Semgrep
AssessCông cụ
Nền tảng phân tích tĩnh và bảo mật mã nguồn, được dùng ở đây với pipeline phát hiện lỗ hổng đa phương thức.
Vì sao ở đây
Xếp vào Assess: 3 bài bằng chứng từ 2 nguồn, chủ yếu là tin nghiên cứu, 0 bài trong 30 ngày qua. Độ tin cậy 45%.
Bằng chứng (3)
- 7Hacker News·28/6/2026researchGLM 5.2 vượt Claude trong bài kiểm tra IDOR
Semgrep cho biết GLM 5.2, một mô hình mở trọng số của Zhipu AI, đạt F1 39% trong phát hiện IDOR, cao hơn Claude Code với 32% trong cùng bộ đánh giá. Kết quả này nhấn mạnh mức độ ảnh hưởng của khung thực thi xung quanh mô hình đối với hiệu quả phát hiện lỗ hổng, dù pipeline chuyên dụng của Semgrep vẫn cho kết quả tốt hơn.
- 4Martin Fowler·20/5/2026researchThêm Ba Cảm Biến Phân Tích Mã Nguồn Tĩnh
Martin Fowler giới thiệu phần tiếp theo mang tính thực tiễn về việc dùng phân tích mã nguồn tĩnh và các cảm biến liên quan để giúp tác nhân lập trình duy trì khả năng bảo trì của codebase. Bài viết đề cập đến các công cụ phản hồi như linting, quy tắc phụ thuộc, phân tích độ kết dính, rà soát tính mô-đun và mutation testing để phát hiện sớm vấn đề và hỗ trợ tự sửa lỗi.
- 5Martin Fowler·19/5/2026researchCác cảm biến về khả năng bảo trì cho tác nhân lập trình
Bài viết mô tả các thử nghiệm thực tế với những “cảm biến” tự động nhằm giúp các tác nhân lập trình bằng AI giữ cho mã nguồn dễ bảo trì. Nội dung nhấn mạnh các công cụ như lint, kiểm tra phụ thuộc, độ bao phủ kiểm thử, mutation testing và phân tích cấu trúc để phát hiện sớm vấn đề bảo trì và hỗ trợ tự sửa trước khi đến tay con người.