能跑，不代表安全：委託客製化開發前，該問的四個 AI 程式碼資安問題
現在幾乎每一個開發團隊都在用 AI 寫程式，報價變快、交付也變快。但有一件事沒有跟著變好：AI 程式碼資安。今年夏天的實測顯示，AI 寫出來的程式幾乎都能順利執行，卻有將近一半帶著已知的安全漏洞，而且這個比例一年來幾乎沒動。對委託開發的企業主來說，這不是工程師才需要懂的技術細節，而是簽約前就該問清楚的事，因為系統一旦出事，要面對客戶的是你的品牌。
能跑不等於安全：兩份報告的同一個結論
資安公司 Veracode 在 2026 年 7 月底發布年度《GenAI Code Security Report》。結果很直接：各家模型產出的程式，語法正確率已經接近 100%，但通過安全檢測的平均比例只有 56%，去年是 55%。也就是說，大約 44% 的程式生成任務會帶進一個已知漏洞。表現最好的模型也只有 68%，超過半數的模型落在 50% 到 53% 之間；大型模型平均 53%，中小型模型 51%，差距微乎其微。報告的結論是：語法問題基本上解決了，安全卻沒有走在同一條曲線上。
另一家資安公司 IOActive 在 2026 年春天做了規模更大的測試：27 個模型與 AI 寫程式工具、730 個貼近實務的需求、橫跨 27 種程式語言。平均安全表現是 59%，有 31.6% 的程式樣本可以被直接攻擊利用，沒有任何一個模型做到完全安全。
兩份報告出自不同團隊、用不同方法，數字卻落在同一個區間：每十段 AI 寫的程式，大約有四段需要有人把關。
AI 最常寫錯的地方，剛好是最要命的地方
不是所有類型的漏洞都一樣嚴重。Veracode 的數據顯示，AI 在防範 SQL 注入與選用加密演算法上表現不錯，通過率分別是 83% 與 87%；但面對跨站腳本攻擊（XSS）只有 15%，日誌注入更只有 12%。
IOActive 則指出幾個幾乎所有模型都會失手的區域：
- 登入驗證與權限：誰能看到什麼資料、誰能改什麼設定。
- 流量限制：有沒有擋住暴力嘗試密碼或大量灌爆的請求。
- 部署與基礎設施設定：這類程式的漏洞比例高達 70% 到 97%。
這些剛好是會員系統、訂單後台、金流串接最核心的部分。一個表單欄位沒有過濾、一個管理介面沒有驗證身分，就足以讓客戶資料外流。
「請寫安全一點」沒有用，有用的是流程
很多人以為只要在指令裡加一句「請寫安全的程式」就好。IOActive 的測試發現，這種簡單的提醒經常無效，有時甚至適得其反；真正有效的是把安全規範寫進系統層級的設定與工具裡，最多能把安全表現提高 25 個百分點。
Veracode 給企業的建議也集中在流程，而不是期待模型變聰明：選模型時把安全表現列入評估、在寫程式的當下就驗證而不是等上線前才掃、先修最容易被利用的高風險漏洞，以及把 AI 寫程式當成正式的軟體來源來管理，訂出用哪些模型、用在哪裡、怎麼檢查、誰負責。
換句話說，AI 寫程式的安全性，取決於開發團隊的紀律，而不是他們用了哪個最新的模型。
委託客製化開發前，該問的四個 AI 程式碼資安問題
你不需要看得懂程式碼，只需要問對問題，並且把答案寫進合約或驗收條件。
1. 你們用哪些 AI 工具寫程式？安全規範是怎麼設定的？
好的回答會提到固定的工具清單、寫進工具設定的安全規則，以及哪些情況不使用 AI。只回答「我們用最新的模型」，等於沒有回答。
2. 程式上線前，會經過哪些安全檢查？
至少應該包含自動化的弱點掃描，以及人工的程式碼審查。可以要求在驗收文件中附上掃描結果摘要，而不只是一句「已測試」。
3. 登入、權限、付款與部署設定，是誰寫、誰審的？
這些高風險區域應該有資深工程師逐行審查並簽核。AI 可以起草，但必須有具名的人負責。
4. 上線後發現漏洞，誰修、多久修好、費用怎麼算？
漏洞不一定在驗收時就會被發現。保固期內的安全修補、通報時限與後續維護費用，都應該在簽約前談清楚。
如果你公司內部已經有員工用 AI 做出來的小工具，同樣的問題也適用，可以參考我們先前寫的〈員工用 AI 做出來的工具，什麼時候該交給專業開發？〉。
結語：AI 負責寫得快，人負責守得住
AI 讓客製化開發變得更快、更負擔得起，這是好事。但速度省下來的時間，有一部分必須花在把關上。一套系統值不值得信任，看的不是它多快做出來，而是出事的時候有沒有人說得清楚每一道防線在哪裡。
TitApeX 在承接客製化系統時，會把安全檢查與責任歸屬寫進流程與交付文件。如果你正在評估開發案，歡迎看看我們的服務內容，或直接與我們聊聊。
留言