GitHub 引入 AI 驱动检测扩展应用安全覆盖范围
GitHub 在 GitHub Code Security 中新增 AI 驱动的安全检测功能，旨在弥补传统静态分析在脚本、基础设施定义及多语言框架中的不足。该混合检测模式结合 CodeQL 与 AI 技术，计划于 2026 年第二季度初进入公共预览阶段，重点支持 Shell/Bash、Dockerfile、Terraform (HCL) 和 PHP 等生态。系统已在内部测试中处理超过 17 万条发现，并获得超 80% 的开发者正面反馈，同时通过 Copilot Autofix 提供可审查的修复建议。
事件概述
GitHub 宣布在 GitHub Code Security 平台中引入 AI-powered security detections（AI 驱动的安全检测），以扩展应用安全的覆盖范围。这一举措旨在应对现代代码库中日益复杂的语言和环境多样性，解决仅靠传统静态分析难以全面覆盖的挑战。
核心机制：静态分析与 AI 的混合模式
- 互补架构：系统继续依赖 CodeQL 进行深度语义分析，同时利用 AI 驱动的检测来补充对非核心企业语言的支持。
- 覆盖范围：重点增强了对以下新兴或复杂生态系统的检测能力：
- Shell / Bash 脚本
- Dockerfiles
- Terraform 配置 (HCL)
- PHP 应用组件
- 工作流程集成：检测直接嵌入 Pull Request 工作流。当 PR 打开时，系统自动选择最合适的检测方式（CodeQL 或 AI 检测）分析变更，并直接在 PR 中展示风险（如不安全的 SQL 查询、命令注入、不安全的加密算法及暴露敏感资源的配置）。
关键数据与进展
- 测试表现：在为期 30 天的内部测试中，系统处理了超过 170,000 个安全发现项。
- 用户反馈：开发者对该功能的正面反馈率超过 80%。
- 发布时间表：计划于 2026 年第二季度初 开放公共预览（Public Preview）。
自动化修复能力
为缩短漏洞修复周期，GitHub Code Security 集成了 Copilot Autofix 功能：
- 将检测到的漏洞直接关联到修复建议。
- 生成的修复方案可供开发人员在常规代码审查流程中进行查看、测试和应用。
- 旨在实现从“发现问题”到“解决问题”的闭环，无需开发者切换工具。