行业资讯 · 2026-09-15
新研究证实大模型可大幅提升JS代码漏洞检测效率
近期arXiv发布的学术研究显示，大模型在JavaScript代码漏洞识别上的表现远超传统静态检测工具，为企业系统安全建设、AI技术落地提供新参考。
优秘智能观察：近期一项针对大模型应用于代码安全检测的学术研究成果发布，为企业数字化经营中的系统安全与AI技术落地提供了新的参考方向。
研究背景：JS代码安全成企业数字化经营重要风险点
JavaScript是当前网站开发使用最广泛的编程语言，据研究统计覆盖约98.8%的网站，其代码存在的漏洞是企业线上系统的重要安全风险。传统静态应用安全测试（SAST）工具在检测孤立代码片段时，往往难以识别大量真实场景下的漏洞，安全检测效率存在明显瓶颈。
核心研究结论：大模型检测表现显著优于传统工具
该项研究针对JavaScript代码的大模型漏洞识别能力展开实证测试，覆盖Gemini 1.5 Flash、GPT-4o Mini、DeepSeek-R1-Distill-Llama-8B三个大模型系列，测试了零样本、思维链、少样本等多种提示策略以及微调方案，测试数据集包含1125个覆盖5类常见漏洞的JavaScript代码片段。
实验结果显示：
- 微调后的Gemini 1.5 Flash模型检测准确率可达60%，远高于传统规则分析工具接近为0的准确率；
- 微调可将模型检测准确率从29%提升至60%，思维链提示对GPT-4o Mini这类具备推理能力的模型效果更明显，少样本提示对跨站脚本这类多态漏洞检测有效；
- 不同漏洞类型的检测表现存在差异，SQL注入这类结构化漏洞的检测准确率最高可达84%。
研究同时指出，大模型可作为现有安全分析流程的补充工具，而非完全替代，其召回率有限、不同漏洞类型表现不均的问题仍需优化。
给企业主的经营启示
对于正在推进数字化、AI化转型的企业而言，AI技术的价值不仅体现在业务提效、获客增长等前端环节，也可应用于系统安全、内部流程优化等中后台场景。企业在搭建自有线上系统、部署AI应用时，可引入AI辅助的安全检测能力，降低系统漏洞风险，保障经营稳定性。
优秘智能点评：AI技术在安全、营销、运营等企业经营全场景的落地价值正在持续释放。优秘智能聚焦AI在企业营销与经营场景的落地应用，打造营销智脑、数字分身等产品助力企业降本增效，如需了解企业AI化转型方案，可访问官网umi6.com咨询。