北京中科天齐信息技术有限公司在经过企业申报、提交申报材料、专家评审、认定报备、公示公告等一系列程序的严格审核后，荣获“国家高新技术企业”和“中关村高新技术企业”认定，实现了双高新认定。国家高新技术企业高新技术企业是发展高新技术产业的重要基础，是调整产业结构、提高国家竞争力的生力军，在我国经济发展中占有十分重要的战略地位，一直受到各级政府的高度重视、鼓励和支持。按照规定，只有当企业研发投入占比、高新技术产品收入占比、科技人员数量、技术创新能力等核心指标满足一定条件才能获此认定。中关村高新技术企业"中关村高新技术企业"由北京中关村科技园区管理委员会审核，通过一系列严格的要求，包括企业资质、科技研发能力、技术创新能力、企业发展情况以及填报资料真实性等方面的考察，最终确定是否可以获得资质认定，是国家为支持高新企业发展，提高国家综合经济竞争力而设立。本次中科天齐获得双高新技术企业的认定，是国家对企业在科技创新上的认可和支持，同时也标志着中科天齐正式迈入高新技术企业行列。中科天齐将继续以技术为核心，以市场发展为导向，积极提升企业核心竞争力、创造力和生命力。同时更加注重知识产权、培养优秀技术人才队伍，加强科技成果转化应用能力，助推公司高质量发展，助力网络安全建设。WuKong静态代码安全测试工具 “Wukong”作为一款静态代码安全测试工具，支持多种开发语言的安全缺陷检测，兼容多种国产化环境，帮助用户提升抵御网络攻击、防止数据泄露等安全问题的能力。

近日，中关村自主大模型产业联盟公布 AI 网络安全方向首期进展：截至目前，联盟已汇聚 100 家网络安全企业，成员覆盖安全厂商、科研院所、互联网企业与金融机构，应用场景延伸至网络安全、互联网安全、信创软硬件、智慧安防、生物医药及科研等多个领域。北京中科天齐信息技术有限公司(简称中科天齐)成功入选。作为其中一员，中科天齐将与联盟众多伙伴共同建设自主网络安全大模型生态。中关村自主大模型产业联盟自成立以来，持续将AI网络安全作为重点方向。联合联盟成员企业及技术伙伴，推动前沿国产大模型进入网络安全产品、科研项目及真实业务流程。网络安全工作组是中关村自主大模型产业联盟在网络安全垂直方向的常设专项组织，以"联盟统筹、模型厂商牵引、高校指导、伙伴共建"为协作机制，与生态成员共同打造"厂商中立、安全可治理、可持续演进"的自主网络安全大模型生态。目前，联盟已为超过100家成员企业提供GLM、DeepSeek系列模型及相关技术支持，帮助企业将前沿模型接入既有安全产品和业务流程。其中，GLM-5.3具备较强的代码理解、漏洞分析和长程任务执行能力，适合内存破坏、沙箱逃逸、攻击路径研判、真实场景渗透测试和大型代码库审计等复杂任务。GLM-5.3-Flash则在速度与成本之间实现了较好的平衡，适用于批量代码扫描、日志处理、告警分析、威胁情报整理和安全运营自动化等规模化场景。北京中科天齐信息技术有限公司专注代码漏洞分析、软件开发安全解决方案，研发软件高性能、测试及安全系列产品。团队凭借多年在分布式系统架构与性能优化领域、程序分析领域和人工智能算法模型领域的技术积累，致力打造高效能、高可靠软件开发生态的高新技术企业。公司相关研究成果在PLDI, FSE, ECOOP, CGO, SAS等学术会议上发表，并取得百余项专利软著，拥有这一领域先进的创新技术和自主创新能力。 当前，人工智能技术正加速渗透到各行各业，在赋能产业数字化转型的同时，网络安全风险也日益凸显。安全是创新发展的底线，中科天齐将与联盟携手一道，共同应对人工智能时代的网络安全难题，依托自主可控的国产大模型能力持续探索网络安全领域的创新应用，为数字经济高质量发展筑牢安全防线。

软件安全风险愈发复杂，传统静态代码安全检测工具普遍存在规则固化、误报率高、复杂业务逻辑漏洞识别能力弱、缺陷修复指导性不足等痛点，难以适配高复杂度、多语言、快速迭代的现代软件开发场景。为此，融合QL查询语言、SAST静态应用安全检测与人工智能技术的新一代智能源代码漏洞挖掘平台(WuKongQL)应运而生，通过结构化规则定义、精准静态分析与智能AI赋能的深度融合，实现漏洞精准挖掘、误报智能过滤与缺陷自动修复，大幅提升代码安全检测的效率与精准度。QL查询语言：将代码转化为可查询的数据库平台基于QL查询语言，一种专为代码分析设计的声明式查询语言。核心思想是“代码即数据，查询即规则”。首先通过代码提取器对目标源代码进行编译、解析与抽象，生成包含抽象语法树(AST)、控制流图(CFG)和数据流路径的结构化语义数据库。这一数据库并非简单的文本索引，而是对代码语义的完整建模，记录了类与函数的层级关系、变量作用域、调用链路以及跨文件的数据依赖。基于这一语义数据库，安全团队可以使用QL语言编写声明式查询规则来检测特定的漏洞模式。例如，检测SQL注入漏洞的规则可以表述为“追踪所有从用户输入(source)到数据库查询执行(sink)且未经有效净化(sanitizer)的数据流路径”。QL语言面向对象的逻辑编程范式，使得规则编写既具备SQL般的可读性，又能表达复杂的程序分析逻辑。平台内置了500 +成熟QL 查询规则，覆盖50余种CWE漏洞类型，包含反序列化、命令注入、文件上传、文件包含、文件下载、SQL注入、缓冲区溢出等常规漏洞，同时也支持根据业务场景编写自定义规则。突破传统框架限制：兼容多个检测引擎平台突破传统静态分析框架的封闭性限制，采用开放式架构设计，可以与WuKong Java检测工具、CodeQL检测引擎等第三方组件无缝集成。通过标准接口规范与插件化机制，实现检测引擎的灵活扩展与动态组合，通过多引擎协同工作显著提升漏洞检测的准确性和覆盖深度。AI深度融合：智能误报校验与缺陷修复平台将AI能力贯穿于漏洞检测的全生命周期，形成“检测-校验-修复”的智能闭环。在误报校验环节，通过结合大语言模型(LLM)及SAST静态分析引擎，构建完整验证和自动修复流程。AI验证误报：当面对一段复杂的代码时，AI模型能够辅助判断其是否为真实安全漏洞，并给出详细的分析报告。AI智能修复：对于检测到的漏洞，AI 模型会根据漏洞的类型和上下文信息，提供具体的修复方案，如修改相关代码行、引入边界检查、推荐使用安全的库函数替代不安全的函数等。 WuKongQL平台将代码转换为数据，通过将源代码解析为语义数据库并使用类似 SQL 的查询语言(QL)进行查询，能够高效地发现代码中的安全漏洞、质量问题及不良实践。其应用场景广泛，涵盖个人开发、团队协作、企业级安全管控等多个层面，是现代软件研发体系中不可或缺的安全检测与辅助修复的帮手。