安全评测
在统一 CVE 场景下对不同模型和编程 Agent 生成的代码做量化比较。
github.com/Tencent/AICGSecEval · RESEARCH
CodeGuard
基于 132 个真实 CVE 场景和 Docker PoC 动态验证，对 AI 编程工具生成的代码做可复现的安全评分，并检测代码变更是否重新引入已知漏洞模式。
核心能力
核心动态验证
使用可执行 PoC 和功能测试实际运行漏洞场景，而不是只依赖静态特征。
回归检测
通过 GitHub Webhook 检查 PR 中的已知漏洞模式，并回写可复核的结果。
适合谁
适合研究如何用统一 CVE 场景、可执行 PoC 和功能测试比较 AI 生成代码安全性的人。
先看边界
本页介绍的是基于上游 AICGSecEval 的研究方向，不代表 NGJOO 提供公开托管扫描，也不证明任何模型在未测场景中安全。
项目怎样工作
说明评测为何需要动态证据
CodeGuard 研究方向基于上游 AICGSecEval 的 132 个真实 CVE 场景，把模型或编程 Agent 生成的代码放到统一任务中比较。可执行 Docker PoC 与功能测试帮助区分漏洞仍可触发、程序已经损坏和静态规则误报。
回归检查要给评审者证据
针对代码变更，目标是识别已知漏洞模式是否重新出现，并把触发条件与结果交回评审，而不是只输出一个安全分数。通过已知任务不能证明没有其他漏洞；数据集、容器、评分脚本和模型版本都应随结果记录。
本站提供到什么程度
2026-09-23 可以访问的是 Tencent/AICGSecEval 上游仓库，本站没有公开 CodeGuard 托管扫描入口。页面描述研究与扩展方向，不暗示用户可以上传私有仓库。PoC 只应在隔离环境运行，不能对未知生产系统执行攻击步骤。
上手前的验收点
核对固定上游评测版本
复现实验要同时记录 AICGSecEval 数据集、132 个 CVE 场景的选取范围、Docker 镜像、PoC、功能测试和评分脚本版本。缺少这些信息，不同模型或 Agent 的结果无法公平比较。
把安全失败和功能失败分开
PoC 仍能触发说明已知漏洞没有被阻断；功能测试失败则可能表示修复破坏了程序。两类结果需要分别报告，静态信号也不能替代隔离环境中的可执行证据。
不要误读本站提供的能力
本站当前只链接 Tencent/AICGSecEval 上游仓库，没有公开 CodeGuard 托管扫描入口，也没有运行独立基准。通过这些已知任务不证明代码没有其他漏洞，PoC 更不能对未知生产系统执行。
完成验收后保留什么
记录发布任何比较结果前，应公开任务选择、失败定义、运行次数和无法执行的样本，并区分上游报告与本站复现。当前本站没有完成这套独立实验，因此页面不提供模型排名。
可以怎样使用
- 在同一批 CVE 任务上比较不同模型或编程 Agent，减少只挑成功案例的偏差。
- 把静态提示与可执行 PoC、功能测试放在一起，区分安全失败和功能失败。
- 在代码变更中检查已知漏洞模式是否回归，并把触发证据交给评审者。
怎样复核结果
- PoC 必须在隔离环境运行，不能对未知生产系统直接执行攻击步骤。
- 通过已知任务不代表代码没有其他漏洞；覆盖范围和阴性结果都要明确。
- 上游数据集、容器和评分脚本的版本会影响可复现性，应随结果一起记录。
当前状态与核对依据
2026-09-232026-09-23 检查上游 Tencent/AICGSecEval 仓库可访问；本站没有公开 CodeGuard 扫描服务入口。
本页引用可公开核验的上游开源仓库。本站没有运行一套独立基准，因此不会把上游结果改写成 NGJOO 的实测结论。