Agent 与工作流01
Snyk 发布了一个叫 VulnBump 的新测试基准，用来考察 AI 智能体能不能把项目里有漏洞的第三方依赖升级到安全版本。以前升级依赖很难：多数有漏洞的包是被间接引入的，约四分之一修复需要跨大版本，连小版本升级也常导致构建失败，所以虽然 94% 的漏洞都有已知修复版本，实际只有约 10% 被解决。VulnBump 用 307 个真实升级任务来考智能体，只有漏洞消失、项目仍能安装、构建并通过测试才算通过。结果显示：同一个 Claude Sonnet 5.5 模型，配上 Snyk 数据后通过率能提高约 18 个百分点，而 Snyk 专用智能体通过率达到 90.2%。对开发者的用处是：想安全修漏洞，光靠通用 AI 不够，还要有准确的升级建议和扫描验证。
文中可用工具
- VulnBumpSnyk 发布的测试基准，用真实项目评估 AI 智能体升级有漏洞依赖的能力
- Evo Remediation AgentSnyk 的专用修复智能体，能自动扫描、构建、测试并修复升级错误
- Claude CodeAnthropic 的通用编程智能体，在测试中尝试升级有漏洞的依赖
- Snyk Open SourceSnyk 的开源漏洞扫描工具，用于发现依赖漏洞并验证修复结果
工具与应用02
Snyk 发布了一套叫 Evo Agentic AppSec 的“安全智能体”工具，用一组 AI 代理自动完成应用安全工作的各个环节。过去，安全团队面对 AI 大量生成的代码早已不堪重负，Snyk 的数据显示每修复一个漏洞、同时会新增约八个，其中不少是传统扫描器看不清的业务逻辑和权限问题，恶意依赖包还可能在扫描前就偷走凭证。这套工具覆盖从代码开发、CI 检查到定期深度分析三个环节，把威胁评估、漏洞发现、修复和验证串起来，人只负责定策略和审批；据其 VulnBump 测试，修复代理生成的修复有 90% 可直接合并，而无上下文时只有 59.6%。对读者的意义是：这类方案试图让安全审查跟上 AI 写代码的速度，而不是靠人工事后补漏。目前原文只说了这是将进入 Evo 平台的新方案，未说明开放时间或价格。
文中可用工具
- Evo Agentic AppSec由一组安全智能体组成，自动完成应用安全评估、修复和验证等工作
- Evo Agentic Security Review评估应用的威胁与防护措施，给出有证据支撑的发现和修复建议
- Evo Code Scanning Agent发现传统扫描器漏掉的业务逻辑和授权缺陷
- Snyk Secrets检测传统与 AI 辅助开发中暴露的密钥
- Evo Remediation Agent修复新代码和积压问题，上线时先从第三方依赖问题入手
- Evo Dependency Firewall在安装阶段拦截恶意或不符合策略的软件包
- Evo Continuous Offensive Security用对抗性测试评估应用防御和修复效果
- Snyk Code提供底层代码扫描分析并独立验证发现与修复
- Snyk Open Source提供底层依赖扫描分析并独立验证发现与修复
- EvoSnyk 平台上用于保护自研应用和所部署 AI 智能体的部分