静态分析
在不运行程序的前提下通过解析源代码语法树、符号引用和结构模式来判断代码正确性的分析技术，速度快、可复现、结果确定且无需沙箱执行
核心事实
时间轴 (近 90 天)
静态分析依赖预定义的规则库和启发式模式，因此对代码形态有隐含假设。
静态分析与自动化扫描工具长期面临高误报率问题。
REVA在运行时向LLM注入三类预制信息：所在模块的预计算威胁模型、轻量级静态分析发现以及调用图信息。
静态分析工具会在不运行程序的情况下扫描源代码，识别注入攻击、不安全的默认配置、硬编码密钥等常见漏洞模式。
SAST 是一种在不运行程序的前提下，通过分析源代码、字节码或二进制文件来发现潜在安全缺陷的技术。
自动化验证闸门应设计为“拦截并转人工复核”，而非无条件阻断，以避免因误报拖慢低风险改动。
传统代码审查和静态分析工具（如 linter）擅长发现语法错误、代码风格问题和模式化缺陷，但对运行时行为一无所知。
传统静态分析工具（如ESLint、SonarQube、Semgrep）在AI编程场景下面临新问题：AI生成的代码量远超人工编写速度，且风格与模式高度多样，基于人工规则的检查容易遗漏。
AI辅助代码审计和基于LLM的静态分析等中级应用处于早期落地阶段，效果因场景而异。
类型系统通过代数数据类型和不可变性等机制把部分运行时错误转化为编译期错误；静态分析则借助数据流分析和抽象解释发现空指针、资源泄漏等模式。
还有 28 条时间轴事件
全部知识事实 (20)
SAST 是一种在不运行程序的前提下，通过分析源代码、字节码或二进制文件来发现潜在安全缺陷的技术。
75%已验证静态分析指在不实际运行程序的情况下对其进行检查，与之对应的动态分析需要实际执行代码才能观测行为
75%已验证传统静态代码分析工具基于预定义规则模式匹配，只负责报告问题而无法提供修复方案
75%已验证AI辅助测试可以生成测试场景、总结执行轨迹、分析截图、识别日志可疑模式并推测失败原因，但诊断在工程师验证前仅是假设
65%已验证在AI大规模参与代码生产的时代，传统人工Code Review流程可能需要被AI辅助自动化审查、更严格的自动化测试覆盖等新范式取代
65%待验证静态测试不运行被测系统，对文档检查、代码走查等进行验证；动态测试运行被测系统查看实际结果与预期结果是否一致
90%待验证GitNexus在构建知识图谱时执行多层次静态分析：语法层面通过AST解析，语义层面通过符号解析追踪跨文件引用，模块层面分析import/require/include依赖声明
90%待验证静态分析依赖预定义的规则库和启发式模式，因此对代码形态有隐含假设。
50%待验证静态分析与自动化扫描工具长期面临高误报率问题。
50%待验证REVA在运行时向LLM注入三类预制信息：所在模块的预计算威胁模型、轻量级静态分析发现以及调用图信息。
50%待验证静态分析工具会在不运行程序的情况下扫描源代码，识别注入攻击、不安全的默认配置、硬编码密钥等常见漏洞模式。
50%待验证自动化验证闸门应设计为“拦截并转人工复核”，而非无条件阻断，以避免因误报拖慢低风险改动。
50%待验证传统代码审查和静态分析工具（如 linter）擅长发现语法错误、代码风格问题和模式化缺陷，但对运行时行为一无所知。
50%待验证传统静态分析工具（如ESLint、SonarQube、Semgrep）在AI编程场景下面临新问题：AI生成的代码量远超人工编写速度，且风格与模式高度多样，基于人工规则的检查容易遗漏。
50%待验证AI辅助代码审计和基于LLM的静态分析等中级应用处于早期落地阶段，效果因场景而异。
50%待验证类型系统通过代数数据类型和不可变性等机制把部分运行时错误转化为编译期错误；静态分析则借助数据流分析和抽象解释发现空指针、资源泄漏等模式。
50%待验证静态分析工具和运行时检测（如ThreadSanitizer）可以弥补并发模型的不直观之处。
50%待验证契约对静态分析的增益不是免费的，前提是分析工具能确信契约在运行时会被真正检查或被当作不可违反，否则会出现误报或漏报。
50%待验证契约可以作为静态分析工具的输入，即使运行时检查被关闭，工具仍可基于条件声明推断潜在的空指针解引用或数组越界。
50%待验证运行时验证能捕捉静态分析无法发现的问题，如数据库事务死锁、消息队列重复消费、外部 API 超时后的状态不一致、并发下的竞态条件等。
50%