本文评估了大型语言模型（LLM）在自动生成安全认证代码方面的能力。研究选取了五种主流AI编码助手，通过双模态评估框架（静态代码分析结合动态渗透测试）并参照NIST SP 800-63B指南，分析了四种提示策略（基础、安全、NIST引导、迭代重提示）下生成的认证系统安全性。实验结果表明，仅使用功能性或通用安全提示生成的代码普遍缺少关键保护机制，尤其是在暴力破解防御、会话管理和密码健壮性方面。即使加入显式的NIST上下文单次提示，合规性虽有提升但架构上仍不充分。唯有采用迭代重提示（Reprompting）策略，即强制模型进入上下文自我审计循环，才能实现纵深防御的安全架构。最终结论是当前AI编码助手无法默认生成安全应用，企业部署必须从单次提示工程转向持续、标准驱动的验证流程。该研究揭示了LLM辅助编码中普遍存在的安全幻觉，并提出了可操作的改进方向。