彩票走势图

静态分析或静态应用程序安全测试（SAST）工具是在开发过程的最早阶段发现代码库中缺陷的强大方法。但是，用于执行该测试的工具是钝器。

SAST工具提供了直接用于工具的数据量。我认为它是SOOT。

调查结果需要审核或审查。而且经常是从一个人那里手动分类。即使是出于善意，人类也无法跟上步伐，而且往往不知所措。

来自SAST的SOOT数据问题

由于它提供的信息量很大，工程师最终只是错过了静态分析工具发现的一些最重要的漏洞，因为这些缺陷隐藏在所有噪声（或SOOT）中。

没有任何额外的过程，开发人员将获得大量静态分析结果，但是他们不知道该把精力集中在哪里。发现的违规数量如此之大，以至于忽略和修复问题一样有用。

在筛选此类SOOT数据时，您试图找到有意义的信息-您可以处理和精炼的菱形。但这仅占您数据的10％。当您尝试减少噪声量（也称为假阳性比率）时会出现麻烦。为了消除错误的读数，您需要一个可以轻松调整和配置用于特定环境的工具，同时降低对人工智慧和监督的依赖。

误报的发生可能有多种原因。要了解有关误报及其可能造成的混乱的更多信息，请阅读《静态代码分析中的误报》。

掌握贸易的SAST工具

所有SAST工具都始于您选择正确的检查器集和配置，以与各种类型的代码库（包括旧代码）一起正常工作，并指定违例严重性和缺陷分类。

正确的设置是基于安全准则，可能的法规以及您在现场遇到或预期会发生的问题之类的。然后进行配置以考虑您的框架，上下文，旧代码等，有助于产生更有用的结果。这些检查程序通常具有基本的默认严重性，以简化优先级。

利用本地代码，构建，编码样式和框架的上下文，您可以自定义系统中的规则和配置，以定义静态分析工具将报告的值和阈值。Parasoft通过使用风险模型来完善您应关注的领域来超越此范围。

使用风险模型

风险模型提供了一种客观的方法，可以帮助确定代码缺陷的可利用性，弱点，普遍性和可检测性的影响。以及它可能对应用程序产生什么样的影响。结果是要确保能够优先考虑易于发现和利用的漏洞的更大范围。通过结合严重性模型和风险模型，Parasoft工具可以确定问题的严重程度，同时提供建议的措施。

使用Parasoft静态代码分析工具，您将获得一个解决方案，该解决方案可挖掘大量静态分析结果，从而为您提供希望作用的希望钻石大小的珠宝。通过在相关风险的上下文中考虑严重性的概念，Parasoft工具可以应用来自行业标准安全模型（如CERT，CWE或OWASP）的数据，并将其直接带入报告和分析仪表板。

通过考虑多种风险模型，我们可以将上下文注入您的静态分析结果中，从而使您可以专注于大型钻石，而无需手动滤除所有烟灰，而不必担心您可能遗漏了什么（假阴性）。

找出最重要的违反AI和ML的行为

通过利用人工智能（AI）和机器学习（ML）技术，Parasoft静态分析工具可以识别所有发现的违规现象之间的热点和交集，因此您可以将精力集中在代码库中，这是造成许多违规的根本原因其他问题。更好的是，ML监视并学习您自己的开发团队的行为，以区分重要和不重要。

根据开发团队的历史行为来训练您的AI模型，可对发现进行多维分析，而ML则对数据进行聚类以识别相关，相关或相似的违规行为。结合这两种技术，您可以获得更好的结果。可以了解到哪些假阳性结果可以忽略，哪些真阳性结果可以突出显示，从而可以将大量信息缩减为几颗非常有价值的钻石。

例如，静态分析可以揭示典型代码库中成千上万的违规情况，尽管您可能能够识别出数百个要解决的缺陷，但您将无法在所有时间内修复所有问题。通过AI和ML查找违规热点，您可以通过识别导致所有问题的单个代码来同时修复多个缺陷。

使SAST培训轻松愉快

培训人们使用静态分析工具通常被视为一个问题。它需要对特定的编程语言有深刻的了解才能获得最大的收益。因此，Parasoft静态分析解决方案具有集成的培训，教育和认证计划，可帮助您的开发人员快速掌握最新情况，从而可以最大程度地减少报告的误报次数，并将他们的工作重点放在重要的工作上，而不是编写代码通过警告。 

通过减少无关结果的数量，该工具的采用率将提高。只需培训您的团队，他们便无需进行任何挖掘即可获取所需的信息。如果您给开发人员提供三项要解决的事情，这些事情显然是高度优先和真实的，那么您获得的采用要好于为他们提供300次违规行为，而仅解决30个值得解决的缺陷。而且，如果他们的手干净了，他们会很乐意一次又一次地使用该工具。它是值得信赖的顾问和工具，而不是上面令人讨厌的过程。

总结

无论您的静态分析有多少自动化，总会有手动分类的元素。问题是，在找到有价值的东西之前，您必须走多远。但是，借助包含风险元数据的工具以及配备了AI和ML的工具，可以更加有效地发现和修复缺陷，您可以在软件开发生命周期开始时快速解决违规问题，以构建安全可靠的软件。