Автоматизація аналізу безпеки коду на основі генеративного штучного інтелекту

Abstract

Досліджено можливості застосування генеративного штучного інтелекту, зокрема великих мовних моделей, для автоматизації аналізу безпеки програмного коду. Проведено порівняльний аналіз традиційних засобів статичного аналізу та підходів на основі LLM. Визначено переваги та обмеження генеративних моделей у задачах ідентифікації вразливостей, класифікації типів загроз та генерування рекомендацій щодо виправлення небезпечних фрагментів коду. Запропоновано гібридний підхід, що поєднує SAST-інструменти з аналізом на основі LLM із використанням технології RAG.

The paper investigates the application of generative artificial intelligence, specifically large language models, for automating source code security analysis. A comparative analysis of traditional static analysis tools and LLM-based approaches is conducted. The advantages and limitations of generative models in vulnerability identification, threat classification, and remediation recommendation generation are identified. A hybrid approach combining SAST tools with LLM-based analysis using RAG technology is proposed.