GitHub 发布新密钥保护模型以应对 AI 代码激增
GitHub 宣布引入与 Microsoft Applied Sciences 共同开发的 ModernBERT 分类器,用于扩展 push protection 对非结构化密钥的检测能力。
推荐理由:GitHub 推出基于 ModernBERT 的密钥检测模型,将 push protection 响应时间降至 2ms 以下并提升拦截率,解决 AI 加速代码生成下的安全滞后问题。
GitHub 宣布引入与 Microsoft Applied Sciences 共同开发的 ModernBERT 分类器,用于扩展 push protection 对非结构化密钥的检测能力。
推荐理由:GitHub 推出基于 ModernBERT 的密钥检测模型,将 push protection 响应时间降至 2ms 以下并提升拦截率,解决 AI 加速代码生成下的安全滞后问题。
GitHub 发布 ReviewBench,这是一个用于评估 AI 代码审查智能体的开放基准。该基准基于对 GitHub 上 1.039 亿个真实 Pull Request 的分析构建,包含覆盖 19 种语言的 219 个代表性 PR。
推荐理由:GitHub 开源了基于亿级真实 PR 分布构建的代码审查基准 ReviewBench,提供了可复现的离线评估方法以辅助模型迭代。
GitHub Security Lab 推出 Fuzzing Taskflow,这是一个针对 C/C++ 项目的自主模糊测试流水线。该工具利用 LLM Agent(默认使用 Claude Sonnet 5)自动识别入口点、编写 AFL++ 测试桩、分析覆盖率并生成漏洞报告。
推荐理由:GitHub Security Lab 开源了基于 LLM Agent 的自动化模糊测试流水线,展示了如何利用大模型替代人工完成从编写测试桩、分析覆盖率到漏洞分诊的全流程工作。