DeVAIC：一种用于AI生成代码安全评估的工具

背景：AI代码生成器正在革新代码编写和软件开发，但它们在大型数据集（包括可能不受信任的源代码）上的训练引发了安全问题。此外，这些生成器可能产生不完整的代码片段，使用当前的解决方案难以评估。目标：本研究工作介绍了DeVAIC（AI生成代码中的漏洞检测），一个用于评估AI生成的Python代码安全性的工具，它克服了检查不完整代码的挑战。方法：我们遵循了一种方法论，包括收集易受攻击的样本、提取实现模式以及创建正则表达式来开发所提出的工具。DeVAIC的实现包括一组基于正则表达式的检测规则，涵盖了属于OWASP Top 10漏洞类别的35个常见弱点枚举（CWE）。结果：我们利用四个流行的AI模型生成Python代码，然后以此为基础评估我们工具的有效性。与最先进的解决方案相比，DeVAIC在检测安全漏洞方面表现出统计学上显著的差异，其F1分数和准确率达到94%，同时平均每个代码片段保持0.14秒的低计算成本。结论：所提出的工具为漏洞检测提供了一种轻量级且高效的解决方案，即使对不完整的代码也是如此。