مدل‌های کلود و جی‌پی‌تی۶ صدرنشین جدول امنیت کدهای هوش مصنوعی شدند

گزارش جدید شرکت وراکد (Veracode) نشان می‌دهد که امنیت کدهای کامپیوتری تولیدشده توسط مدل‌های هوش مصنوعی پیشرو با ثبت نخستین پیشرفت چشمگیر در یک سال گذشته، از ۵۶ درصد به ۶۲ درصد رسیده است.

در این ارزیابی، مدل Claude Opus 5.5 از شرکت آنتروپیک (Anthropic) و مدل GPT-6-Sol متعلق به شرکت اوپن‌ای‌آی (OpenAI) با کسب امتیاز مشترک ۷۳ درصد در صدر جدول قرار گرفتند و رکورد قبلی ۶۸ درصدی مربوط به مدل GPT-5.5 در جولای ۲۰۲۶ را شکستند.

به عبارت دیگر، هوش مصنوعی فقط ساده‌ترین کار ممکن را انجام داده و کار را تمام‌شده فرض کرده است.ما مطمئن نیستیم که باید از این موضوع ناامید شویم یا خیر، چرا که حملات XSS رایج هستند و این آسیب‌پذیری همچنان در سراسر وب وجود دارد.

کریس وایسوپال (Chris Wysopal)، هم‌بنیان‌گذار و مدیر ارشد ترویج امنیت در وراکد، با اشاره به تحلیل کدهای چندین مدل زبانی بزرگ طی بیش از یک سال گذشته اعلام کرد که تا پیش از این، علی‌رغم عملکرد تقریباً بی‌نقص کدها، پیشرفت محسوسی در امنیت آن‌ها دیده نمی‌شد و این نخستین بار از زمان آغاز این مطالعه است که یک تغییر معنادار در شاخص امنیت ثبت می‌شود.به گفته وایسوپال، اکنون ده مدل امتیاز بالای ۶۰ درصد را کسب کرده‌اند که در مقایسه با چهار مدل در گزارش قبلی افزایش یافته و میانگین کلی نیز شش واحد درصد رشد کرده است.او با توجه به تولید حدود نیمی از کدها توسط هوش مصنوعی در حال حاضر، این نتایج را امیدوارکننده توصیف کرد.

پژوهشگران وراکد برای تدوین این گزارش، ۱۸ مدل را در چهار زبان برنامه‌نویسی پایتون (Python)، سی‌شارپ (C#)، جاوا اسکریپت (JavaScript) و جاوا (Java) و همچنین چهار دسته‌بندی فهرست ضعف‌های رایج یا CWE شامل CWE-89، CWE-327، CWE-80 و CWE-117 آزمایش کردند.پس از مدل‌های صدرنشین، مدل GPT-5.5 با ۶۸ درصد در رتبه بعدی جای گرفت.در گزارش ماه جولای، امتیاز شش مدل از ۱۱ مدل بین ۵۰ تا ۵۳ بود، اما اکنون تنها دو مدل در این محدوده باقی مانده‌اند و ضعیف‌ترین مدل‌ها نیز در قعر جدول امتیاز ۴۴ تا ۵۰ درصد را دارند.این شرکت انتشار گزارش‌های امنیت کد هوش مصنوعی مولد را از جولای ۲۰۲۵ آغاز کرده است.

با وجود نتایج قابل توجه، عامل اصلی این پیشرفت کلی به بخش اسکریپت‌نویسی بین‌سایتی یا XSS بازمی‌گردد که یکی از ضعیف‌ترین دسته‌بندی‌ها محسوب می‌شود.شاخص XSS در این بررسی به ۱۸ درصد رسید [تذکر ویراستاردر متن مبدأ ابهام وجود دارد که آیا عدد ۱۸ درصد نشان‌دهنده میزان افزایش است یا امتیاز نهایی این بخش] که بزرگ‌ترین تغییر در مجموعه داده‌ها به شمار می‌رود.به گزارش وراکد، رخنه XSS ساده‌ترین آسیب‌پذیری برای ترمیم از طریق تشخیص الگو است و مدل‌های زبانی بزرگ نیز دقیقاً به همین شیوه بهبود می‌یابند.در مقابل، در مواردی مانند تزریق لاگ (Log Injection) که نیازمند استدلال جریان داده در میان چندین تابع است، این مدل‌ها همچنان متوقف مانده‌اند.

این یافته‌ها نشان می‌دهد که هوش مصنوعی در واقع تنها ساده‌ترین چالش‌های پیش رو را برطرف کرده است.با این حال، به دلیل رایج بودن حملات XSS و حضور گسترده این آسیب‌پذیری در سطح وب، ارزیابی این موضوع که آیا نتایج به دست آمده ناامیدکننده محسوب می‌شوند یا خیر، دشوار است.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.