SoK：理解 AI4Code 用例中的（新）安全问题

一篇 SoK 论文系统梳理了 AI4Code 在代码生成、翻译与漏洞检测中的安全问题，并比较了六个前沿模型。论文指出该领域反复出现的缺口：基准被 Python 和玩具问题主导、缺乏标准化的安全数据集、评测中的数据泄漏，以及对抗鲁棒性脆弱。对六个模型的比较研究显示，代码生成中不安全模式持续存在，漏洞检测对语义保持攻击很脆弱，微调常与安全目标错位，代码翻译带来的安全收益参差不齐。作者据此提出三条路径：在代码生成中嵌入默认安全实践、构建稳健全面的检测基准、把翻译作为通往更安全语言的途径，并呼吁转向安全优先的 AI4Code。