LLM辅助编码安全风险系统性文献综述

2026年10月15日，一篇被ACM Computing Surveys（CSUR）接收的系统性文献综述在arXiv发布，聚焦LLM辅助编程的安全性问题。该综述由Liang Yuan等作者完成，指出LLM虽加速软件开发，却因训练数据偏差频繁生成不安全代码和错误补丁，模型自身也易受直接攻击。综述还指出，现有评测方法存在数据污染、缺乏可靠安全指标，人工监督仍不可替代。作者提出，更安全的自动化集成需要安全感知的模型架构、更强的安全专用基准和更有效的人机协作框架。该综述已被ACM Computing Surveys接收发表。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。