Media Release

Secure Code Warrior 研究发现:精心设计的安全规则集可将 AI 生成代码的测得风险降低高达 70%

十一月 17, 2026

SCW AI 信任指数的最新研究结果显示:模糊的提示词不可靠,利用提示词工程可降低风险,且增加 AI 投入并不能换来更安全的代码

‍悉尼/波士顿/伦敦 – 2026年11月17日 – Secure Code Warrior,AI软件治理与安全编码培训领域的领军企业,今日发布了SCW AI信任指数(SCW AI Trust Index)的第二期研究成果。该指数作为一项动态基准,旨在衡量主流AI模型生成带有安全漏洞代码的频率。在对来自OpenAI、Anthropic、谷歌、阿里巴巴、Mistral等机构的30多个模型进行评估后,研究发现:AI模型在过去12个月中有所改进;在提供精选安全规则的情况下,其编写的代码漏洞明显减少;且经济型模型所带来的风险有时反而低于旗舰模型。Secure Code Warrior更新了其测试方法,通过测试框架(harness)来评估模型,从而更准确地反映实际应用场景,并揭示安全指令和框架提示词对模型性能的影响。这种全新优化的评估方法还纳入了关于AI生成代码功能完整性的数据对比,为跨模型的软件开发任务整体风险与效率提供了更全面的视角。 

在本次研究过程中,该公司总共利用 AI 构建了超过 15,000 个应用程序,并生成了涵盖 11 种编程语言的 4,130 万行代码。

前沿大语言模型正在编写越来越多的开发者代码。Sonar《2026年开发者代码现状调查》显示,预计到2027年,AI编写的代码将占提交代码总量的65%。与此同时,新模型的迭代层出不穷,几周之内排名便可能发生更迭。在Secure Code Warrior的AI信任指数中,受测AI模型每千行代码生成的漏洞数在0.24到3.66个之间,表现最佳与最差的模型之间相差达15倍。尽管研究方法有所不同,但来自斯坦福大学的另一项独立研究发现,纯人工提交的代码每千行引入的漏洞大约仅为0.08个。

安全负责人需要清晰地了解其团队所继承的风险,以及这些风险是否会随着所采用的模型和框架而发生变化。SCW AI 信任指数通过与新模型同步演进的实证测量,提供了这种洞察,从而跟上开发团队可用的最新进展和工具。Secure Code Warrior 会持续测试新模型,并在每次发布后及时更新结果。最新版本的信任指数旨在帮助企业评估员工所依赖的模型表现如何,并了解如何改进这些模型。研究表明,对 AI 编码堆栈的治理是保障安全的关键。主要研究结果包括:

  • 模糊的指令作用有限,而精心设计的规则可将测得的风险降低高达 70%: 默认模型决定了起点;提示词则决定了 AI 生成代码的最终安全性。
  • 没有 任何模型在所有方面都是最强的。 在 11 个基准框架中,有 15 种不同的模型在至少一个框架中排名第一或并列第一。GPT-6-Astra-High 在 4 个框架中领先或并列第一。
  • 规则集对较强模型的帮助更大。在风险较低的一半模型中,SCW 规则和第三方规则平均降低了 54.15% 的风险;而在风险较高的一半模型中,平均降低了 34.05%。
  • 预算型模型在安全性上可能优于旗舰模型: 一些预算型模型,无论是否配合适当的规则,其自身所带来的测得风险都低于高端模型。例如,GPT 6 Luna 的平均风险为 19.4,单次运行成本为 0.10 美元,而 Claude Opus 5.5 的平均风险为 43.6,单次运行成本为 8.17 美元(仅模型,无规则)。

“人们很容易认为每一个新的 AI 模型编写的代码都比上一个更安全,或者前沿模型比预算型模型更安全。但我们更新后的研究结果表明,事实并非总是如此,”Secure Code Warrior 联合创始人兼首席执行官 Pieter Danhieux 表示。“当今的模型了解安全编码的方法,但它们不会默认执行。它们所获得的辅助工具、提示词和规则决定了输出结果的安全性,而这种行为可能会随着每一次新发布而改变。一次性的基准测试无法跟上节奏,这就是为什么 SCW AI 信任指数会随着模型本身不断演进。安全负责人和开发人员需要一份当前、基于证据且可由开发团队所使用的语言和框架进行验证的风险视图。”

AI 代码生成已成定局。开发人员和 IT 团队面临着将新的 AI 赋能应用推向市场的巨大压力,但要安全地实现这一目标,他们需要对所依赖的模型拥有完全的可见性。每个模型都有独特的指纹。SCW AI 信任指数可帮助开发人员对模型行为进行基准测试,了解如何最好地利用每个模型的功能,识别风险引入点,并从一开始就编写出更安全的代码。

如需查阅SCW AI信任指数,请访问:https://www.securecodewarrior.com/product/ai-trust-index。 

关于 Secure Code Warrior 
‍

Secure Code Warrior是AI软件治理与开发者安全技能提升领域的领导者,助力企业在整个软件开发生命周期(SDLC)中管控AI驱动的软件开发。凭借十年的开发者安全专业经验,公司提供AI可见性、政策执行和针对性学习,旨在预防漏洞并在生产前加强软件质量。

联系方式

Andrea Brusig

andrea.brusig@w2comm.com

标语

在 AI 驱动的开发成果发布前实现有效治理

评估 AI 辅助风险,在提交代码时强制执行安全编码策略,并加速整个软件开发生命周期的安全交付。

预约演示
资源库

Explore more articles

获取有关安全编码、人工智能治理和软件风险管理的专家内容。

browse all
案例研究
筛选标签
这是 div 块中的一段文本。

统一的安全文化:Sage 如何打造其安全倡导者项目

了解 Sage 如何通过灵活且以关系为导向的方法提升安全性,成功培养了 200 多名安全倡导者,并实现了显著的风险降低。

了解更多
浏览器窗口图标,背景为蓝色渐变,中间有粗体字母 KVK,下方有两条蓝色水平线。
案例研究
筛选标签
这是 div 块中的一段文本。

荷兰商会:大规模开发者驱动的安全实践

荷兰商会(Kamer van Koophandel)分享了他们如何通过基于角色的认证、信任评分基准测试以及共享安全责任的文化,将安全编码融入日常开发工作。

了解更多
Insurance Australia Group 标志,显示在网页浏览器窗口设计中,包含蓝色和灰色的文字与图标。
案例研究
筛选标签
这是 div 块中的一段文本。

“代码游戏”如何引领 IAG 集团迈向更安全的编码未来

IAG 集团是亚太地区多家领先保险公司的幕后推手,为数百万客户提供保险承保服务,年保费规模约达 114 亿澳元。

了解更多
新闻文章
筛选标签
这是 div 块中的一段文本。

VMBlog:Secure Code Warrior 研究发现,精选安全规则集可将 AI 生成代码的实测风险降低高达 70%

Secure Code Warrior 发布了 SCW AI 信任指数的第二波研究结果。该指数是一个动态基准,旨在衡量主流 AI 模型生成包含安全漏洞代码的频率。研究评估了来自 OpenAI、Anthropic、Google、阿里巴巴、Mistral 等机构的 30 多种模型,结果显示,过去 12 个月内 AI 模型性能有所提升,在应用精选安全规则时生成的漏洞代码显著减少,且部分经济型模型带来的风险甚至低于旗舰模型。

了解更多
新闻文章
筛选标签
这是 div 块中的一段文本。

ITWire:Secure Code Warrior 研究发现,使用精选的安全规则集可将 AI 生成代码的实测风险降低高达 70%

SCW AI 信任指数的最新研究结果表明,模糊的提示词不可靠,利用提示词工程可以降低风险,而增加 AI 投入并不能换来更安全的代码。

了解更多
新闻文章
筛选标签
这是 div 块中的一段文本。

AI 动态:Secure Code Warrior 研究发现,使用精选的安全规则集可将 AI 生成代码的风险降低高达 70%。

Secure Code Warrior作为人工智能软件治理与安全编码培训领域的领军企业,现已发布SCW AI 信任指数(SCW AI Trust Index)的第二阶段研究成果。该指数作为一项动态基准,用于衡量主流 AI 模型生成带有安全漏洞的代码的频率。

了解更多

Secure AI-driven development before it ships

See developer risk, enforce policy, and prevent vulnerabilities across your software development lifecycle.

预约演示