评测与安全综合合集
CodeSecurity2025：评估微调与提示策略修复 AI 生成代码安全弱点
AliSoltanianFJ/CodeSecurity2025 · Experiments in code security using Python, JavaScript, Java, and Go.
ELI5：它是什么，解决什么问题
该仓库是论文《On Fixing Insecure AI-Generated Code through Model Fine-Tuning and Prompting Strategies》的复现材料，包含针对 GPT-4.1、GPT-5、Gemini 2.0 Flash、o4-mini 和 DeepSeek-R1-32B 等模型，在 Python、Java、JavaScript、Go 四种语言中生成代码安全弱点的实验数据、提示词、CodeQL 分析结果以及 LoRA 微调流程说明。
核心能力与快速开始
★ 1 · Java
- 能做什么
- 提供一套复现研究流程，用于评估不同提示策略（负例提示、思维链、元提示）和 LoRA 微调在修复 AI 生成代码安全弱点（CWE）方面的效果；包含多语言场景、提示词、CodeQL 扫描脚本和结果数据。
- 适用场景
- 适合研究人员复现或参考 AI 生成代码安全加固实验；可用于对比不同模型和语言下的提示工程与微调策略对 CWE 检测和修复的影响。
- 项目形态
- 研究实现
- 部署方式
- 本地环境需要 Visual Studio Code、CodeQL CLI、Python/Java/JavaScript/Go 工具链，以及访问所列 LLM 或其微调平台；DeepSeek R1 32B 微调建议使用指定配置的机器。
- 主要依赖
- 需要克隆仓库并安装指定 Python 依赖（pyperclip、psutil、pyautogui、pywinauto）用于自动化脚本；需要 CodeQL CLI 2.21.0 及默认安全查询包；需要访问 GPT-4.1、GPT-5、Gemini 2.0 Flash、o4-mini 和 DeepSeek-R1-32B。
- 使用限制
- 仓库未提供许可证信息；实验依赖外部 LLM API 和平台，相关成本与调用限制未说明；LoRA 微调所需算力（如 Tesla T4 16GB 等）在 README 中仅作为推荐配置出现；研究结论指出没有能一致消除安全弱点的通用策略，且修复可能引入新弱点。
- 许可证
- 未说明
- 最近推送
- 2026-11-06 08:54
资料检查：2026-11-07 07:00 · 卡片整理：2026-11-07 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证
职业应用
程序员
程序员可参考仓库中的提示词（Negative Example Prompting、Chain-of-Thought Prompting、Meta Prompting）与 LoRA 微调流程，用于修复 AI 生成代码中的安全弱点，并用 CodeQL 对 Python、Java、JavaScript、Go 代码进行 CWE 安全扫描与结果整理。
查看内容依据
This repository contains all data and analysis results for evaluating different prompting-based and fine tuning methods to fix and repair AI-generated code that contained security weaknesses (CWEs).
由 AI 根据来源材料整理，未进行安装或运行验证
讨论 0
登录后参与讨论，阅读资讯无需注册。
还没有评论，来分享第一个看法。