GitHub: Besplatna sigurnosna procjena koda otkriva ranjivosti u minutama
GitHub lansira besplatni Code Security Risk Assessment temeljen na CodeQL enginu. Skenira do 20 najaktivnijih repozitorija po organizaciji i prikazuje ranjivosti po ozbiljnosti, jeziku i pravilu. Copilot Autofix popravio 460.258 upozorenja u 2025. godini.
Ovaj članak generiran je uz pomoć umjetne inteligencije na temelju primarnih izvora.
GitHub je lansirao besplatni alat za procjenu sigurnosnog rizika koda koji koristi moćni CodeQL engine za statičku analizu. Alat automatski skenira do 20 najaktivnijih repozitorija organizacije i generira detaljan izvještaj.
Što alat nudi?
Code Security Risk Assessment pruža pregled ranjivosti razvrstan po:
- Ozbiljnosti — kritično, visoko, srednje i nisko
- Programskom jeziku — identificira koji jezici u organizaciji imaju najviše problema
- Sigurnosnom pravilu — pokazuje koji tipovi ranjivosti su najčešći
- Repozitoriju — otkriva koji projekti nose najveći rizik
Alat je dostupan administratorima organizacija na Enterprise Cloud i Team planovima, ne zahtijeva konfiguraciju i koristi besplatne GitHub Actions minute.
Impresivne brojke za AI-potpomognuto popravljanje
GitHub je objavio i statistiku svog Copilot Autofix alata za automatsko popravljanje ranjivosti:
- 460.258 sigurnosnih upozorenja popravljeno pomoću Copilot Autofixa u 2025. godini
- Prosječno vrijeme popravljanja: 0,66 sati (u usporedbi s 1,29 sati ručno)
- Alat nadopunjuje postojeći Secret Risk Assessment za otkrivanje procurelih tajni
Zašto je to važno za programere?
Sigurnosni dugovi u kodu akumuliraju se brže nego što ih timovi mogu ručno rješavati. Besplatni alat za procjenu rizika omogućuje organizacijama da brzo identificiraju najkritičnije probleme i prioritiziraju popravke — prije nego što ranjivosti završe u produkciji.
Povezane vijesti
arXiv:2605.22681: CUSP benchmark pokazuje da frontier modeli ne mogu pouzdano predviđati znanstvene proboje
arXiv:2605.22337: Meta-Soft uvodi kompresiju KV cachea kroz composable meta-tokene i naučljive ortogonalne baze
arXiv:2605.22664: WorkstreamBench testira LLM agente na end-to-end spreadsheet zadacima u financijama i frontier modeli padaju