GitHub秘密扫描减少75%误报的实战经验
深度GitHub2026年6月11日7 分钟阅读
GitHub联合微软安全与AI团队，在秘密扫描验证环节引入上下文感知的LLM推理，将客户确认的误报减少了75.76%，远超65%的目标。本文详细解读这一方法的核心思路：给模型“更好的上下文”而非“更多的上下文”，在不牺牲覆盖率的前提下大幅提升警报可信度。
觉得有用？分享给更多人
相关文章
一名黑客通过 GitHub 访问令牌向亚马逊的 VSCode 扩展仓库提交恶意 PR，试图让 AI 编程助手 Q Developer 执行系统擦除命令。由于 prompt 格式错误，攻击未遂。文章分析了 AI Agent 在执行指令时缺乏人类式警惕性的问题，并提出了加强外部安全控制的建议，如构建不关心指令来源的策略门禁、使用短期凭证等。
深度The New Stack·8月23日·6 分钟
Inherent 发布 AI 智能体 Faraday，在复现科学论文方面超越 Anthropic 和 OpenAI 的更大模型。该公司通过强化学习培养“研究品味”，并以更小模型实现更高目标。
深度·8月22日·4 分钟