AI生成代码的质量、合规风险及对策.pdf

AI生成代码的质量、合规风险及对策

付红勋｜新思·SIG·中国区技术总监

❖AIGC及AIGCode的魅力

目录❖AIGCode的质量、合规风险

CONTENTS❖AIGCode的风险对策

❖AIin「新思SIG·Portfolio」

AIGC及AIGCode的魅力

AIGC的演进

AIGCode

GenAI

依上下文生成新内容

LLM

理解、生成自然语言

NLP

DLNeural

分析、理解

高阶ML（自动提取特征）Networks

自然语言

ML

机器自主学习（无需显式编程）

AI

机器像人一样感知、思考、行动

AIGCode的魅力·效率显著提升

生成式AI将颠覆软件编码，结合开发相关技术，程序员30%的工作可被自动化。

——Gartner，AI技术成熟度曲线，2023

“我需要按优先QECon

级从列表中选AI赋能软件研发提质增效

择项⽬的代码”

质量

成

本度

进

AIGCode的质量、合规风险

质量：有报告表明，AIGCode后，代码质量下行明显

GitClear分析了2020-01～2023-12修改的1.53亿行代码，以评估代码质量差异

4年来的代码变更率

4年来的代码变动情况（loc）

质量下降。提交两周内就修改的代码⾏占⽐：可维护性下降。AI总是倾向于做加法：

•2020(3.3%)à2023(7.1%)翻番•新增/复制为主//多出1/3

•预计2024比2021(AIGC前)再翻番•删除/更新/移动为辅

——GitClear，CodingonCopilot:2023年数据表明代码质量面临下行压力

安全：有研究表明，AIGCode并不那么安全

《SecurityWeaknessesofCopilot

GeneratedCodeinGitHub》

(Oct.,2023)

•35.8%包含安全漏洞

•C++代码漏洞最多

•涉及42种CWE；其中11种属于

CWETop25-2022