Bugdar：面向 GitHub 拉取请求的人工智能增强安全代码审查

随着软件系统日益复杂，确保开发期间的安全性正面临重大挑战。传统的手动代码审计往往成本高昂、耗时，而且不适用于快速迭代的工作流程；自动化工具又常常产生高假阳性率，限制了其可靠性。为此，我们引入 Bugdar，一个人工智能增强的代码审查系统，可无缝集成到 GitHub 拉取请求中，提供近实时、上下文感知的漏洞分析。Bugdar 利用可微调的大型语言模型 (LLM) 和检索增强生成 (RAG) 方法，为每个代码库独特性的需求和开发者实践提供项目特定的、可操作的反馈。支持多种编程语言，包括 Solidity、Move、Rust 和 Python，Bugdar 显示出卓越的效率，平均处理每个拉取请求耗时 56.4 秒，或每秒处理 30 行代码。这显著快于需要数小时才能完成的手动审查。通过促进安全编码的主动方法，Bugdar 减少了对手动审查的依赖，加速了开发周期，提升了软件系统的安全性，而不损害生产力。