极狐GitLab 是 GitLab 在中国的发行版，是专门面向中国程序员和企业服务的。极狐GitLab 同样是一个一体化的 DevOps 平台，包含敏捷项目管理、源代码托管、CI/CD 及 DevSecOps功能等。

了解DevOps团队如何利用人工智能和机器学习来提升安全性，降低风险，并发布更加安全的代码。

人工智能（AI）和机器学习（ML）在软件开发中不仅仅是能帮助 DevOps 团队更快、更高效地编写和发布代码。AI和ML还可以帮助组织发布更好、更安全的代码，并最大程度地减少组织和客户面临的安全风险。

以下是AI如何帮助你加强组织安全性的几种方式：

1、更快地减缓安全漏洞带来的风险

当检测到安全漏洞时，修复它的第一步是理解它 —— 这正是AI脱颖而出的地方。开发人员和安全专家可以利用AI来总结检测到的漏洞，并帮助他们理解潜在的安全威胁，攻击者可能如何利用它，以及如何修复。更先进的AI工具甚至可以为每个漏洞提供建议减缓安全漏洞带来的风险和示例代码。

2、使代码审查更加高效和有效

当开发人员的代码准备好进行审查时，AI可以通过好几种方式加快速度，并帮助发现任何质量或安全问题。

AI可以帮助作者选择最合适的审查者 —— 一个熟悉代码库的代码审核者，他更有可能发现重要问题、不太可能忽视代码审查请求，甚至说这应该由其他人来审核而不是自己，或无法提供足够的审查反馈。虽然对于人类来说选择最合适的代码审查者可能是一个复杂的任务，但机器学习算法可以分析变更和项目的贡献图表，以帮助识别审查者。

AI还可以生成合并请求摘要，帮助审查者快速了解他们被要求审查的内容，并简化代码审查移交过程。

3、生成测试以确保合适的测试覆盖率

对于代码变更的完全测试是确保代码按预期工作且不引入安全问题的最重要方法之一 —— 但编写测试可能耗时且困难，因此代码常常在没有足够测试覆盖率的情况下被推送上去。

AI 可以查看代码变更并建议相关测试以及测试文件，从而让开发人员可以花费更少时间思考和编写测试，用更多时间来编写代码。

事实上，许多DevOps团队已经在使用AI生成测试。在我们的《2025年软件开发中AI状态报告》中，41%的受访者表示其所在的组织正在使用AI来进行自动测试生成。

4、在使用AI时保护你的专有数据

对许多组织来说，使用AI和ML获得的效率提升不应以隐私、安全或合规成本为代价是非常重要的。调查受访者中绝大多数（79%）表示他们担心AI工具会接触私人信息或知识产权。

在使用AI工具之前，确保你要了解你的专有数据将如何或不会被用于训练其机器学习模型。允许DevOps团队使用错误的AI工具可能会带来一些痛苦以及机密数据和源代码泄漏所带来的高昂成本。