GitHub Copilot代码安全性研究：开发者需对四成错误率保持清醒认知

　　在近日发表的一篇学术论文中，研究人员对 GitHub Copilot 人工智能编程辅助工具展开了深入调查。结果发现，仍处于测试预览阶段的 Copilot 具有高达 40% 的错误代码率，意味着开发者必须在使用时对其保持清醒的认知。此外在多场景测试项目中，约 40% 都被发现包含了安全漏洞。

　　（图自：GitHub）

　　据悉，GitHub 为这款 AI 编程辅助工具采用了来自 OpenAI 的 Codex 高级 AI 系统。特点是经过了 GPT-3 机器语言模型的生成式预训练，能够借助深度学习来生成类人文本。

　　基于 GitHub 平台上高质量代码展开的训练，结合上下文和其它因素，它能够为开发者提供良好的单行代码建议、甚至帮助补全整个功能模块。

　　对于 undefined 开发者来说，你也可以将它视作一个超级增强版本的 IntelliCode 编程辅助工具。GitHub 首席执行官在 6 月 29 日的一篇博客文章中称：

OpenAI Codex 对人们如何使用代码有着广泛的了解，且在代码生成方面较 GPT-3 强大得多，部分原因是其在包含大量公共源码的数据集上展开了训练。

GitHub Copilot 适用于多种语言框架，但现阶段的技术预览版本更侧重于 Python、JavaScript、TypeScript、Ruby 和 Go 语言。

　　一种 Copilot 评估方法

　　然而 Copilot 很快引发了多方争议，尤其涉及代码质量、法律与道德考量、替换人类开发者的可能性、以及引入安全漏洞的可能性。

　　在一项题为《GitHub Copilot 辅助编程的网络安全实证评估》的学术研究论文中，研究团队就对 Copilot 的安全性展开了重点考量。

　　这项研究旨在描述 Copilot 生成不安全代码的趋势，为用户防范安全问题所需的审查量提供了必要的衡量标准。

　　通过严谨且详实的科学分析，最终得出的结论是 —— 在测试了 89 个不同的代码生成场景中产出的 1692 款程序后，其发现 40% 的程度都存在安全漏洞。

　　这些场景与前 25 个高风险常见弱点枚举（CWE）子集相关，这是一个基于社区提交的软硬件缺陷类型列表，并由非营利性安全组织 MITRE 负责管理。

　　文本-代码转换

　　具体说来是，这项研究从三个维度展开了考量，分别是缺陷的多样性、prompt 的多样性、以及领域的多样性。

　　总体而言，头部 39.33% 和总体 40.48% 的项目易受攻击。从安全角度来看，Copilot 在测试场景中的表现也有好有坏。

　　对于新手来说，Copilot 借鉴的高质量代码还是相当值得推荐的。但若开源存储库中的某些错误相当明显，Copilot 也会更加频繁地重现。