一句话定义：AI Security Scan（AI 安全扫描）指用大模型驱动的自动化工具，对代码仓库——尤其是 AI/LLM 相关代码及其依赖——做一遍安全体检，自动找出漏洞、危险写法和供应链风险，并给出修复建议。Anthropic 面向开源项目提供的免费自动化安全扫描，是这一形态最常被提到的代表，具体支持的仓库类型与触发方式以官方页面为准。
它和传统扫描器差在哪
传统静态扫描（SAST）和依赖扫描的思路是"对形状"：维护一堆规则、正则和已知漏洞库，代码里出现匹配的模式就报警。它擅长抓已知 CVE，但看不懂业务逻辑。
AI 安全扫描把"读代码"这件事交给模型。模型能顺着上下文判断：这个函数的用户输入是不是直接拼进了 SQL；密钥是不是硬编码在配置文件里；Agent 拿到工具调用权限后，有没有可能被一段恶意 prompt 诱导去读不该读的文件；这个依赖的版本范围是不是放得太松，容易被投毒。
打个比方：传统扫描像机场的 X 光机，按固定形状识别违禁品，形状没见过的就漏过去；AI 安全扫描更像一位读过大量事故报告的安保顾问，跟着你在楼里走一圈，看到"备用钥匙挂在门外"这种不靠形状判断的问题，也能指出来。两者是互补关系，不是替代关系。
| 传统 SAST／依赖扫描 | AI Security Scan | |
|---|---|---|
| 判断方式 | 规则、正则、漏洞库 | 模型理解代码意图与上下文 |
| 擅长 | 已知 CVE、常见危险模式 | 逻辑漏洞、权限设计、prompt 注入面 |
| 输出 | 一串告警 | 带解释的发现 + 修复建议 |
| 短板 | 看不懂业务语义 | 结果不完全确定，需人工复核 |
对从业者意味着什么
对开源维护者，这相当于多了一个免费的、随 PR 自动触发的安全审阅者。把它接进 CI，每次提交都过一遍，正在变成开源 AI 项目的一种新惯例——尤其在模型权重、数据集、推理框架这些第三方依赖越来越多的情况下，供应链这一环靠人眼盯不住。
对普通职场人，有两点值得记住。第一，"AI 说没问题"不等于通过证书，扫描结果必须有人复核，密钥泄露、越权访问这类高危项仍然要优先处理。第二，别把它当成上线前的唯一关卡，渗透测试、依赖升级、最小权限原则一个都不能省。AI 安全扫描的价值在于把明显的坑提前挖出来，而不是替你承担安全责任。