{"id":103375,"date":"2022-02-18T09:36:49","date_gmt":"2022-02-18T07:36:49","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/github-vnedril-sistemu-mashinnogo-obucheniya-dlya-poiska-uyazvimostej-v-kode"},"modified":"2022-02-18T09:36:49","modified_gmt":"2022-02-18T07:36:49","slug":"github-vnedril-sistemu-mashinnogo-obucheniya-dlya-poiska-uyazvimostej-v-kode","status":"publish","type":"post","link":"https:\/\/prohoster.info\/de\/blog\/novosti-interneta\/github-vnedril-sistemu-mashinnogo-obucheniya-dlya-poiska-uyazvimostej-v-kode","title":{"rendered":"GitHub hat ein maschinelles Lernsystem zur Suche nach Schwachstellen im Code eingef\u00fchrt.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
GitHub hat die Einf\u00fchrung eines experimentellen maschinellen Lernsystems f\u00fcr den Code-Scanning-Service angek\u00fcndigt, das dazu dient, h\u00e4ufige Arten von Schwachstellen im Code zu identifizieren. W\u00e4hrend der Testphase ist diese neue Funktionalit\u00e4t derzeit nur f\u00fcr Repositories mit Code in den Programmiersprachen JavaScript und TypeScript verf\u00fcgbar. Es wird betont, dass der Einsatz des maschinellen Lernsystems den Umfang der identifizierten Probleme erheblich erweitert hat, da die Analyse nun nicht mehr nur auf pr\u00fcfbare Muster beschr\u00e4nkt ist und nicht an bekannte Frameworks gebunden ist. Zu den von dem neuen System identifizierten Problemen geh\u00f6ren Fehler, die zu Cross-Site-Scripting (XSS) f\u00fchren, sowie die Verzerrung von Dateipfaden (zum Beispiel durch die Angabe von «\/..»), und die Injektion von SQL- und NoSQL-Abfragen. <\/p>\n
Der Code-Scanning-Dienst erm\u00f6glicht es, Schwachstellen fr\u00fchzeitig in der Entwicklungsphase zu erkennen, indem jede \"git push\"-Operation auf potenzielle Probleme gescannt wird. Das Ergebnis wird direkt an die Pull-Anfrage angeh\u00e4ngt. Zuvor wurde die \u00dcberpr\u00fcfung mit der CodeQL-Engine durchgef\u00fchrt, die Muster mit typischen Beispielen von anf\u00e4lligem Code analysiert (CodeQL erm\u00f6glicht die Erstellung eines Musters f\u00fcr anf\u00e4lligen Code, um \u00e4hnliche Schwachstellen in anderen Projekten zu erkennen). Die neue Engine, die maschinelles Lernen verwendet, kann zuvor unbekannte Schwachstellen identifizieren, da sie nicht an das Durchsuchen von Code-Mustern gebunden ist, die bestimmte Schwachstellen beschreiben. Der Preis f\u00fcr diese F\u00e4higkeit ist eine erh\u00f6hte Anzahl von Fehlalarmen im Vergleich zu Pr\u00fcfungen, die auf CodeQL basieren. \n Quelle: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"