
外部精选
软件工程
#开发者实时流扫描3911个AI构建应用仓库,发现三分之二已停止更新
来源标题:When AI-built apps get risky: data from 3,911 repos
一项针对九个AI构建工具生成的3911个公开仓库的扫描发现,其中约三分之二的仓库已停止更新。这些无人维护的站点即使缺少行级安全策略,也因没有数据可泄露而不构成实际安全问题。该结论对“98%的AI构建应用存在安全漏洞”这类标题提出了修正,该研究团队此前已将自身的归因数字从92.8%下调至78.3%。
Hacker News 最新nathanghart2026/11/19 · 今天13 分钟阅读
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
这篇文章的核心论点,用一句话说就是:"98% 不安全"的结论在技术上没错,但在统计上被过度解读了——大多数 AI 生成的应用根本没有数据可泄露,也没有用户可渗透。
下面按文章的论证链条梳理:
1. 打破自己的头条数字
- 语料库:3,911 个公开仓库、9 个 AI 构建平台(Bolt、Lovable、Cursor、v0、Replit、Windsurf、Base44、Tempo、Firebase Studio)。
- 他们发现自己之前 92.8% 的归因数字是循环论证,修正为 78.3%。作者开头就承认"我们卖扫描器,所以这个结论对我们很方便",然后花一周试图推翻它。
2. 第一个发现:语料库大部分是"休眠"的
- 三分之二的仓库处于休眠状态。
- 一个八个月没人碰过的作品集网站上缺一条行级安全策略,"不是安全问题——没有数据可泄露,也没有人可被泄露"。
- 所以"绝大多数漏洞"确实存在、也很普遍,但它们大多待在永远不会有人用的应用里。
3. 反向警示(作者认为更重要)
- GitHub star 严重低估真实产品:200 个付费用户的应用没理由去攒 star;很多能跑的产品根本不建公开仓库,因为平台托管。
- 因此公开仓库不是已部署 AI 应用的随机样本,而是另一个群体的样本。
- 他们能说"这个语料库大多是休眠的",但不能说"已部署的世界没问题"——任何只扫描公开仓库的人都做不到。
4. 第二个发现:关键漏洞比例随应用规模单调上升
- 千行以下:3/100;四万行以上:近 6/10。
- 用 Wilson 区间而非正态近似(小样本、比例接近 0 或 1 时正态近似会算出零宽度区间,荒谬)。
- 排除了三种错误解读:
- 是不是某个平台的脚手架造成的? 不是——九个平台独立成立,升幅 2.1× 到 6.4×,九比九。
- 是不是扫描器改版造成的? 不是——语料库测量期间正处于两次构建迁移,分版本看升幅 3.5× 和 3.6×,梯度相同。
- 是不是误报堆积? 可能不是,但这是唯一无法完全排除的。人工审计 374 条高危发现,误报比早先公布的高;最四类常见误报当周已修。但不随规模增长的误报率造不出 20× 的斜率——它大致等量抬高每一行。除非误报集中在大型应用里,这要等修复后审计来查。结论是:形状站得住,绝对数值站不住。
5. 三个被否定的解读
- "万行风险悬崖"——干净、好引用、但错了。
- "大型应用每行更干净"(0.708 → 0.178 条/万行)——看起来更好的故事,错得更无聊:扫描器按规则聚合发现,每条规则只记一次,重复折叠成
(3x)。最关键的发现数被规则表封顶(观测最大值 8,而可能的关键规则有 57 条),行数却能超过九万。所以每行密度必然随规模下降,这是自家输出格式的产物,两个方向都说明不了代码好坏。 - 剩下的朴素真相:这是暴露面问题,不是质量退化。人不会因为应用变大就写代码变差;只是要出错的地方变多了,而泄露一个密钥就够了。
6. 给读者的行动建议
- 几百行、没人用的应用:真的不用管,2.9% 是真实数字。
- 超过一万行且有用户:基准约 30%,每加一个功能就往上走。手查一整个下午就能覆盖三大问题(正文里划了顺序,具体类目在原文有列,你贴的版本里那几项被省掉了)。
- 所有数字都能从带日期的语料快照再生,快照附带扫描器指纹。愿意给想写这方面内容的人数据切片——"尤其因为我们自己的数字已经需要修正不止一次了"。
一点观察:这篇是少见的自我拆台式技术写作——用一整节否掉自己那条最抓眼球的"万行悬崖"标题,又用一节承认误报率无法收敛。它的说服力恰恰来自这种"我们试过推翻它,没推倒"的结构。
不过从我这边看,原文贴出来时两处列表内容缺失(三大高频发现的具体类目、以及开头"98%"这类数字对应的具体章节),如果你手上有完整版,可以补上那两段,论证会更完整。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。