GitHub Benarkan AI Scan Dimulakan untuk 20 Repositori Serentak

GitHub Benarkan AI Scan Dimulakan untuk 20 Repositori Serentak

GitHub kini membolehkan pasukan memulakan AI Scan untuk sehingga 20 repositori serentak. Penambahbaikan yang diumumkan pada 16 November 2026 ini boleh membantu organisasi mengurus pemeriksaan keselamatan kod merentas beberapa projek.

Ciri tersebut masih dalam pratonton awam. Sebelum menggunakannya secara meluas, pasukan perlu memahami kod yang diperiksa, penggunaan kredit dan kerja susulan yang diperlukan untuk menilai setiap amaran.

Apa yang berubah untuk pasukan pembangunan

Menurut GitHub, imbasan boleh dimulakan untuk repositori yang dipilih selepas tetapan di peringkat organisasi diaktifkan, atau melalui halaman amaran code scanning organisasi. Pengguna juga boleh memulakan imbasan bagi satu repositori daripada halaman amarannya.

Had 20 repositori itu merujuk kepada satu tindakan memulakan imbasan secara berkumpulan. Ia memberi pentadbir cara memilih beberapa projek sekali gus, tetapi mengaktifkan tetapan organisasi sahaja tidak akan memulakan imbasan. GitHub menyatakan ciri ini tersedia di GitHub.com dan GitHub Enterprise Cloud dengan data residency.

Sumber: Bulk start AI Scan for repositories; Configuring global security settings for your organization.

Kod yang diperiksa dan tempat hasil dipaparkan

AI Scan for repositories mencari potensi kelemahan keselamatan pada cabang lalai repositori. GitHub menyatakan alat ini menyokong semua bahasa pengaturcaraan, termasuk bahasa yang belum disokong CodeQL, dan boleh mencari isu tambahan dalam bahasa yang turut dianalisis oleh CodeQL.

Imbasan berjalan secara berasingan daripada CodeQL. Hasilnya muncul sebagai amaran dalam senarai code scanning yang sama, dan pengguna boleh menapis senarai itu untuk melihat penemuan AI Scan. Amaran tersebut juga boleh diberikan kepada pemilik atau dihubungkan dengan isu supaya tindakan susulan dapat dijejak.

Ini berbeza daripada menyemak perubahan dalam satu pull request: skop yang diterangkan GitHub untuk imbasan repositori ialah cabang lalai yang sedia ada. Oleh itu, nama repositori dan cabang yang digunakan wajar disahkan sebelum pasukan membuat kesimpulan tentang liputan sesuatu projek.

Sumber: Bulk start AI Scan for repositories; AI Scan for a repository's backlog.

Had imbasan yang perlu difahami

GitHub menjelaskan bahawa ejen memilih fail dan fungsi untuk diperiksa dalam tempoh masa yang terhad; ia tidak membaca setiap fail sepenuhnya. Imbasan tidak menjamin semua kelemahan akan ditemui, manakala penemuan yang dihasilkan AI boleh menjadi tidak tepat.

Dalam pratonton ini, imbasan dimulakan secara manual. Imbasan berjadual dan imbasan automatik apabila kod ditolak belum disokong. GitHub juga menyatakan amaran pendua masih boleh berlaku walaupun sistem cuba menyesuaikan penemuan dengan amaran CodeQL sedia ada.

Selepas pembaikan digabungkan, imbasan baharu tidak bermula secara automatik. Pasukan perlu memulakannya semula untuk menyemak status amaran. Keadaan penutupan automatik juga bergantung pada sama ada pembaikan mengubah baris tepat yang mencetuskan amaran.

Sumber: AI Scan for a repository's backlog.

Kelayakan dan penggunaan kredit

Lesen GitHub Copilot tidak diperlukan untuk menggunakan AI Scan for repositories. Namun, kelayakan bergantung pada pemilik dan keterlihatan repositori. Dokumentasi GitHub menyatakan repositori awam organisasi boleh menggunakannya tanpa lesen active-committer, manakala repositori persendirian atau dalaman organisasi memerlukan GitHub Code Security atau GitHub Advanced Security.

Bagi akaun peribadi, dokumentasi menyenaraikan repositori awam sebagai layak dan repositori persendirian sebagai tidak tersedia. Setiap imbasan menggunakan Code Security AI credits. Penggunaan selepas kredit yang disertakan habis tertakluk kepada pemeteran dan bajet yang berkenaan; jika had bajet tidak meninggalkan kredit, imbasan tidak dapat menghasilkan penemuan.

Sumber: Bulk start AI Scan for repositories; AI Scan for a repository's backlog.

Cadangan editorial untuk pasukan di Malaysia

Bagi syarikat perisian, agensi digital atau pasukan IT di Malaysia yang mengurus banyak projek pelanggan, mulakan dengan kumpulan kecil repositori yang pemiliknya jelas dan masih digunakan. Contohnya, pilih beberapa aplikasi yang mempunyai penyelenggara aktif supaya setiap amaran boleh disemak oleh orang yang memahami aliran data dan tujuan kod tersebut.

Sebelum memulakan imbasan berkumpulan, semak kelayakan repositori, baki kredit dan had bajet bersama pentadbir akaun. Tetapkan juga siapa yang akan menilai hasil, merekod keputusan dan menguji pembaikan. Langkah ini membantu mengelakkan senarai amaran bertambah tanpa pemilik.

Apabila amaran muncul, baca laluan kod dan cuba sahkan sama ada keadaan yang dilaporkan boleh berlaku dalam aplikasi sebenar. Jika pembaikan dicadangkan, uji fungsi berkaitan dan dapatkan semakan kod seperti perubahan lain. Rekodkan sebab sesuatu amaran dianggap tidak berkaitan supaya keputusan itu boleh dinilai semula apabila aplikasi berubah.

Untuk pembangun yang sedang membina kemahiran keselamatan, hasil imbasan boleh menjadi bahan pembelajaran: bandingkan penjelasan amaran dengan pelaksanaan kod, kemudian terangkan risiko dan pembaikan kepada rakan sepasukan. Gunakan hasil itu sebagai titik mula siasatan, sambil meneruskan ujian dan semakan keselamatan lain yang sesuai untuk projek.

Rujukan

Disediakan secara automatik dengan bantuan AI berdasarkan sumber yang dipautkan. Semakan sumber: 2026-11-17. Gambar utama ialah ilustrasi janaan AI, bukan foto peristiwa sebenar.

Please login to post a comment.

Tags

jobstreet dns cabaran dalam kerjaya hari ini senarai aplikasi yang boleh membantu anda cara buat laman web dengan bahasa pengaturcaraan mengikut pasaran semasa pengenalan kepada gemini reka bentuk dan teknologi rbt universiti malaysia terbaik bidang memastikan ssh server selamat langkah memasang nginx pada linux memberi manafaat atau mengancam kerja manusia dalam seni kemahiran bahasa pekerjaan dulu wujud kini sudah bakal pupus akibat automasi ai tempatan local ai komputer ollama nvidia teknologi 2026 ai sains sains komputer penyelidikan google atlas kemahiran data pelajar it keselamatan siber ejen ai cybersecurity kemahiran it crowdstrike neuralink cip otak brain computer interface bci ai teknologi kesihatan Firefox Pembangunan Web Pengujian Perisian Keserasian Pelayar Kerjaya IT pgAdmin PostgreSQL Pangkalan Data Pentadbiran Sistem Sandaran Data GitHub Actions Ubuntu DevOps CI/CD Kejuruteraan Perisian Kemahiran IT Python Sumber Terbuka Pengurusan Pakej Cloudflare Rangkaian Komputer Unified Routing Infrastruktur IT NVIDIA GPU Kubernetes Infrastruktur AI Pengujian Sistem PowerShell Microsoft Graph Automasi IT Rust Debugging Pembangunan Perisian Cargo Pelajar IT DevFest 2026 Google Komuniti Pembangun Pembelajaran IT Portfolio IT Kecerdasan Buatan Sains Data NASA IBM Pembelajaran Mesin Node.js JavaScript Penyelenggaraan Aplikasi Ujian Perisian Kebolehcapaian Web WCAG 3 W3C Pengalaman Pengguna Go SIMD Prestasi Perisian Pengaturcaraan Sains Komputer Penyelenggaraan Perisian Migrasi Aplikasi Keselamatan Perisian GitHub CodeQL Penyelenggaraan Kod NuGet .NET Microsoft Privasi Data Google Research Keselamatan AI pgvector Keselamatan Siber Carian Vektor Anthropic Kejuruteraan AI Latihan IT Ejen AI Portfolio Kerjaya Linux ELISA Sistem Terbenam NVIDIA Megatron Core Common Voice Pengecaman Suara Data AI Bahasa Tempatan Prestasi Aplikasi Pemprofilan Cloud Computing Semakan Kod Git Mozilla Firefox Enterprise Pengurusan Pelayar Microsoft Exchange Pengurusan Tampalan PostgreSQL Pengujian Aplikasi Kriptografi Pascakuantum NIST Pengurusan Sistem EPUB 3.4 Komik Digital E-buku IBM Research Reka Bentuk Cip Inferens Teragih Kejuruteraan Komputer Bazel Linux Foundation Keselamatan Siber NICE Framework Portfolio Pembangunan Kemahiran PelandukOS Linux Debian GNOME XFCE Malaysia sumber terbuka PHP2Shell PHP WAF ModSecurity OpenLiteSpeed PowerToys Windows Produktiviti Kebolehcapaian Rustup Sijil Digital Azure Sistem Teragih Ejen AI ThinkingBox Pembelajaran Pengukuhan Kernel Agent Skills Tadbir Urus AI Terraform Infrastruktur sebagai Kod Keselamatan Awan .NET Brotli Sokongan LTS Google Research Deep Review Kecerdasan Buatan Dokumentasi Teknikal Lokasi Data TLS Pengurusan Kebergantungan llm-d Operasi IT Inferens Pekerja Bebas Usahawan Solo Pengurusan Risiko Cloudflare Kerentanan Risikan Ancaman Pengurusan Rahsia AI DevSecOps Kontena Automasi Mozilla Pelayar Web Pengurusan IT Azure DevOps Azure Pipelines Node.js Dependabot Kebergantungan Perisian Gemini API Kawalan Akses Windows NTLM Windows Server Code Scanning Repositori

Cookies

This website uses cookies to ensure you get the best experience on our website. Cookie Policy

Accept