
商傳媒|葉安庭/綜合外電報導
資安軟體業者 Snyk 近期針對特定客戶展開 Evo Code Scanning Agent 的實驗性預覽測試,並揭露內部基準測試數據。結果顯示,在相同的運算資源限制下,專屬的資安架構能大幅引導 AI 模型深入探索程式碼與回報弱點,其漏洞檢出率顯著超越傳統實驗室工具。
這項測試涵蓋 14 款應用程式、共 1,426 個已知漏洞。在搭配 GPT-6.1 Sol 模型時,Evo Code Scanning Agent 成功找出 66% 的已知漏洞,精準度達到 90%;相較之下,同樣處於深度模式的實驗室工具 Codex Security 僅找出 43% 的漏洞,精準度則為 97.5%。若改用 Claude Sonnet 5.5 模型,Evo Code Scanning Agent 的漏洞檢出率為 57%、精準度 65%,大幅高於 Claude Security 的 32% 檢出率與 94% 精準度。至於採用 GLM-5.3 模型的開源程式開發 Agent 工具 OpenHands,在基準測試中僅找出 13% 的已知漏洞。
數據反映出不同工具在精準度與檢出範圍之間的取捨:實驗室工具傾向維持極高精準度但漏檢較多,專門設計的資安 Agent 則透過架構引導,大幅提高抓出問題的比例。
對於推動 DevSecOps(將資安防護直接整合到軟體開發與維運流程中)的工程團隊而言,AI 工具正逐步改變程式碼審查的樣貌。不過 Snyk 強調,測試中沒有任何一項工具能找出所有已知漏洞。AI 資安 Agent 應被視為應用程式安全體系中的其中一個環節,必須與既有的靜態應用程式安全測試(SAST)、軟體組成分析(SCA)以及人工程式碼審查相互搭配,才能互相補足彼此遺漏的盲點。

