LLM 与 SAST 在检测 GPT-4-Advanced Data Analysis 代码缺陷方面的技术分析
密码学与安全
2025-06-19 v1
摘要
随着自然语言处理（NLP）领域的快速发展，类似 GPT-4 的大型语言模型（LLM）在 diverse 应用场景中获得了广泛关注，包括安全漏洞扫描。本文考察了 GPT-4 在识别软件漏洞方面相较于传统静态应用安全测试（SAST）工具的效能。我们基于多种安全错误构建了分析框架，强调了 LLM 增强型漏洞扫描的强大能力。我们发现，GPT-4（Advanced Data Analysis）在检测 32 种可被利用的漏洞时，准确率达到 94%，显著优于 SAST 工具。本研究还论及了 LLM 带来的潜在安全风险，强调了以安全为默认设计（security by design/default）及其他安全最佳实践对 AI 系统安全建设的必需性。
引用
@article{arxiv.2506.15212,
title = {LLM vs. SAST: A Technical Analysis on Detecting Coding Bugs of GPT4-Advanced Data Analysis},
author = {Madjid G. Tehrani and Eldar Sultanow and William J. Buchanan and Mahkame Houmani and Christel H. Djaha Fodja},
journal= {arXiv preprint arXiv:2506.15212},
year = {2025}
}