代码静态检查旨在通过对代码进行静态扫描和分析从而尽早发现软件中存在的缺陷。基于分析的传统静态缺陷检查方法通常在代码复杂性高、业务逻辑特定的场景中效果有限（召回率、精准率不足）。而大语言模型的发展正在改变各类软件质量保障技术（包括代码静态检查、测试、缺陷定位、修复等)。

本次演讲将关注基于大语言模型的缺陷静态检测方法，首先总结和梳理目前基于大语言模型的缺陷静态检测技术的类别；然后介绍我们如何利用缺陷历史构建缺陷知识库，并知识库为基础增强大语言模型检测特定类型缺陷的能力；并介绍我们如何利用大语言模型和静态分析的互补性，设计结合大语言模型和静态分析的缺陷静态检测方法；最后演讲将大语言模型时代中缺陷静态检测技术的未来方向和挑战。

演讲提纲：

1. 基于分析的缺陷静态检测的问题和挑战
2. 基于大模型的缺陷静态检测技术发展
3. 利用知识库增强增强大模型的缺陷静态检测能力
4. 结合大模型和静态分析方法进行缺陷静态检测
5. 未来技术发展展望

听众收益：

• 了解基于大语言模型的静态缺陷检测方法
• 了解大语言模型与传统静态分析方法的互补点以及结合点