Skip to content
Tech

میرا سیکیورٹی اسکینر اس کمزوری کلاس کو کیوں نظرانداز کر دیتا ہے جو میری AI اسسٹنٹ سب سے زیادہ لکھتی ہے؟

85

موقع

Veracode کی 2026 GenAI Code Security Report کے مطابق AI کوڈنگ اسسٹنٹس زبان کے لحاظ سے 44 سے 72 فیصد جنریشن کاموں میں سیکیورٹی کمزوری متعارف کراتے ہیں۔ موجودہ SAST ٹولز انسانی لکھے ہوئے کوڈ کے نمونوں کو سامنے رکھ کر ڈیزائن اور ترتیب دیے گئے تھے؛ یہ ان دہرانے والے، ماڈل سے مخصوص کمزوری دستخطوں کو نہیں پہچانتے جو کوئی مخصوص AI ٹول مستقل طور پر پیدا کرتا ہے۔ arXiv پر جولائی 2026 کی ایک کراس ماڈل تقابلی تحقیق نے پایا کہ مختلف LLMs مکمل طور پر غیر متعلق کوڈ بیسز میں بھی قابل پیش گوئی اور مخصوص CWE کلاسز میں خطرہ مرکوز کرتے ہیں، اور یہ کہ موجودہ اسکینرز کے پاس اس باقاعدگی سے فائدہ اٹھانے کے لیے کوئی ماڈل سے باخبر پروفائل نہیں ہے۔ Endorlabs نے 2026 میں تصدیق کی کہ مقررہ نمونے والے اسکینرز ان خامیوں کو چھوڑ دیتے ہیں جو کراس فائل سیاق و سباق پر منحصر ہوتی ہیں، اور یہی وہ جگہ ہے جہاں AI سے تیار کردہ کوڈ اکثر ناکام ہوتا ہے۔ آج کوئی بھی پیداواری درجے کا اسکینر اس ماڈل سے منسلک پروفائل نہیں رکھتا جس نے کوڈ لکھا ہو۔

اہمیت کیوں

ایک اسکینر جو جانتا ہو کہ فائل کس ماڈل نے لکھی، اس کمزوری کلاس کی پیش گوئی کر سکتا ہے اور اسے نشانہ بنا سکتا ہے جو وہ ماڈل مستقل طور پر زیادہ پیدا کرتا ہے، اور یوں ایک شماریاتی باقاعدگی کو ایک درست تشخیصی فائدے میں بدل سکتا ہے۔

میں موقع کا اسکور کیسے لگاتا ہوں

Opportunity Score میرا اپنا اندازہ ہے، کوئی پیمائش نہیں: یہ کتنا تکلیف دہ ہے، کتنی بار کاٹتا ہے، اور آج اسے حل کرنے کے لیے کتنا کم موجود ہے۔ زیادہ اسکور کا مطلب ہے کہ میرے خیال میں یہ بنانے کے زیادہ قابل ہے۔

شدت8/10

جب یہ ظاہر ہوتا ہے تو کتنی تکلیف دیتا ہے۔

تکرار9/10

لوگ اصل میں اس سے کتنی بار واسطہ پاتے ہیں۔

خالی جگہ8/10

آج اس کے لیے کتنے کم اچھے ٹولز موجود ہیں۔

حل کرنے کے قابل مزید مسائل