安全漏洞是每一个企业都必须面对的问题，处理不好动辄影响服务可用性、导致核心业务敏感数据泄露，对业务及公司造成不良影响。

基于此在企业研发体系中，绝大多数企业会选择通过安全左移在软件开发生命周期的早期阶段进行风险识别和安全问题修复。但是，传统的静态分析工具本身因其检测方式导致的覆盖有限、高误报、修复效率低等问题，增大了业务团队负担，致使业务对安全问题响应慢、体感差。

本次分享我将结合腾讯内部的实践经验，深入探讨大模型在代码安全场景中的应用，分享在不同发展阶段我们遇到的挑战及其解决方案，期待为听众带来实用的借鉴与启发。

演讲提纲

1. 代码安全现状及问题分析

• 传统代码安全现状
• 传统代码安全痛点
• 业务安全场景痛点
• 传统代码安全的局限性

2. 大模型在代码安全场景应用与挑战

• 大模型赋能传统工具
• 大模型助力安全左移
• 大模型自动化漏洞检测

3. 技术架构及解决方案

• 行业前沿解析
• 架构设计及能力演进
• 基础能力建设

4. 总结及展望

• 工程实践心得
• 大模型在代码安全场景落地的方向

您认为，这样的技术在实践过程中有哪些痛点？

• 领域专用语料筹备较难，开源及行业缺少合适的数据集
• benchmark 构建成本高，业内缺乏权威且实用的 benchmark
• 大模型自身带来的成本，如时延、token 限制、幻觉等

演讲亮点

• 代码安全场景大模型落地思路及过程经验分享
• 大模型自动化漏洞扫描思路及过程经验分享
• 专用领域大模型的微调思路及过程经验分享

听众收益

• 了解专用模型领域微调思路及落地实践
• 了解大模型落地过程中常见问题及解决方案
• 了解大模型赋能安全的基础上，进一步泛化至其他应用场景