Các nhà phát triển của bạn đang tung ra các tính năng mới nhanh hơn bao giờ hết. Họ cũng đang tạo ra các lỗ hổng bảo mật với tốc độ mà các công cụ hiện tại của bạn không được thiết kế để xử lý.
Các công cụ lập trình AI không chỉ đẩy nhanh quá trình phát triển, mà còn đẩy nhanh việc đưa vào mã nguồn không an toàn. Dự án radar an ninh Vibe của Georgia Tech Chỉ riêng trong tháng 3 năm 2026, đã ghi nhận 35 lỗ hổng bảo mật CVE mới trực tiếp liên quan đến các công cụ lập trình AI, tăng từ 6 lỗ hổng vào tháng Giêng. Các nhà nghiên cứu ước tính con số thực tế cao hơn từ 5 đến 10 lần trên toàn bộ hệ sinh thái mã nguồn mở. Nghiên cứu CSA Nghiên cứu cho thấy 62% mã do AI tạo ra chứa các lỗi thiết kế hoặc các lỗ hổng đã biết, ngay cả khi các nhà phát triển sử dụng các mô hình nền tảng mới nhất.
Đây không phải là vấn đề có thể giải quyết bằng cách yêu cầu các nhà phát triển giảm tốc độ. Giải pháp là xây dựng cơ sở hạ tầng bảo mật theo kịp tốc độ phát triển của AI, và hầu hết các nhóm vẫn chưa có được điều đó.
Khoảng trống mà hầu hết các đội không nhận ra cho đến khi quá muộn.
Các công cụ lập trình AI tạo ra một vấn đề bảo mật cụ thể mà cơ sở hạ tầng bảo mật ứng dụng truyền thống không được thiết kế để giải quyết: mã nguồn tốc độ cao, khối lượng lớn với các mô hình lỗi khác biệt một cách có hệ thống so với mã do con người viết.
Hầu hết các nhóm phát hiện ra lỗ hổng này theo cách không đúng, khi một lỗ hổng CVE xuất hiện trong môi trường sản xuất mà trình quét của họ đáng lẽ phải phát hiện được, hoặc khi một bí mật bị lộ. commitMột quy trình được hỗ trợ bởi trí tuệ nhân tạo lại vô tình rơi vào tay kẻ tấn công.
| Không có các biện pháp kiểm soát dành riêng cho AI | Với Xygeni | |
|---|---|---|
| Lỗ hổng mã | Mật độ cao hơn, mô hình hỏng hóc có hệ thống | Bị bắt lỗi trong quá trình ghi dữ liệu tại IDE trước đó. commit |
| Bí mật bị phơi bày | Tỷ lệ thành công cao gấp 2 lần khi sử dụng trợ lý AI. commits | Quét liên tục + tự động thu hồi trên tất cả các lớp. |
| Sự phụ thuộc độc hại | Trí tuệ nhân tạo đề xuất các gói hàng mà không qua kiểm tra an toàn. | Phát hiện phần mềm độc hại tại thời điểm xuất bản, không phải thời điểm cài đặt. |
| Pipeline nguy cơ | Không thể theo dõi hành vi của công cụ tác nhân. | Đường cơ sở hành vi + phát hiện bất thường |
| Kết quả | Nợ bảo mật tích lũy với tốc độ của trí tuệ nhân tạo. | Phạm vi phủ sóng có thể mở rộng theo tốc độ phát triển. |
Vì sao mã do AI tạo ra lại gặp lỗi trong những trường hợp cụ thể?
Trước khi đi vào phần điều khiển, điều đáng hiểu là tại sao mã do AI tạo ra lại gặp lỗi khác với mã do con người viết, bởi vì các kiểu lỗi này quyết định những điều khiển nào thực sự quan trọng.
Hoàn thiện mẫu dựa trên suy luận bảo mật
Các mô hình LLM tạo ra mã bằng cách dự đoán các chuỗi tiếp theo có xác suất thống kê cao của các mẫu mà chúng đã thấy trong dữ liệu huấn luyện. Khi dữ liệu huấn luyện đó bao gồm hàng triệu ví dụ về mã không an toàn, mô hình sẽ tái tạo các mẫu đó một cách tự tin và trôi chảy.
Mô hình này không suy luận về bảo mật. Nó chỉ hoàn thiện các mẫu. Yêu cầu "thêm xác thực vào điểm cuối này" sẽ tạo ra mã trông giống như xác thực và thường hoạt động như xác thực, nhưng có thể bỏ qua việc hết hạn mã thông báo, bỏ sót các kiểm tra ủy quyền hoặc sử dụng một thuật toán mã hóa lỗi thời, bởi vì những thiếu sót đó khá phổ biến về mặt thống kê trong dữ liệu huấn luyện.
Tính đúng đắn về cấu trúc mà không cần đến tính an toàn về ngữ nghĩa
Một phân tích vào tháng 12 năm 2025 của công ty bảo mật Tenzai đã kiểm tra 15 ứng dụng đang hoạt động được xây dựng bằng năm công cụ lập trình AI chính và phát hiện 69 lỗ hổng trong toàn bộ mẫu. Mỗi ứng dụng đều thiếu khả năng bảo vệ CSRF và không có tiêu đề bảo mật nào được cấu hình. Mỗi công cụ đều gây ra lỗ hổng giả mạo yêu cầu phía máy chủ (SSRF), một loạt các lỗi bảo mật cơ bản trên cả 15 ứng dụng.
Đây không phải là những trường hợp ngoại lệ. Chúng là những lỗ hổng mang tính hệ thống trong những gì mà các công cụ AI tối ưu hóa: mã hoạt động, chứ không phải các thiết lập mặc định an toàn.
Trung tâm CSET của Đại học Georgetown đã phát hiện riêng các lỗ hổng XSS trong 86% mẫu mã do AI tạo ra được thử nghiệm trên năm hệ thống quản lý ngôn ngữ lập trình (LLM) chính.
Việc tiết lộ bí mật diễn ra nhanh chóng.
Được hỗ trợ bởi AI commitChúng tiết lộ bí mật với tốc độ nhanh hơn gấp đôi so với con người. commits. Các Ghi chú nghiên cứu của CSA về bảo mật mã hóa rung động Con số này tương đương với 3.2% đối với các ứng dụng hỗ trợ bởi trí tuệ nhân tạo. commitso với 1.5% đối với chỉ sử dụng người thật, và GitHub công khai đã chứng kiến mức tăng 34% hàng năm về thông tin đăng nhập được mã hóa cứng vào năm 2025.
Cơ chế này khá đơn giản: các nhà phát triển làm việc với tốc độ AI thường dán thông tin đăng nhập vào các lời nhắc để làm ngữ cảnh, và các công cụ AI sẽ trung thực đưa những thông tin đăng nhập đó vào kết quả đầu ra. Các nhà phát triển xem xét mã AI ở tốc độ cao sẽ kiểm tra tính đúng đắn về mặt chức năng, chứ không phải việc lộ thông tin bí mật.
Những khiếm khuyết kiến trúc vô hình
Các công cụ bảo mật truyền thống rất giỏi trong việc tìm ra các mẫu lỗ hổng đã biết trong mã tĩnh: tấn công SQL injection, XSS, giải mã dữ liệu không an toàn. Chúng gặp khó khăn với các lỗi ở cấp độ thiết kế, thiếu xác thực trên toàn bộ tuyến API, logic kiểm soát truy cập bị lỗi, mô hình ủy quyền giả định luồng tuần tự nhưng có thể bị bỏ qua bất kỳ thứ tự nào.
Mã do AI tạo ra thường dẫn đến nhiều lỗi thiết kế hơn vì các công cụ AI tạo ra mã ở cấp độ tính năng, chứ không phải cấp độ hệ thống. AI không nhận thức được mô hình bảo mật của hệ thống xung quanh trừ khi được cung cấp ngữ cảnh đó một cách rõ ràng, và hầu hết các nhà phát triển không nghĩ đến việc cung cấp thông tin này.
Cách bảo mật mã do AI tạo ra trong ứng dụng của bạn CI/CD Pipeline
1. Coi mã do AI tạo ra là dữ liệu đầu vào không đáng tin cậy ngay từ đầu. SAST lớp
Thay đổi quan trọng nhất trong hoạt động: không giảm SAST Độ phủ mã giảm vì mã nguồn đến từ AI. Hãy làm ngược lại. Bất kỳ nhóm nào áp dụng AI đáng kể đều nên kỳ vọng khối lượng phát hiện của họ sẽ tăng lên đáng kể và nên cấu hình công cụ của mình cho phù hợp.
Trên thực tế, điều này có nghĩa là cho phép SAST trên mọi commitKhông chỉ là các yêu cầu kéo (PR). Các công cụ AI tạo ra mã nhanh chóng, và các nhà phát triển commit một cách dần dần. Việc chờ đợi đánh giá PR có nghĩa là các phát hiện tích lũy trước khi bất kỳ ai xem xét chúng. Điều đó cũng có nghĩa là cần phải điều chỉnh. SAST Ngưỡng mức độ nghiêm trọng cụ thể cho các chế độ lỗi của mã AI: thiếu kiểm tra xác thực và ủy quyền, SSRF, CSRF, giải mã dữ liệu không an toàn và thông tin đăng nhập được mã hóa cứng, các lớp lỗ hổng không phải lúc nào cũng được đánh giá là nghiêm trọng trong CVSS nhưng luôn có thể bị khai thác.
Thách thức chính là tỷ lệ dương tính giả. Các công cụ AI tạo ra rất nhiều mã nhanh chóng, dẫn đến tỷ lệ dương tính giả cao. SAST Nó tạo ra quá nhiều kết quả đến nỗi các nhà phát triển học cách bỏ qua chúng. Đó chính là hiện tượng "mệt mỏi vì cảnh báo" khiến cho việc quét thông tin trở nên vô nghĩa.
Xygeni SAST đã được so sánh với Tiêu chuẩn OWASP và đạt tỷ lệ dương tính thật 100% với tỷ lệ dương tính giả 16.7%. Trong môi trường mà mã do AI tạo ra làm tăng khối lượng tìm kiếm, điều đó chứng tỏ rằng...cisIon là yếu tố giúp cho các phát hiện có thể được áp dụng thay vì bị bỏ qua. Tìm hiểu thêm về Xygeni SAST →
2. Liên tục tìm kiếm các bí mật, không chỉ tại một thời điểm nhất định. commit thời gian
Pre-commit hooks Chúng cần thiết nhưng chưa đủ. Các nhà phát triển sử dụng công cụ AI với tốc độ cao thường bỏ qua bước này. hooks, sử dụng các trình chỉnh sửa AI dựa trên web không hỗ trợ chúng, hoặc tạo ra các bí mật bên trong các tập lệnh CI thay vì mã ứng dụng, trong trường hợp hooks Không bao giờ kích hoạt.
Một chiến lược bảo mật bí mật toàn diện cho các nhu cầu phát triển có sự hỗ trợ của trí tuệ nhân tạo. pre-commit hooks Đối với các nhà phát triển sử dụng công cụ AI cục bộ, quá trình quét kho lưu trữ liên tục trên tất cả các nhánh, bao gồm toàn bộ lịch sử. commit phạm vi phủ sóng (bí mật hợp lệ từ phiên bản cũ) commit(vẫn có thể bị khai thác), pipeline Quét nhật ký (các tập lệnh CI do AI tạo ra thường bao gồm thông tin đăng nhập dưới dạng các biến nội suy được in ra nhật ký xây dựng), và thu hồi tự động khi phát hiện, bởi vì khoảng thời gian giữa lúc bị lộ thông tin và lúc kẻ tấn công bị phát hiện thường chỉ tính bằng giờ chứ không phải ngày.
Xygeni Secrets Security Phát hiện hơn 800 loại bí mật trên nhiều kho lưu trữ. pipeline nhật ký, IaC các tập tin và hình ảnh vùng chứa. --history Chế độ quét hiển thị các bí mật về mặt kỹ thuật đã cũ nhưng vẫn còn hiệu lực, một lỗ hổng phổ biến trong các quy trình làm việc hỗ trợ AI. Các bí mật được mã hóa trước khi được ghi nhật ký hoặc gửi đến nền tảng, do đó bản thân quá trình phát hiện không tạo ra lỗ hổng mới. Quy trình tự động thu hồi được kích hoạt khi phát hiện. → Tìm hiểu thêm
3. Áp dụng SCA với khả năng phát hiện phần mềm độc hại đến các phụ thuộc được AI đề xuất.
Các công cụ lập trình AI không chỉ viết mã, chúng còn đề xuất các thư viện phụ thuộc. Một nhà phát triển yêu cầu trợ lý "thêm thư viện để phân tích cú pháp JWT" sẽ nhận được đề xuất gói có thể là một gói hợp lệ, một gói bị chiếm đoạt tên giả với tên tương tự, hoặc một gói hợp lệ khi mô hình được huấn luyện nhưng đã bị xâm phạm.
Nghiên cứu về lỗ hổng mã do AI tạo ra theo tiêu chuẩn CSA 2025 Tài liệu này cũng đề cập đến "việc chiếm dụng trái phép", trong đó kẻ tấn công đăng ký các tên gói hàng ảo do các công cụ AI tạo ra, biến ảo tưởng của mô hình thành một vectơ tấn công chuỗi cung ứng. Standard Dựa trên CVE SCA Không bắt được bất kỳ con nào trong số này.
Những gì bạn thực sự cần: phát hiện phần mềm độc hại dựa trên hành vi, gắn cờ các gói có tập lệnh cài đặt đáng ngờ, các cuộc gọi mạng không mong muốn hoặc mã bị che giấu; phát hiện lỗi chính tả và lỗi cấu hình, phân tích toàn bộ biểu đồ phụ thuộc để tìm các gói có tên gọi gây hiểu nhầm; và quét CVE được lọc theo khả năng truy cập, phân biệt các hàm dễ bị tổn thương thực sự được gọi với các hàm được nhập nhưng không bao giờ được thực thi.
Xygeni SCA kết hợp khả năng phát hiện phần mềm độc hại theo thời gian thực thông qua Cảnh báo sớm phần mềm độc hại (MEW) Công cụ này quét npm, PyPI, Maven, NuGet, RubyGems và các kho lưu trữ khác tại thời điểm xuất bản, không chỉ tại thời điểm cài đặt, với một Máy quét các phụ thuộc đáng ngờ Nó phát hiện việc chiếm đoạt tên miền do lỗi chính tả, nhầm lẫn về phụ thuộc và các tập lệnh cài đặt đáng ngờ bằng cách phân tích toàn bộ biểu đồ phụ thuộc. Xem cách thức hoạt động →
4. Tăng cường an ninh guardrails trong pipeline, không chỉ trong việc xem xét mã.
Quá trình rà soát mã quá chậm và không nhất quán để trở thành biện pháp kiểm soát an ninh chính cho mã do AI tạo ra. Các nhà phát triển khi xem xét đầu ra của AI dưới áp lực tốc độ sẽ ưu tiên kiểm tra tính đúng đắn về chức năng trước. Tính đúng đắn về bảo mật, nếu có kiểm tra, sẽ được xem xét sau.
PipelineCấp guardrails Thực thi các yêu cầu tự động: chặn các bản dựng gây ra các lỗi nghiêm trọng mới SAST Nếu phát hiện các bí mật mới vượt quá ngưỡng có thể cấu hình, quá trình triển khai sẽ bị chặn. commit, thực thi chính sách phụ thuộc bằng cách chặn các gói không vượt qua kiểm tra phần mềm độc hại hoặc không được gắn với mã băm chính xác, và yêu cầu SBOM thế hệ tiếp thị cho các bản phát hành bao gồm mã được hỗ trợ bởi trí tuệ nhân tạo.
Nguyên tắc thiết kế chính: guardrails Nên chặn hoặc cảnh báo, chứ không chỉ báo cáo. Một lỗi không gây ra bất kỳ tác vụ chặn nào sẽ dạy cho các nhà phát triển rằng các lỗi có thể được bỏ qua một cách an toàn.
Xygeni DevAI là một trợ lý phi công an ninh có sẵn dưới dạng Phần mở rộng mã VS và Plugin IntelliJ/JetBrains chạy theo kiểu tăng dần SAST Quét khi các nhà phát triển viết mã, giải thích các đường dẫn khai thác cho các lỗ hổng được phát hiện và đưa ra các đề xuất khắc phục đã được Máy chủ Xygeni MCP xác thực về rủi ro, chính sách và tác động thay đổi đột phá. Phát hiện bí mật, SCAvà IaC Quá trình quét toàn bộ được thực hiện trong cùng một phiên IDE. → Tìm hiểu thêm
6. Giám sát các hành vi bất thường từ các công cụ lập trình AI
Các công cụ tác nhân AI, những công cụ thực hiện các hành động tự động trong môi trường của bạn, chứ không chỉ tạo ra các đề xuất, tạo ra một bề mặt tấn công mới. Một công cụ lập trình tác nhân có quyền truy cập ghi vào kho lưu trữ, pipeline Quyền truy cập vào các thông tin kích hoạt, hay quyền truy cập vào các thông tin bí mật, là mục tiêu có giá trị cao nếu bị xâm phạm.
Lỗ hổng CVE-2025-54135 (CurXecute), một lỗ hổng thực thi mã từ xa trong trình soạn thảo mã Cursor AI, cho phép thực thi mã tùy ý trên máy tính của nhà phát triển mà không cần tương tác của người dùng, được công bố vào đầu năm 2026. Hệ thống radar an ninh Vibe của Georgia Tech Nghiên cứu chỉ ra rằng bề mặt tấn công đang mở rộng nhanh chóng khi các công cụ AI ngày càng trở nên tự động hơn.
Giám sát hành vi đối với hoạt động của công cụ AI trong hệ thống của bạn. pipeline nên cảnh giác với những thay đổi bất ngờ. CI/CD Các tệp cấu hình quy trình làm việc (một trong những dấu hiệu rõ ràng nhất của công cụ AI bị xâm phạm hoặc tấn công chèn mã nhanh), các quy trình công cụ mã hóa AI thực hiện yêu cầu mạng đến các đích không mong muốn trong quá trình xây dựng, các mẫu truy cập bất thường vào kho lưu trữ bí mật từ máy trạm của nhà phát triển và các phụ thuộc mới được đưa vào bởi các công cụ AI mà không có trong các bản dựng trước đó.
| lớp | Kiểm soát | Ưu tiên |
|---|---|---|
| Mã | SAST trên mọi commitCấu hình FPR thấp | Quan trọng |
| Mã | Phản hồi về bảo mật IDE trong VS Code / IntelliJ | Cao |
| Bí mật | Pre-commit hooks + Quét kho lưu trữ liên tục | Quan trọng |
| Bí mật | Quét lịch sử Git để tìm các bí mật cũ hợp lệ. | Quan trọng |
| Bí mật | Tự động thu hồi khi phát hiện | Quan trọng |
| Sự phụ thuộc | SCA bao gồm phát hiện phần mềm độc hại và chiếm đất trái phép. | Quan trọng |
| Sự phụ thuộc | Ưu tiên CVE được lọc theo khả năng truy cập | Cao |
| Pipeline | Xây dựng dựa trên những phát hiện quan trọng mới. | Cao |
| Pipeline | Thực thi chính sách phụ thuộc tại thời điểm biên dịch | Cao |
| Pipeline | SBOM thế hệ cho các bản phát hành hỗ trợ AI | Trung bình |
| Công cụ tác nhân | Giám sát hành vi hoạt động của công cụ AI | Cao |
| Công cụ tác nhân | Quyền truy cập tối thiểu cho các công cụ lập trình AI | Cao |
Xygeni bảo mật mã do AI tạo ra từ đầu đến cuối như thế nào?
Việc bảo mật mã do AI tạo ra đòi hỏi phải bao quát toàn bộ hệ thống. SDLCTừ thời điểm nhà phát triển chấp nhận đề xuất cho đến khi sản phẩm được đưa vào sản xuất. Các công cụ chuyên dụng chỉ bao phủ một lớp sẽ để lại những lỗ hổng mà quá trình phát triển với tốc độ của AI sẽ dễ dàng tìm ra.
| Traineeship | Khả năng của Xygeni | Những gì nó bắt được |
|---|---|---|
| Trong IDE | DevAI + Máy chủ MCP | Các lỗ hổng bảo mật tại thời điểm ghi dữ liệu, trước đó commit |
| At commit | SAST + Bảo mật bí mật | Lỗi mã nguồn, thông tin đăng nhập được mã hóa cứng, khóa API bị lộ. |
| Tại thời điểm xây dựng | SCA với khả năng phát hiện phần mềm độc hại + khả năng truy cập | Các mối phụ thuộc do AI đề xuất có tính chất độc hại hoặc dễ bị tổn thương |
| In pipeline | CI/CD Bảo mật + Phát hiện bất thường | Các bản dựng không an toàn, sự xâm phạm công cụ tác nhân, quy trình làm việc bị chèn. |
| Hậu triển khai | DAST + ASPM | Xác thực khả năng khai thác trong thời gian chạy, tư thế rủi ro thống nhất |
Điểm khác biệt chính là lớp trí tuệ nhân tạo kết nối tất cả các thành phần này. Máy chủ MCP của Xygeni đảm bảo rằng đề xuất sửa lỗi do DevAI tạo ra trong IDE được đánh giá về sự tuân thủ chính sách, rủi ro thay đổi gây ảnh hưởng và bối cảnh tổ chức trước khi đến tay nhà phát triển. Khắc phục sự cố được hỗ trợ bởi AI với guardrails, không phải khi đã tắt chốt an toàn.
.
Các công cụ lập trình AI đang tạo ra một thị phần đáng kể và ngày càng tăng. enterprise Mã nguồn. Chúng cũng đang đưa các lỗ hổng bảo mật vào một cách có hệ thống tại các mẫu quan trọng nhất: thiếu xác thực, lộ bí mật, các phụ thuộc không an toàn và các lỗi thiết kế mà các công cụ quét tĩnh bỏ sót.
Giải pháp không phải là hạn chế việc sử dụng các công cụ AI. Giải pháp là... build security Cơ sở hạ tầng có thể mở rộng theo tốc độ phát triển của AI. Các nhóm làm tốt điều này sẽ triển khai các tính năng hỗ trợ AI nhanh hơn và an toàn hơn so với các nhóm xử lý mã AI như mã của con người với tỷ lệ lỗi cao hơn một chút.
Không phải vậy. Và của bạn pipeline cần phải biết sự khác biệt.
👉 Bắt đầu dùng thử miễn phí và quét kho lưu trữ đầu tiên của bạn với sự hỗ trợ của AI chỉ trong vài phút, không cần thẻ tín dụng.
👉 Đặt một bản demo và xem Xygeni phù hợp như thế nào với hệ sinh thái phát triển AI cụ thể của bạn.
👉 Tải xuống báo cáo chính thứcBảo mật mã hóa Vibe trước khi nó trở thành rủi ro AI lớn nhất đối với tổ chức của bạn.
Đọc liên quan:
Lưu ý
Đồng sáng lập & CTO
Fatima Said chuyên về nội dung ưu tiên nhà phát triển cho AppSec, DevSecOps và software supply chain securityCô ấy biến những tín hiệu bảo mật phức tạp thành hướng dẫn rõ ràng, dễ thực hiện, giúp các nhóm ưu tiên nhanh hơn, giảm thiểu nhiễu và phát hành mã an toàn hơn.
