GitHub 与 Microsoft Security 将 9,791 条 AI 安全发现筛成 99 份可修报告
Maintainers need fixes, not more AI bug reports. With @msftsecurity, we turned 9,791 raw AI securit...
GitHub 联手微软安全团队干了件开源圈都该看的事:近万条 AI 报告只留 99 条真的,还带修复方案。做开源维护的、写漏洞扫描工具的都能从这套过滤流程里学到东西,博客里有完整方法。
GitHub 与 @msftsecurity 合作推出安全项目 Codename MDASH,处理了 9,791 条原始 AI 生成的安全发现,最终筛选出 99 份经过验证、私下提交的报告,覆盖六个开源项目,且每份报告附带建议修复方案。该项目的核心机制是用自动化管道过滤大量低质量 AI 报告,只把真正可复现、可修复的问题交给维护者,避免开源维护者被海量噪声淹没。维护者已经开始根据这些报告发布修复。这一做法回应了 AI 时代漏洞报告泛滥的痛点:AI 降低了提交报告的成本,但维护者需要的是带修复建议的高质量报告,而非重复的原始发现。
对开源社区而言,Codename MDASH 提供了一种把 AI 生成发现转化为维护者可用产出的工作流范本。对企业和安全研究者来说,其价值在于验证流程设计——从近万条原始发现压缩到 99 条有效报告的过滤比例,说明了纯 AI 产出与人类验证结合的必要性。开发者应关注其博客中公开的方法论细节。
Maintainers need fixes, not more AI bug reports. With @msftsecurity, we turned 9,791 raw AI securit...
Maintainers need fixes, not more AI bug reports. With @msftsecurity , we turned 9,791 raw AI security findings into 99 verified, private reports with suggested fixes for six open source projects. And maintainers are already shipping fixes. What we learned from Codename MDASH, a new security project 🔍 github.blog/open-source/ma… 2📊 10 ⚡
本条情报归属 AITOP「行业」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:GitHub、开源安全、AI安全、Codename MDASH,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明:本文原始线索采编自「GitHub」(@github),经 AITOP 多维评分管线结构化提炼。