隨著AI驅動的開發用機器產生的程式碼淹沒企業，而傳統的靜態分析工具無法充分保護這些程式碼，安全團隊正在緊急適應。AI輔助編程的激增創造了一個危險的缺口：雖然程式碼產出爆炸性增長，但安全測試卻沒有相應擴展，迫使團隊轉向執行時測試來捕捉即時應用程式中的漏洞。
這不僅僅是數量問題——而是AI產生程式碼的方式與安全團隊歷史上保護程式碼的方式之間的根本性不匹配。當人類編寫可預測的模式時，靜態分析有效，但AI模型產生的程式碼具有微妙的漏洞，只有在執行期間才會暴露。我們已經追蹤這種衝突數月：首先是AI工具向open source專案發送虛假bug報告，然後是AI產生的GitHub儲存庫洩露了2865萬個secrets，現在過度特權的AI系統導致安全事件激增4.5倍。
轉向執行時測試不再是可選的——這是生存問題。靜態分析是為程式碼變更經過深思熟慮且可審查的世界而構建的。但當AI助手能在幾分鐘內產生數千行程式碼時，安全團隊需要能夠即時觀察應用程式行為的工具，而不僅僅是掃描靜態程式碼。該產業本質上在從頭重新學習應用程式安全，這次AI既是問題也可能是解決方案。