Project Glasswing 扩展后,AI 安全扫描不能只看发现漏洞

Anthropic 在 6 月 2 日宣布扩展 Project Glasswing。官方介绍称,早期约 50 个合作伙伴使用 Claude Mythos Preview 扫描代码库,已经发现超过 10,000 个高危或严重级别安全缺陷。现在项目扩展到约 150 个新组织,这些组织来自 15 个以上国家,很多与关键基础设施相关。

这个选题适合安全和开发团队一起看。

发现漏洞只是第一步

AI 用于代码安全,最容易被关注的是"发现了多少漏洞"。但工程落地时,更重要的是漏洞之后怎么处理。

模型扫描出问题后,要能回答几件事:漏洞在哪个仓库,证据是什么,严重程度怎么判断,修复建议是否可执行,谁来复核,是否进入工单系统。

如果这些流程没有接上,AI 扫描结果很容易变成另一堆待处理噪音。

接入层要记录什么

企业如果用 Claude 做安全扫描,建议至少记录:

text 复制代码
repo
branch
model
scan_type
finding_id
severity
evidence
patch_suggestion
reviewer
review_status

不要只保存模型输出文本。安全问题需要证据、复核和完整处理链路。模型能提供线索,但不能直接替代安全负责人。

对开发团队来说,还要把安全扫描和 CI/CD 区分开。不是每一次模型提示都要阻断发布。可以先把高可信度问题进入人工复核,低可信度问题进入观察队列。等历史数据够多,再考虑更自动化的策略。

如果团队已经有 SAST、依赖扫描或代码审计流程,Claude 更适合先作为补充层。让它解释已有告警、补充上下文、生成修复建议,而不是立刻替换现有工具。这样更容易被安全团队接受。

147AI 的位置

如果团队想比较 Claude、GPT 或其他模型在安全审查、代码解释、补丁建议上的表现,147AI 可以放在统一 API 入口层。

同一批历史漏洞样本,用不同模型跑一遍,记录误报、漏报、修复建议质量和成本。具体接口配置按 147AI 的 API 接口文档来,Claude 原生 Messages 和 OpenAI 兼容接口不要混用。

工程建议

先从低风险代码库或历史漏洞回放开始,不要一上来让模型直接改生产代码。

AI 安全扫描有价值,但真正能落地的是"扫描、证据、复核、修复、回归"这一整套流程。

相关推荐
forest_093 小时前
《AI 编程 Harness 实战手册》04|审批这道门:点了一百次“允许”,还剩多少作用?
人工智能·算法·prompt·agi
火山引擎开发者社区4 小时前
当 RPA 遇上 Agent:MUA 混合执行 Workflow 深度拆解
人工智能
严肃小白兔4 小时前
第 10/24 期:深度神经网络的自动求导机制与梯度验证
人工智能·神经网络·dnn
火山引擎开发者社区5 小时前
定档12.16-12.18!FORCE原动力大会上海见!
人工智能
努力的MM1235 小时前
CAIE 二级和阿里云大模型 ACP 怎么选?企业 AI 工程与云平台开发能力对比
人工智能
老金带你玩AI5 小时前
Kling Image 4.0来了!8K和组图直出,电商人的提效神器?
人工智能
Flynt5 小时前
Java4Shell 实测:EPYC 一跑就中招,关掉 Base64 硬件加速,1KB 解码慢 14 倍
java·安全·性能优化
孟健5 小时前
用 unslop 拯救 AI 生成网页的塑料感,7 分钟重构落地实测
前端·人工智能·ai编程
stormzhangV6 小时前
Google 重返第一梯队
人工智能·google·aigc