静态应用安全测试工具和大型语言模型在仓库级漏洞检测中的比较
原文中文，约300字，阅读约需1分钟。发表于：。比较了 15 种不同的 SAST 工具与 12 种热门或前沿的开源 LLM 在检测 Java、C 和 Python 三种流行编程语言的软件漏洞方面的表现，并发现 SAST 工具具有低漏洞检测率但相对较低的误报率，而 LLM 可以检测到 90％至 100％的漏洞，但存在高误报率。通过将 SAST 工具和 LLM 进行组合，可以在一定程度上减轻两者的缺点。我们的分析为软件漏洞检测的当前进展和未来方向提供了启示。
本文比较了15种不同的SAST工具和12种开源LLM在检测Java、C和Python软件漏洞方面的表现。发现SAST工具漏洞检测率低但误报率相对较低，而LLM可以检测到90％至100％的漏洞但误报率高。通过组合两者可以减轻缺点。该研究为软件漏洞检测提供了启示。
