All News
Programming

В России измерили частотность ошибок при программировании на разных языках. В лидерах Python, Java, PHP, C#

August 19, 20262 views1 min read

AI Summary

В России проведено исследование частотности ошибок при программировании, в ходе которого было проанализировано 550 миллионов строк кода, что привело к выявлению 3 миллионов уязвимостей. Лидерами по количеству уязвимостей стали языки Python, Java и PHP. Основной причиной роста числа ошибок эксперты называют практику "вайбкодинга".

Российская ИБ-компания неожиданно столкнулась с гигантским объемом работ по выявлению уязвимостей программного кода, который генерируют отечественные ИТ-компании, финтех и реальный сектор экономики. Платформа управления безопасной разработкой ПО AppSec.Hub обработала внушительный объем в 550 млн строк кода (на май 2026 г., объем кода под анализом), находками стали 3 млн уязвимостей. Одна из причин роста — вайбкодинг, а среди лидирующих языков программирования по числу находок в области уязвимости названы Python, Java, PHP.

#программирование#безопасность#уязвимости

Want to try AI?

Compare the best neural networks in one place — for free

Go to neural networks
Share:
Источник: CNews

Related News

AI
Programming

BI.Zone: уязвимость в GitLab позволяет удаленно изменять и удалять публичные проекты без аутентификации

В GitLab обнаружена уязвимость, позволяющая удаленно изменять и удалять публичные проекты без необходимости аутентификации. Согласно данным BI.Zone EASM, в российском сегменте интернета насчитывается более 9,3 тыс. публичных GitLab-сервисов, часть из которых может быть подвержена этой угрозе.

4h ago10
AI
Programming

«Нанософт» выпустила новый продукт «nanoCAD ММГ»

Компания «Нанософт» представила новый продукт «nanoCAD ММГ», предназначенный для автоматизации проектирования в области САПР и ТИМ. Этот инструмент обещает улучшить эффективность работы специалистов в данной сфере.

6h ago14
AI
Programming

Ваши open source-контрибьюторы теперь ИИ-first. Как не утонуть в потоке агентских пулреквестов

В статье рассматривается, как агенты на основе ИИ, такие как AutoGPT, генерируют пулреквесты в open source-проектах, и предлагаются стратегии для управления этим потоком. Рекомендуется устанавливать фильтры, создавать документацию AGENTS.md и оптимизировать процесс ревью, чтобы избежать перегрузки команды.

7h ago12