ИИ научили находить уязвимости в коде быстрее традиционных методов

Фото из открытых источников

Искусственный интеллект начали использовать для быстрого и точного выявления уязвимостей в программном обеспечении. Об этом, как пишет ТАСС, сообщила пресс-служба Сбербанка в официальном релизе, посвящённом совместной работе российских и казахстанских специалистов.

Традиционно для анализа безопасности программного кода применяются так называемые статические анализаторы. Это алгоритмы, которые проверяют код по заранее заданным правилам, соответствующим синтаксису и логике конкретных языков программирования. Однако такие инструменты требуют значительных вычислительных ресурсов и времени.

Новая методика опирается на большие языковые модели, изначально предназначенные для генерации и понимания программного кода. Ученые выбрали нейросеть WizardCoder, которая до этого была обучена на обширном массиве текстов, а затем адаптировали её специально для задачи поиска уязвимостей. Основной акцент при дообучении сделали на качестве входных данных: использовались только те примеры, где наличие уязвимости было однозначно подтверждено.

Для повышения эффективности была оптимизирована процедура обучения — в одном шаге использовалось строго выверенное количество примеров. Это позволило ускорить дообучение почти в 13 раз. В результате была получена система, которая не только справляется с задачей быстрее, но и демонстрирует более высокую точность по сравнению с другими существующими ИИ-решениями.

Разработчики провели тестирование модели на специально подготовленном наборе кода на языке Java. В этих тестах все уязвимости были заранее отмечены вручную, что позволило объективно оценить точность алгоритма. На простом уровне сложности система показала прирост точности в 4–5%, а при более сложных задачах — до 22%.

Исследование подтвердило потенциал языковых моделей как эффективного инструмента в сфере кибербезопасности. Применение таких систем может значительно ускорить и упростить процесс аудита цифровых продуктов на предмет уязвимостей.