AI 过度认同的代价：通过偏见注入操纵自动化代码审查
雅典大学、雅典经济商业大学与希腊国家网络安全局的研究人员发现，基于大模型的自动化代码审查（ACR）可被系统性操纵：攻击者通过精心构造的 PR 元数据（如提交信息、描述）把重新引入漏洞的改动包装成安全改进，利用大模型的「框架效应」。在 6 个大模型（14,910 次查询）及真实流水线 Claude Code 与 CodeRabbit 上的测试中，迭代式攻击在 33 个 CVE 里成功重新引入 32 个（97%）。审查前剥离 PR 元数据可让检测全部恢复——这篇论文是对「过度依赖 AI 代码审查」的重要警示。
报道来源
- Hacker News (AI)2026-10-23 05:41