Jadual Kandungan
Pengekodan AI memperkenalkan lebih banyak kelemahan keselamatan
Keadaan menjadi lebih teruk apabila melibatkan keselamatan kod yang mereka cipta, kerana pembangun yang menggunakan pembantu AI lebih cenderung untuk menyediakan penyelesaian yang tidak selamat atau menggunakan Kata laluan mudah untuk menyulitkan dan menyahsulit rentetan. Mereka juga kurang berkemungkinan melakukan semakan kebolehpercayaan pada nilai akhir untuk memastikan proses berfungsi seperti yang diharapkan.
Rumah Peranti teknologi AI Kajian: Pembantu pengekodan AI boleh membawa kepada kod yang tidak selamat, pembangun harus berhati-hati

Kajian: Pembantu pengekodan AI boleh membawa kepada kod yang tidak selamat, pembangun harus berhati-hati

Apr 19, 2023 am 10:37 AM
AI membangun kod

Penyelidik mengatakan bahawa pembangun bergantung pada pembantu AI (kecerdasan buatan) semasa menulis kod akan menjadikan mereka terlalu yakin dalam kerja pembangunan mereka, menyebabkan kod kurang selamat.

Kajian: Pembantu pengekodan AI boleh membawa kepada kod yang tidak selamat, pembangun harus berhati-hati

Kajian terbaru yang dijalankan oleh Universiti Stanford mendapati bahawa pembantu pengekodan berasaskan AI, seperti Copilot GitHub, boleh menyebabkan pembangun keliru tentang kualiti kerja mereka, yang membawa kepada perisian Di sana mungkin kelemahan dan ia kurang selamat. Seorang pakar AI berkata adalah penting bagi pembangun mengurus jangkaan mereka apabila menggunakan pembantu AI untuk tugasan tersebut.

Pengekodan AI memperkenalkan lebih banyak kelemahan keselamatan

Kajian itu menjalankan percubaan dengan 47 pembangun, 33 daripadanya menggunakan pembantu AI semasa menulis kod, berbanding kumpulan kawalan 14 orang menulis kod sahaja. Mereka mesti menyelesaikan lima tugas pengaturcaraan berkaitan keselamatan, termasuk menyulitkan atau menyahsulit rentetan menggunakan kekunci simetri. Mereka semua boleh mendapatkan bantuan menggunakan pelayar web.

Alat pembantu AI untuk pengekodan dan tugasan lain menjadi semakin popular, dan GitHub milik Microsoft akan melancarkan Copilot sebagai pratonton teknologi pada tahun 2021 untuk meningkatkan produktiviti pembangun.

Microsoft menegaskan dalam laporan penyelidikan yang dikeluarkan pada September tahun ini bahawa GitHub menjadikan pembangun lebih cekap. 88% responden mengatakan Copilot lebih cekap semasa pengekodan, dan 59% mengatakan faedah utamanya ialah menyelesaikan tugasan berulang dengan lebih cepat dan menyelesaikan pengekodan dengan lebih cepat.

Penyelidik di Universiti Stanford ingin mengetahui sama ada pengguna menulis kod yang lebih tidak selamat dengan pembantu AI, dan mendapati perkara ini memang berlaku. Pembangun yang menggunakan pembantu AI tetap kecewa tentang kualiti kod mereka, kata mereka.

Pasukan itu menulis dalam kertas itu: "Kami mendapati bahawa pembangun yang menerima bantuan daripada pembantu AI lebih berkemungkinan memperkenalkan kelemahan keselamatan dalam kebanyakan tugas pengaturcaraan berbanding pembangun dalam kumpulan kawalan, tetapi juga dalam Lebih cenderung menilai jawapan tidak selamat sebagai selamat Selain itu, kajian mendapati bahawa pembangun yang berusaha lebih keras untuk membuat pertanyaan kepada pembantu AI mereka (seperti menggunakan ciri pembantu AI atau melaraskan parameter) akhirnya lebih cenderung untuk memberikan penyelesaian yang selamat Hanya tiga bahasa pengaturcaraan digunakan dalam projek penyelidikan ini: Python, C dan Verilog. Ia melibatkan bilangan peserta yang agak kecil dengan pengalaman pembangunan yang berbeza-beza, daripada graduan kolej baru-baru ini kepada profesional berpengalaman, menggunakan aplikasi yang dibangunkan khas yang dipantau oleh pentadbir.

Percubaan pertama ditulis dalam Python, dan eksperimen yang ditulis dengan bantuan pembantu AI berkemungkinan besar tidak selamat atau tidak betul. Dalam kumpulan kawalan tanpa bantuan pembantu AI, 79% pembangun menulis kod tanpa masalah kualiti manakala dalam kumpulan kawalan dengan bantuan pembantu AI, hanya 67% pembangun menulis kod tanpa masalah kualiti.

Gunakan Pembantu Pengekodan AI dengan Berhati-hati

Keadaan menjadi lebih teruk apabila melibatkan keselamatan kod yang mereka cipta, kerana pembangun yang menggunakan pembantu AI lebih cenderung untuk menyediakan penyelesaian yang tidak selamat atau menggunakan Kata laluan mudah untuk menyulitkan dan menyahsulit rentetan. Mereka juga kurang berkemungkinan melakukan semakan kebolehpercayaan pada nilai akhir untuk memastikan proses berfungsi seperti yang diharapkan.

Penyelidik di Universiti Stanford berkata penemuan menunjukkan bahawa pembangun yang kurang berpengalaman mungkin cenderung untuk mempercayai pembantu AI, tetapi berisiko memperkenalkan kelemahan keselamatan baharu. Oleh itu, penyelidikan ini akan membantu menambah baik dan membimbing reka bentuk pembantu kod AI masa depan.

Peter van der Putten, pengarah makmal AI di vendor perisian Pegasystems, berkata walaupun skalanya kecil, penyelidikan itu sangat menarik dan hasilnya boleh memberi inspirasi kepada penyelidikan lanjut tentang penggunaan pembantu AI dalam pengekodan dan penggunaan kawasan lain. "Ia juga konsisten dengan apa yang telah disimpulkan oleh beberapa penyelidikan kami yang lebih luas tentang pergantungan pada pembantu AI," katanya

Dia memberi amaran bahawa pembangun yang menggunakan pembantu AI harus mendapat akses kepada mereka secara berperingkat Percayai alat itu. jangan terlalu bergantung padanya, dan fahami batasannya. Beliau berkata, “Penerimaan sesuatu teknologi bukan sahaja bergantung pada jangkaan untuk kualiti dan prestasi, tetapi juga pada sama ada ia menjimatkan masa dan usaha Secara keseluruhannya, orang ramai mempunyai sikap positif terhadap penggunaan pembantu AI, selagi Jangkaan mereka diurus. Ini bermakna mentakrifkan amalan terbaik untuk cara menggunakan alatan ini, serta menggunakan ciri tambahan yang berpotensi untuk menguji kualiti kod ”

Atas ialah kandungan terperinci Kajian: Pembantu pengekodan AI boleh membawa kepada kod yang tidak selamat, pembangun harus berhati-hati. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Akan R.E.P.O. Ada Crossplay?
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Jun 28, 2024 am 03:51 AM

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Jun 10, 2024 am 11:08 AM

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Jun 11, 2024 pm 03:57 PM

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Jun 07, 2024 am 10:06 AM

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Lima sekolah pembelajaran mesin yang anda tidak tahu Lima sekolah pembelajaran mesin yang anda tidak tahu Jun 05, 2024 pm 08:51 PM

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Jul 25, 2024 am 06:42 AM

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Jul 17, 2024 pm 06:37 PM

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

SK Hynix akan memaparkan produk berkaitan AI baharu pada 6 Ogos: HBM3E 12 lapisan, NAND 321 tinggi, dsb. SK Hynix akan memaparkan produk berkaitan AI baharu pada 6 Ogos: HBM3E 12 lapisan, NAND 321 tinggi, dsb. Aug 01, 2024 pm 09:40 PM

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas

See all articles