ავტომატურად გამოვლენილ შედეგებს არსებულ მხარდაჭერის სამუშაო ნაკადებში ჩართავენ. სანამ ეს მოხდება, გამოვლენილი, მაგრამ გამოუსწორებელი პრობლემების დიდი რაოდენობა შესაძლოა AI-ის დახმარებით უსაფრთხოების სკანირების მუდმივი ნაწილი დარჩეს.

წყაროები: The New Stack