谢朝海，北京理工大学信息安全与对抗博士研究生。曾任职公安部第三研究所，中国网通、中国赛宝实验室信息安全专家，主要研究方向为信息安全等级保护理论与技术、密码分析技术、信息安全与对抗技术、信息系统安全保障技术。在国内外核心/EI期刊发表论文10多篇，具有丰富的信息系统安全规划设计、测试评估、咨询监理等的项目工作经验，是“金盾工程”等多项国家级重大工程验收测试评估组成员。

01

安全牛：“安全左移”这一理念已经受到行业普遍认同，但是一些企业组织在实际落地开发安全计划的过程中仍然存在了很多困难和挑战，原因是什么？

谢朝海：在我看来，开发安全需要将软件开发流程和安全保障要求紧密结合，因此要么赋予开发人员安全能力，要么赋予安全运营人员开发能力，这是一个跨技术领域的应用挑战。目前，企业组织在实现开发安全时，所面临的主要困难和挑战体现在以下几个方面：

首先，很多企业组织的专业技术实力相对较弱，缺乏专业的安全开发人员和安全团队，导致基础性安全保障措施不完善；

其次，缺乏安全开发的意识。一些企业用户对于开发安全的重要性和风险仍然认知不足，缺乏安全意识，从而容易在软件开发过程中忽视安全问题；

此外，第三方软件供应链安全风险越来越高。目前的企业用户需要使用大量第三方供应商的软件、硬件和服务，但这些供应商的安全性无法完全掌控，可能存在较大的安全风险隐患。

02

安全牛：企业组织如何应该如何应对上述挑战？

谢朝海：”安全左移”意味着将安全防护能力前置到应用系统的开发阶段，甚至是设计和需求阶段，因为系统开发不仅仅是代码编辑，还包括系统设计和需求设计，这些也都是开发环节的重要阶段。为了更好地实现安全左移，我们建议企业组织可以从以下三个方面入手：

1、要不断加强开发团队的安全制度建设和技术培训，提升整个开发团队的安全开发意识；

2、应该加强对软件供应链的安全管控，以供应商的源代码和开发流程为抓手，覆盖整个软件供应链生命周期，兼容快道（Devops）和慢道（传统瀑布式开发），形成完整的供应链安全管控闭环；

3、借助新一代的开发安全工具，提升安全团队的技术水平。特别是AI技术的蓬勃发展，正在为赋能开发人员成为安全开发人员，提供了新的技术手段和思路。

03

安全牛：在开发安全领域，AI大模型技术有哪些创新的应用机会？是否会引发现有的开发安全技术和防护模式的变革？

谢朝海：我认为，在AI技术的驱动下，开发安全领域一定会涌现出很多新的产品尝试和技术变革。比如，AI大语言模型的引入将会为静态代码检测技术的发展带来了全新的可能，又或者会成为源代码检测分析等开发安全工具未来发展的重要趋势。

目前国内开发安全领域对大语言模型的应用正在起步，已经出现了一些能够将安全、合规、质量、效能融为一体的开发者安全助手产品。未来，AI大模型技术应用于开发安全的机会将会非常多，主要包括：

1、现有开发安全工具的检测准确率普遍不高，存在着高误报率的现象。而通过AI进行代码自学习和漏洞验证，有望大大降低检测结果误报率；

2、AI大型模型可以解决现有开发工具的很多不足之处，实现更加智能化的静态程序分析、行为分析、代码审计等功能。此外，通过AI技术对全局代码进行分析，自动化生成漏洞成因解释，将会大大降低安全测试人员的理解门槛；

3、利用AI自动生成漏洞修复代码，降低漏洞修复难度，实现一键式修复。开发人员只需确认修复代码，就能快速修复漏洞，提高开发效率，提升代码的安全性和质量。

我相信，未来使用AI大型模型进行安全式编程和互动一定会成为现实。这将对现有的开发模式带来革命性的冲击和颠覆，甚至可能引发一次根本性的技术迭代。

04

安全牛：相比现有的开发安全防护模式，应用AI大模型的主要价值是什么？

谢朝海：我认为，AI大模型在开发安全领域可能带来的最大价值就是“降本增效”，主要体现在以下方面：

1、代码自学习和漏洞验证。传统源代码检测分析工具会存在较高的误报率，而通过大语言模型对源代码检测引擎的检测结果进行自动化的误报判断，可以有效降低误报率；

2、智能化全局代码分析。AI大模型能够根据当前代码的上下文进行分析，生成针对性的漏洞的形成原因和解释，以及该漏洞可能被利用方法和途径，可帮助开发者更好的理解漏洞原理以及修复方法。

3、自动生成修复代码,降低漏洞修复难度。AI大模型可结合当前漏洞代码的上下文进行分析，并提供建议的修复方案代码，帮助开发者更快速高效的解决问题，整体提升安全能力和代码质量。

4、实现软件开发自治。在AI大模型的能力加持下，组织可以将源代码检测、安全合规检测、代码质量检测能力内置到开发环境中，帮助开发人员在IDE中实现即写即测即修即验证，从而真正实现安全能力左移。

05

安全牛：将AI大模型应用到开发安全领域，主要的难点和挑战是什么？

谢朝海：AI大模型是一种新兴技术，其在开发安全领域应用的挑战还需要行业不断探索和观察。从目前的实践尝试看，我们认为主要挑战会来自以下方面：

首先，出于安全、合规考虑，企业开发环境一般不支持访问外网。代码被视为特殊的数据，需要考虑基础环境的限制。AI大模型的本地化部署可能需要解决网络连接等问题。然而，许多团队可能在本地化部署大型模型的能力和计算资源方面存在限制。

06

安全牛：作为一家专业型开发安全厂商，海云安在AI大模型应用方面进行了哪些尝试？应用效果如何？

谢朝海：我们非常关注AI大模型在开发安全领域的创新应用。目前，海云安正在将过往积累下的开发安全实践经验、SAST（源代码检测分析）和SCA（软件成分分析）技术与AI大语言模型技术进行深度融合，尝试实现将代码安全、合规、代码质量、自动补全代码、AI降低误报、AI一键修复代码、AI智能交互式问答对话等场景融于一体，帮助开发者和企业在安全、合规、质量、效能四个方面实现全面提升。

我们看到，行业中已经陆续出现了一些结合AI大语言模型技术的智能助手产品，但主要聚焦在代码解释、代码自动补齐等研发效能方面的辅助。对于海云安而言，我们希望能够将软件开发过程中的安全、合规、质量、效能融为一体，为开发者提供智能化的安全助手。目前，我们已经在广东、四川、北京等多地进行了一些推广和应用尝试。

07

安全牛：未来新一代的开发安全技术会如何发展，有哪些值得关注的关键性趋势？

第四，建立安全编程的培训机制，提升开发人员的安全编程能力，将关注点从仅关注软件开发结果转变为赋能开发人员。目前专业从事网络安全的人员数量大约在30万到50万之间，而软件开发人员的数量大约在800万到1,000万之间。我们应该积极地将软件开发人员同时转变为安全人员，增强他们在安全方面的专业知识和技能，从而迅速提升我国企业组织的网络安全技术能力水平。