SecReason 在 LLM 代码生成的流式推理窗口中实现漏洞检测与自修复

SecReason 提出一种针对大语言模型代码生成过程的流内防御机制，通过在推理链（chain of thought）中代码尚未完全交付的窗口期进行监控，解决了现有防御手段无法在生成过程中引导修复的问题。该研究将安全代码交付率从低于15%显著提升至CWEval和SecCodeBench基准上的72.8%至98.1%，同时比事后修复消耗更少的Token。

核心证据在于其双轨增量扫描（dual-track incremental scanning）技术：它在每个语句发出的瞬间应用安全规则并追踪数据流，一旦触发安全规则即中断生成、插入流内警告并恢复解码，使模型能在同一推理轨迹内完成草稿修复，无需重新生成完整响应。这种机制有效规避了事后修复必须重生成全文本的开销，并在安全规则误报时限制了功能回归。

事实层面，该系统仅在生成流中工作，依赖推理模型的早期代码草稿；推断层面，这意味着未来端侧或低延迟场景下的代码生成可能不再依赖独立的后处理扫描器，而是将安全逻辑内嵌于推理过程；猜测层面，若该机制能适配非推理型模型或通用生成任务，可能重塑代码安全的工程架构，但需验证其在复杂上下文中的泛化能力。