软件交付初创公司Harness今日宣布收购Qwiet AI(前身为ShiftLeft),这是一家在基于智能体AI的漏洞检测和修复领域处于领先地位的公司。Harness利用智能体AI为开发者和运维团队提供持续交付即服务平台,在整个开发生命周期中管理代码和软件测试。
加强DevSecOps平台建设
即将加入Harness担任安全业务总经理的行业资深人士Rahul Sood表示,此次收购体现了公司将安全直接嵌入DevOps流水线的愿景。"这次收购再次证明了Harness致力于构建真正AI原生DevSecOps平台的承诺,Qwiet是市场上最优秀的智能体AI应用安全工具。"
Harness计划将Qwiet的代码属性图与公司的软件交付图进行集成,从而获得更深入的洞察和更精确的漏洞检测消除能力。代码属性图是Qwiet服务的核心基石,通过使用AI引擎映射应用程序内数据和控制的完整流程,提供快速准确的代码扫描。
解决AI生成代码安全挑战
此次收购还解决了AI生成代码带来的日益严峻的安全挑战。AI赋能的开发工具使经验较少的用户能够快速构建应用程序,但同时也引入了更多漏洞。据报告显示,大语言模型生成安全代码的比例仅约为55%。
Qwiet声称拥有业界领先的97%真阳性率、极低的假阳性率,以及能检测92%开源漏洞的高级可达性分析能力。通过结合对代码的深度理解和对运行时执行的洞察,Qwiet和Harness能够检测出哪些漏洞真正可被利用,让开发者专注于重要的风险。
构建综合安全解决方案
这次收购建立在Harness今年3月与API安全公司Traceable合并的基础上。通过结合Harness的软件交付知识、Traceable的运行时保护和Qwiet的智能体AI漏洞检测,公司能够提供一个整体效果超越各部分简单相加的DevSecOps平台。
Harness创始人兼首席执行官Jyoti Bansal表示:"AI生成的代码正在改变软件构建方式,但也引入了新一波隐藏漏洞。通过统一安全和DevOps,每次构建、测试和部署都可以默认安全,在加速创新的同时降低风险。"
Q&A
Q1:Harness收购Qwiet AI的主要目的是什么?
A:Harness收购Qwiet AI是为了将安全直接嵌入DevOps流水线,构建真正AI原生的DevSecOps平台。通过整合Qwiet的智能体AI漏洞检测技术,Harness能够为开发者提供原生的代码安全能力,而不是附加工具。
Q2:Qwiet AI的代码属性图技术有什么优势?
A:代码属性图是Qwiet服务的核心技术,通过AI引擎映射应用程序内数据和控制的完整流程,提供快速准确的代码扫描。该技术拥有97%的真阳性率、极低假阳性率,能检测92%的开源漏洞,帮助开发者优先处理真正重要的安全问题。
Q3:为什么AI生成代码需要更强的安全检测?
A:AI赋能的开发工具使经验较少的用户能快速构建应用,但也引入更多漏洞。据报告显示,大语言模型生成安全代码的比例仅约55%。AI生成代码带来了新一波隐藏漏洞,需要专门的安全检测技术来识别和修复这些问题。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。