本文提出 WeSCE，一个用于量化 LLM 驱动代码编辑过程中“安全漂移”的基准测试。在真实开发场景中，开发者常向 LLM 下达仅包含功能目标的编辑指令（如“增加一个排序功能”），并未显式提出安全要求，但代码修改可能引入或加剧安全漏洞。WeSCE 针对这一“弱安全约束”场景，构建了包含 400 个可执行真实世界代码实例的测试集，覆盖功能添加、功能删除、Bug 修复和代码重构四种常见编辑类型。为了量化安全漂移，作者提出了一种连续风险表示方法，通过统一公式将异构漏洞信号（如 CWE、CVSS 等）聚合为一个连续风险分数，从而支持对代码编辑前后风险状态的细粒度比较。在此基础上，定义了三种漂移度量：整体风险变化、最坏情况严重性变化、以及漏洞分布变化，分别从平均行为、极端风险和风险结构三个尺度刻画安全漂移。实验基于该基准评估当前主流 LLM 的代码编辑安全表现，揭示即使在简单功能需求下，模型也可能无意中引入或移除漏洞，且不同漂移度量之间可能存在不一致性。该工作为评估和提升 LLM 代码编辑安全性提供了标准化测试平台，并帮助安全研究者设计更安全的代码生成流程。