用于 SAST 的智能结果分析 (IFA) 和智能代码分析 (ICA)
静态分析 (SAST) 扫描引擎会使用人工智能和互补技术来提高检测准确性和简化结果分析。
智能结果分析 (IFA)
智能结果分析 (IFA) 是一项由 AI 赋能的技术,可自动为您完成大部分分类工作。作为每次扫描的一部分, IFA 会分析原始结果,过滤误报,发现真正重要的问题。因此,您的团队从一个重点突出且可操作的列表开始,而不必手动排序的数千个结果。
其核心是,IFA 使用针对被扫描的特定语言训练的机器学习模型,包括代码感知型 AI,该 AI 可以按照开发者的方式解释代码,理解代码的结构和上下文,而不是以纯文本的形式阅读代码。每个结果都被归类为值得关注或不值得关注,每个决策背后都有一个置信度评分。呈现值得关注的结果以供审查。因此结果始终是透明的,绝非黑匣。
这些模型是专门构建的,并在精选的真实、经专家标记的结果集上进行训练,且针对每种主要语言的模式进行了调整。由于这种情报直接影响到修复组的优先级,因此 IFA 呈现的问题已经过组织排序,由此,一次针对性强的修复便能以最少的工作量提供最大的安全影响。
这将转化为更清晰、重点更突出的结果,误报率降低 75%,并让团队的注意力聚焦于真正值得关注的结果。
智能代码分析 (ICA)
静态分析扫描会应用智能代码分析 (ICA)。ICA 自动发现新的应用程序编程接口 (API) 并评估它们的安全影响。通过 ICA,将复审第三方 API 和框架并分配正确的安全影响,从而获得更完整的扫描结果。
基于数据流的静态分析工作原理为:跟踪数据如何从不受信任的数据的入口(源点)流向可能造成损害的敏感操作(汇聚点)。为了确保准确性,引擎需要了解该路径的每个 API 的行为,包括现代应用程序依赖的无数个第三方库和框架。新 API 的出现速度比任何规则数据库都快,手动对每个 API 进行分类的速度缓慢且容易出错。
ICA 通过应用理解代码的大型语言模型来解决此问题,以确定每个 API 的行为方式,并识别哪些方法充当源、哪些方法充当汇聚点,以及每种方法所代表的漏洞类型。这将覆盖范围自动扩展到纯粹基于规则的方法会漏掉的 API,并为引擎在复杂代码库中跟踪数据流提供更坚实的基础。结果是更准确的分类,减少了标记良性方法或关键方法被忽视的错误分类,最终减少误报干扰,更清晰地呈现真正具有安全影响的结果,从而使团队能够更快地从扫描过渡到修复。