好的，我现在需要帮用户总结一篇文章，控制在100字以内。首先，我得仔细阅读文章内容，理解主要观点。文章主要讲的是AI在编写代码中的应用及其带来的问题。 文章提到，AI能提高编程效率，但未经监控的使用会导致很多问题，比如安全风险。引用了Robert Lemos的研究，指出虽然生产率提高了17%，但代码质量下降，团队效率变低或难以按时完成任务。 接着，文章分析了问题所在：AI生成的代码冗长、不够健壮，容易放大现有错误。开发者没有足够时间审查代码，导致漏洞和债务技术积累。此外，AI在处理大型代码库时难以保持上下文，导致大量重复代码。 最后，作者建议开发者不应盲目接受AI生成的代码，而是要花时间理解和调整，并利用AI来优化现有代码或检测安全问题。这样可以保持对代码逻辑和质量的控制。 总结时要抓住重点：AI提高效率但带来安全风险和质量问题；原因包括冗长、不健壮、缺乏审查；建议开发者主动调整并利用AI优化代码。 </think> 人工智能虽然能快速生成代码并提升编程效率,但也带来严重安全隐患。未经严格审查的AI代码往往冗长脆弱,放大现有错误,导致团队效率下降和交付延迟。开发者需主动审查和调整AI输出,利用其优化现有代码或检测安全问题,以确保代码质量和安全性。 2025-10-31 10:45:31 Author: www.securityinfo.it(查看原文) 阅读量:6 收藏
Ott 31, 2025 Approfondimenti, In evidenza, News, RSS, Tecnologia, Tecnologia
L’IA è un ottimo strumento per scrivere codice velocemente, ma un utilizzo non monitorato di questa tecnologia porta a numerosi problemi, compresi rischi di sicurezza non indifferenti.
In un approfondimento sul tema, Robert Lemos di Dark Reading riporta che, nonostante la produttività del singolo programmatore aumenti del 17%, scrivere codice con l’IA provoca anche una certa instabilità nella delivery del software e il 60% degli sviluppatori afferma di collaborare in team che o lavorano più lentamente, o faticano a rispettare le scadenze, o entrambe le cose (State of AI-assisted Software Development, Google DevOps Research and Assesment).
Il problema sta nel fatto che l’IA produce codice verboso, poco robusto e che tende ad amplificare gli errori presenti nella codebase, soprattutto quando si è in team a sviluppare e il volume di codice è significativo. I programmatori non hanno tempo di revisionare il codice come se lo stessero scrivendo loro stessi; ciò aumenta il rischio di introdurre vulnerabilità di sicurezza e debito tecnico, problemi che vengono poi replicati in tutta la codebase.
Considerando che la percentuale di programmatori che usano l’IA va dall’84% al 97% a seconda dei report, l’impatto di queste problematiche è importante.
Affidarsi soltanto agli LLM per produrre codice senza un’attenta revisione dell’output non provoca solo problemi nell’immediato: un codice pieno di vulnerabilità e prolisso è causa di lavoro extra per i team che si dovranno occupare di manutenerlo. Se è vero che nella maggior parte dei casi il codice generato dall’intelligenza artificiale supera i controlli funzionali e sintattici, il 45% di esso contiene vulnerabilità di sicurezza note (report di Veracode).
Una delle cause principali di questi problemi è che gli LLM faticano a mantenere il contesto quando hanno a che fare con una codebase ampia; per questo motivo, tendono a duplicare in maniera massiccia il codice. Gli sviluppatori si trovano quindi a dover fare numerosi rework per eliminare le vulnerabilità.
Invece di semplicemente accettare o rifiutare l’output così com’è, gli sviluppatori dovrebbero prendersi del tempo per comprenderlo ed eventualmente richiedere degli affinamenti. L’IA può invece diventare un ottimo strumento per curare il codice, chiedendo per esempio al chatbot di riscrivere una feature esistente o analizzarla per trovare problemi di sicurezza. Al programmatore deve restare quindi il controllo sulla logica e sulla qualità del codice per filtrare le possibili criticità prima che diventino parte della codebase.
Altro in questa categoria
如有侵权请联系:admin#unsafe.sh