AuraForge合成安全测试训练编码Agent

AuraForge 提出一种合成并验证可执行安全测试的方法，用于训练编码 Agent 在实现功能时避免安全漏洞。作者用该方法构建了 AuraGym，一个覆盖 Python、JavaScript 和 TypeScript 的多语言训练环境，包含来自 344 个真实仓库的 679 个可执行功能实现任务，并覆盖 177 个 CWE 类别。 在有人工撰写安全测试的子集上，AuraForge 平均生成约 3 倍数量的测试用例，并将误报率降低 83.23%，使替代性的安全实现也能获得正确监督。用合成安全测试训练 Qwen3.5-4B 后，其在三种语言上的提升高于用人工安全测试训练的结果，平均 FuncPass 和 SecPass 分别为 19.7 和 6.2，而人工测试组为 14.9 和 4.4。 事实是论文提供了合成安全测试的数据集、训练环境和对比结果。推断是这种方法可能降低编码 Agent 安全训练对人工安全审计的依赖。猜测是若该方法能扩展到更多语言和更复杂任务，安全测试合成可能成为编码 Agent 训练流水线的一部分。