Τα LLM γίνονται εξυπνότερα, αλλά όχι πιο ασφαλή: Η έκθεση της Veracode για το 2026 αποκαλύπτει στάσιμο ποσοστό ασφάλειας στο 56%
Τα Μεγάλα Γλωσσικά Μοντέλα (LLMs) και τα εργαλεία παραγωγικής τεχνητής νοημοσύνης (GenAI) εξελίσσονται με εντυπωσιακούς ρυθμούς, προσφέροντας προηγμένες δυνατότητες συγγραφής κώδικα και αυτοματισμού στους προγραμματιστές. Ωστόσο, η ραγδαία αύξηση της «ευφυΐας» τους δεν συνοδεύεται από ανάλογη βελτίωση στον τομέα της κυβερνοασφάλειας. Σύμφωνα με τη νέα ετήσια έκθεση «2026 GenAI Code Security Report» της εταιρείας Veracode, το ποσοστό επιτυχίας των δοκιμών ασφαλείας για τον κώδικα που παράγεται από AI έχει παραμείνει στάσιμο στο ανησυχητικό 56%.
Η μελέτη της Veracode εξέτασε εκτενώς την ασφάλεια του κώδικα που δημιουργείται από τα δημοφιλέστερα μοντέλα τεχνητής νοημοσύνης στην αγορά. Παρά τις σημαντικές βελτιώσεις στην ταχύτητα, την πολυπλοκότητα και τη συντακτική ορθότητα των μοντέλων, σχεδόν οι μισές προτάσεις κώδικα (44%) εξακολουθούν να περιέχουν κρίσιμα ευάλωτα σημεία και κενά ασφαλείας. Αυτό αποδεικνύει ότι, ενώ η AI μπορεί να επιταχύνει τη διαδικασία ανάπτυξης λογισμικού, συχνά εισάγει δομικούς κινδύνους που ενδέχεται να περάσουν απαρατήρητοι.
Το εύρημα αυτό είναι ιδιαίτερα κρίσιμο για τη σύγχρονη βιομηχανία τεχνολογίας, καθώς όλο και περισσότερες επιχειρήσεις ενσωματώνουν εργαλεία όπως το GitHub Copilot, το ChatGPT και άλλα εξειδικευμένα LLMs στην καθημερινή τους ροή εργασίας. Η τυφλή εμπιστοσύνη στις δυνατότητες της τεχνητής νοημοσύνης εγκυμονεί τον κίνδυνο μεταφοράς ευάλωτου κώδικα απευθείας σε παραγωγικά συστήματα. Κενά ασφαλείας όπως το SQL Injection, τα σφάλματα διαχείρισης μνήμης και οι ακατάλληλοι μηχανισμοί διαπίστευσης παραμένουν συχνά φαινόμενα στις προτάσεις των μοντέλων.
Οι αναλυτές της Veracode υπογραμμίζουν ότι η παραγωγική τεχνητή νοημοσύνη πρέπει να αντιμετωπίζεται ως ένας βοηθός αυξημένης παραγωγικότητας και όχι ως αντικαταστάτης της ανθρώπινης επίβλεψης. Η εφαρμογή αυστηρών διαδικασιών ελέγχου (Code Review), η ενσωμάτωση αυτόματων εργαλείων στατικού ελέγχου ασφαλείας (SAST) και η συνεχής εκπαίδευση των μηχανικών λογισμικού παραμένουν απαραίτητα μέτρα προστασίας. Η AI μπορεί να γράφει κώδικα ταχύτερα από ποτέ, αλλά η ευθύνη για την ασφάλεια και την ακεραιότητα των εφαρμογών εξακολουθεί να βαρύνει τους ανθρώπους.
Πηγή: Διαβάστε το αρχικό άρθρο