報告：LLM 可準確分類惡意軟體風險的比例僅有 5%

根據EndorLabs，開源在AI技術堆疊中發揮越來越重要的作用，但大多數項目(52%)引用了存在已知漏洞或易受攻擊的依賴軟體。
 
EndorLabs發布的《軟體依賴管理狀態報告(State of Dependency Management 2023)》顯示，ChatGPT的API發布不到5個月就被超過900個npm和PyPI套裝軟體調用，其中75%是全新的套裝軟體。EndorLabs警告，任何開源專案，都必須重視並管理依賴軟體的安全風險。
 
不幸的是，企業不僅低估了開源軟體API風險，更低估的API的安全性。報告稱，只有45%應用程式在程式碼庫中沒有調用安全敏感API資料。但如果包含依賴軟體，這比例將掉到5%，也就是說，多數的應用程式都會調用敏感的API資料。
 
EndorLabs的報告特別關注大型語言(LLM)應用程式在安全領域的影響。LLM可以快速的開發並隱藏惡意軟體，更可能使得防禦性LLM應用程式失效。
 
EndorLabs表示，ChatGPT等大型語言模型(LLM)技術目前對辨識、檢測惡意軟體的結果並不可靠。報告中指出在所有案例中準確分類惡意軟體風險的比例僅有 5%。OpenAI GPT-3.5的準確率僅為3.4%，而Vertex AI text-bison為7.9%。因此兩種模型都會產生大量誤報，需要手動審查並阻止自動刪除套裝程式。目前將大語言模型用於安全防護的難度還很高，即使惡意軟體的評估準確率可以提高到九成以上，也不足以實現自主決策。
 
另外報告指出，開發人員會花費大量時間修復程式碼中的漏洞，而這些依賴軟體的漏洞有些可能沒有用在實際的應用程式。據統計，71%的典型Java應用程式碼來自開源元件，但應用程式僅使用了這些套裝軟體中的12%導入碼。漏洞存在於沒有被使用的程式碼中很難被利用，因此這些漏洞可以被排在較低等級的修補順序。