海报论文：通过真实世界风险场景重新思考大语言模型代码生成安全
Poster: Rethinking Security in LLM Code Generation through Real-World Risk Scenarios
AI 导读
研究者构建了一个基于真实开发风险场景的大语言模型代码生成安全基准，包含 2,700 个测试用例，对八个先进大语言模型的评估显示各模型在风险场景下的平均漏洞率均超过 56%。该基准从开发者视角覆盖三类风险场景，即需求模糊、操作上下文欠明确以及安全与功能冲突，以弥补现有基准依赖明确安全需求、难以反映提示常含糊或不完整的真实开发情形。作者演示安全感知提示可大幅缓解这些风险，改善幅度最高达 45%。