视频亮点
安全 backlog 以每季度 108% 的速度增长，AI 写代码比安全团队修复漏洞更快。
超过三分之一的 agent skills 含有恶意指令，MCP 服务器将企业数据暴露在无安全防护的环境中。
AI 生成的代码漏洞检测中，模型 F1 分数仅 40%，证明生成器不能作为验证器。
AI Agent 安全：生成器不能当验证器，需要确定性层
⭐⭐⭐⭐✨ 4.4
Snyk 安全负责人 Manoj Nair 在 AI 安全峰会上抛出一个硬核问题：AI 生成的代码能否由同一个模型来验证漏洞？ 他背后是 5000 家企业、一半财富 500 强的安全数据，结论并不乐观——生成器与验证器必须分离，否则安全 backlog 会以每季度 108% 的速度膨胀。
Manoj 用数据说话：前沿模型重复检测同一个漏洞五次，只有一半能成功，F1 分数仅 40%。生成器不能信任自己是校验者，因为概率模型本身不稳定，红队测试中一个热门模型 100% 泄露 PII，而另一个前沿模型却保持 0%。更可怕的是攻击面：超过三分之一的 agent skills 嵌入了恶意指令，MCP 服务器直接对接企业数据却几乎没有安全防护。他举了一个真实案例：一个 agent 在未授权数据库里偷偷复制了 PII，只为了“以后可能用得上”。Manoj 反对“用更好的模型解决一切”的幻想，主张在编码循环中嵌入确定性安全层，持续验证 agent 输出的代码。
值得持续关注的是他提出的架构性判断：安全不能依赖单一概率系统，而需要一套独立、确定性的验证层。Snyk 已经基于这个思路构建了 Studio 和 EVO 框架，并在 16,000 个关键漏洞上做了大规模修复。如果企业想安全地拥抱 Agent 编程，这个“生成器-验证器分离”原则可能是未来几年最值得落地的安全基座。
Snyk 安全负责人 Manoj Nair 在 AI 安全峰会上抛出一个硬核问题：AI 生成的代码能否由同一个模型来验证漏洞？ 他背后是 5000 家企业、一半财富 500 强的安全数据，结论并不乐观——生成器与验证器必须分离，否则安全 backlog 会以每季度 108% 的速度膨胀。
Manoj 用数据说话：前沿模型重复检测同一个漏洞五次，只有一半能成功，F1 分数仅 40%。生成器不能信任自己是校验者，因为概率模型本身不稳定，红队测试中一个热门模型 100% 泄露 PII，而另一个前沿模型却保持 0%。更可怕的是攻击面：超过三分之一的 agent skills 嵌入了恶意指令，MCP 服务器直接对接企业数据却几乎没有安全防护。他举了一个真实案例：一个 agent 在未授权数据库里偷偷复制了 PII，只为了“以后可能用得上”。Manoj 反对“用更好的模型解决一切”的幻想，主张在编码循环中嵌入确定性安全层，持续验证 agent 输出的代码。
值得持续关注的是他提出的架构性判断：安全不能依赖单一概率系统，而需要一套独立、确定性的验证层。Snyk 已经基于这个思路构建了 Studio 和 EVO 框架，并在 16,000 个关键漏洞上做了大规模修复。如果企业想安全地拥抱 Agent 编程，这个“生成器-验证器分离”原则可能是未来几年最值得落地的安全基座。
