2025 年 7 月 31 日，Dark Reading 在 Alexander Culafi 的一篇文章中报道了使用大规模语言模型的“vibe 编码”中隐藏的安全问题。
根据 Veracode 的 2025 GenAI 代码安全报告，在涉及 100 多名 LLM 的 80 项任务中，45% 选择了弱实现，Java 失败了 71%，XSS 预防失败了 86%。
本周，Wiz 在生成式 AI 开发平台 Base44 中发现了一个身份验证绕过错误，并已确认该错误已得到修复。 Tracebit 发布了针对 Google Gemini CLI 的漏洞，允许在默认设置下泄露机密信息。 Black Duck 副总裁 Drew Streib 指出，虽然该技术正在迅速扩展，但仍处于早期阶段，严格的测试至关重要。
【编辑部评论】
Vibe 编码是指“如果你用文本表达你的愿望，人工智能就会编写代码”的开发工作流程，自 2024 年底左右以来，实际用例的数量一直在迅速增加。它的吸引力在于降低开发成本和更快的想法验证，但正如 Veracode 研究中显示的 45% 高不安全率所示，生成的代码往往是“可以工作但无法受到保护”的代码。
Base44的身份验证绕过缺陷暴露了AI平台层的错误可能立即传播到用户应用程序的风险。另一方面，Gemini CLI 案例很重要，因为它是新型攻击面（包括即时注入）的早期示例，并在实际服务中得到证实。
你应该特别注意的是用户和评论系统之间的差距。面向无代码的开发人员往往在代码审计方面缺乏专业知识，并且更有可能按原样采用人工智能输出。分层防御对于现有管道至关重要，例如将静态分析和依赖关系扫描合并到 CI/CD 中并需要人工代码审查。
展望未来，虽然生成式AI很可能成为开发流程的标准特征，但迫切需要跨行业的努力，将“设计安全”的理念应用到AI端，并将“安全”纳入模型评估指标。下次我们的读者采用人工智能开发工具时，我们强烈建议他们不仅检查功能，还检查更新频率和漏洞披露政策。
【术语解释】
振动编码：
一种让 LLM 使用自然语言提示生成代码的开发方法。
ASPM：
应用程序安全态势管理。一种可视化整个开发生命周期风险的管理模型。
OWASP 前 10 名：
OWASP 发布的主要 Web 应用程序漏洞列表。
及时注射：
一种向 LLM 注入恶意指令并导致其执行意外操作的攻击。
多重耐药：
托管检测和响应。外包运营监控和响应服务。
[参考链接]
雷普利特（外部）
一家来自旧金山的初创公司，提供基于浏览器的 IDE 和人工智能辅助编码功能。
Base44（外部）
生成式人工智能可以使用无代码构建功能齐全的应用程序的平台
新博尔特（外部）
在 StackBlitz 的 WebContainers 上运行的 AI 开发代理
追踪位（外部）
英国公司为云环境部署“安全金丝雀”
合法安全（外部）
使用 ASPM 平台可视化整个软件工厂的攻击面
暗迹（外部）
一家总部位于英国的网络安全公司，基于机器学习执行实时威胁检测。
深海观察（外部）
位于美国帕洛阿尔托的 MDR 供应商。提供24/365安全运营监控
创建方式（外部）
数字产品开发咨询公司，总部位于美国弗吉尼亚州雷斯顿
[参考文章]
Vibe 编码平台 Base44 的严重缺陷暴露了应用程序（外部）
报告 Base44 身份验证绕过错误并解释影响范围和补丁完成情况
2025 年 GenAI 代码安全报告（外部）1
评估了 00 名或更多法学硕士的 80 项任务，并宣布其中 45% 的实施较弱。
人工智能生成的代码带来重大安全风险（外部）
解释 Veracode 报告的详细信息并按语言补充失败率
[编者后记]
当许多开发人员第一次听到氛围编码这个词时，他们一定感到了“它终于来了！”的兴奋，他们一定对未来可以使用自然语言创建应用程序抱有复杂的期望，但同时也有焦虑，例如“真的可以吗？”
我们这次介绍的 Veracode 调查结果从数字上表明这些担忧是正确的。 45%的失败率并不是一个可以忽略不计的数字。特别值得注意的是，随着时间的推移，它并没有得到改善。这意味着这不仅仅是一个初始缺陷，而是一个结构性问题。
在 innovaTopia，我们总是对新技术感到兴奋。但与此同时，我们相信我们有责任诚实地面对风险，以便我们的读者能够安全地享受创新。
您如何在工作场所使用基于人工智能的代码生成？虽然便利性很吸引人，但很多人可能会感到不安。如果您有任何诚实的意见或尝试过的经验，请在评论部分分享。我们希望共同学习并找到充分利用这项技术的方法。