软件供应链安全风险溯源：从开源到OpenAI的演变与应对
硅谷“快速行动，打破常规”的信条将增长置于一切之上。不幸的是，这种速度也导致软件供应链漏洞的快速引入。从开源软件库到人工智能编码助手，这些工具虽然能够实现快速创新，但也为网络犯罪分子提供了可乘之机。
从开源库到人工智能驱动的编码助手，以速度为导向的开发正在引入新的第三方风险，而威胁行为者正日益利用这些风险。
硅谷“快速行动，打破常规”的信条将增长置于一切之上。不幸的是，这种速度也导致软件供应链漏洞的快速引入。从开源软件库到人工智能编码助手，这些工具虽然能够实现快速创新，但也为网络犯罪分子提供了可乘之机。
第三方风险一直存在，但并非始终备受关注。过去十年，勒索软件占据了新闻头条，也牵动着网络安全领导者的心。近年来，国家级威胁和日益增长的网络战风险逐渐凸显。然而，无论其动机或运作方式如何，软件供应链中的漏洞都是网络攻击的理想目标。
SolarWinds 的数据泄露事件敲响了警钟，提醒人们注意第三方风险的危险性。即使你的防御措施再严密，如果上游服务提供商拥有通往企业内部的安全通道，一切也无济于事。Log4J 的Log4Shell漏洞则揭示了第三方风险如何在开源软件库中滋生，而这些开源软件库已被广泛采用并集成到企业服务中。漏洞一旦被披露，攻击者便立即展开扫描。
最近，网络攻击者将目光转向了人工智能编码助手及其产生的虚假响应，例如，他们会错误地识别出一个并不存在的软件库。当攻击者识别出一个虚假的软件库时，他们会注册一个同名的恶意二进制文件。开发者会在不知情的情况下将这些恶意软件集成到他们的代码中。网络安全研究人员将这种攻击称为“恶意域名抢注”（slopsquatting）。
因此，DevOps和网络安全都需要更加积极主动地识别和应对这些风险。DevOps将此称为“左移”，网络安全称之为“防暴预警”。可见性是这种方法的基础。
第三方风险的遗留问题
第三方风险并非新鲜事。供应链攻击的案例至少可以追溯到二十年前。例如，2003年就有人试图在Linux内核中植入后门，此事臭名昭著。然而，直到2020年SolarWinds数据泄露事件发生后，各组织才开始真正重视第三方风险。
SolarWinds的数据泄露事件是一起由俄罗斯高级持续性威胁 (APT) 组织实施的精心策划的供应链攻击。受感染的软件更新向18,000 名客户推送了恶意后门，使攻击者能够访问包括数十个美国联邦机构在内的高价值目标。
一年后，Log4J的一个漏洞Log4Shell引发了一场重大的供应链安全危机。Log4J是Java 生态系统中一个流行的开源日志库，被嵌入到数亿个应用程序和设备中。在运营技术 (OT) 环境中，此类漏洞的问题尤为严重，因为这些环境包含关键业务资产和难以甚至无法修复的遗留技术。
许多组织利用开源软件库来加速创新并降低成本，但对于Log4J而言，这种便利却以软件暴露在风险之中为代价。在Log4Shell漏洞披露后的几周内，各组织争相查找哪些供应商在其解决方案中集成了Log4J，而供应商则不得不向客户保证一切都在掌控之中，并推出补救计划。
请不要破坏我的好心情。
“Vibe编码”已成为生成式人工智能领域一款引人注目的“杀手级应用”。据GitHub统计，过去一年中，97%的开发者都使用过人工智能工具。然而，过度依赖人工智能生成的代码会给代码库带来安全漏洞。
学术研究人员发现，在16种领先的代码生成工具中，19%的推荐软件包并不存在，43%的虚构软件包每次都重复出现。
恶意攻击者正主动发现这些虚构的软件包，并抢先注册同名恶意代码。Python软件基金会的一位开发者将这种攻击称为“slopsquatting”（拼写错误抢注），因为它与网络域名抢注或拼写错误抢注非常相似。
例如，恶意软件“ccxt-mexc-futures”在公共软件仓库PyPl上被注册并下载超过1000次。该恶意软件修改了用于加密货币交易的关键操作；然而，鉴于Shai-Hulud蠕虫最近在PyPl上成功传播，抢注域名很可能成为未来发起高调蠕虫攻击的一种途径。
在企业之外，在攻击发生之前
这些第三方风险案例之间存在诸多差异。SolarWinds数据泄露事件是一起针对性极强的供应链攻击，凸显了供应链完整性问题。Log4J漏洞在当时被认为是迄今为止披露的最广泛漏洞，这也凸显了供应链可观测性的必要性。而域名抢注攻击的出现则要求对人工智能辅助编码进行更严格的监管。
这里的一个共同主题是需要提高透明度。供应链中软件依赖关系的复杂性使得漏洞和风险的监控变得困难。DevOps 需要“左移”，在风险方面更加积极主动和透明，以便网络安全团队能够在风险被利用之前（即防患于未然）识别并修复这些风险。
组织可以通过软件物料清单 (SBOM) 来审核软件的来源，从而跟踪每个依赖项的出处和版本。静态应用程序安全测试 (SAST) 和动态应用程序安全测试 (DAST) 可以识别可能被攻击者利用的漏洞。同样，可见性是这种方法的关键。组织需要首先建立全面的资产清单，以便评估特定应用程序对业务的影响。
网络安全团队还可以监控攻击或行动指标 (IOA)，例如异常的系统行为或新的连接。识别此类行为异常是人工智能的理想应用场景，因为机器学习擅长模式识别和异常行为检测。
对于人工智能编码助手，开发者需要意识到其存在的风险，例如账户身份验证和输入验证方面的缺陷。开发者应在提示信息中嵌入安全措施，例如多因素身份验证 (MFA) 锁定和输入清理。此外，如今比以往任何时候都更加重要的是，必须进行人工审核和应用程序安全测试。
相关攻略
在人工智能应用日益普及的今天，如何有效应对大语言模型的“幻觉”问题与单一来源的“偏见”风险，成为众多开发者和企业关注的焦点。近日，由AI领域知名专家Andrej Karpathy开源的多模型协作框架——LLM Council，为我们提供了一种创新且高效的解决方案。它摒弃了依赖单一“最强模型”的传统思
小米在人工智能领域的每一次重大进展，都备受业界瞩目。今日，小米集团技术委员会主席屈恒正式官宣，其全模态旗舰大模型Xiaomi MiMo-V2 5系列即将全面开源。尤为关键的是，该系列模型已完成对国内外主流推理芯片的广泛适配，几乎覆盖了所有国产推理芯片平台。这意味着，开发者在获得开源代码后，能够在更丰
CloudDM：一款开源、全能的数据库管控平台深度解析 在数据驱动业务的时代，数据库的日常管理、查询、变更与安全治理，往往是开发、运维和DBA团队面临的共同挑战。工具链分散、权限混乱、流程不透明等问题，不仅影响效率，更可能带来安全风险。今天，我们就来深入探讨一款旨在解决这些痛点的开源利器——Clou
腾讯云开源TencentDBAgentMemory技术，针对AI智能体长任务记忆管理痛点，通过“外存内精”思路降低Token消耗。其核心包括动态结构化任务状态的“Mermaid任务画布”，以及将详细结果卸载至外部存储、仅保留摘要索引的“上下文卸载”功能。测试显示，该方案在网页搜索等场景中最高降低61%的Token消耗，并显著提升任务成功率与准确率。
今天凌晨，小米在AI开源领域投下了一枚重磅冲击波。其正式宣布，将Xiaomi MiMo-V2 5系列模型全面开源，采用宽松的MIT协议。这意味着，开发者可以自由地将其用于商业推理部署，甚至进行二次训练，整个过程无需任何额外授权。 这次开源的系列包含两款模型，它们都有一个共同且亮眼的特性：支持高达10
热门专题
热门推荐
MiniCPM-o 4 5是什么 在探索更自然、更智能的人机交互道路上，我们始终在期待一个“全能型选手”的到来。如今，这个角色或许已经登场。面壁智能最新开源的MiniCPM-o 4 5，一个仅拥有90亿参数的全模态大模型，正致力于重新划定“智能对话”的边界。 它彻底颠覆了传统一问一答的“对讲机”式交
Binance币安 欧易OKX ️ Huobi火币️ 想在2025年安全获取欧易OKX的正版APP？其实秘诀就一个：认准官方网站，避开所有仿冒和可疑的下载渠道。要知道，欧易现已统一更名为欧易OKX，其核心业务始终围绕数字资产交易及相关服务展开。 确认官方网站地址 第一步，打开浏览器，手动输入欧易OK
SecondMe Book是什么 在AI社交这一前沿赛道，一款国产平台正带来独特的解决方案。SecondMe Book，本质上是一个能够让你构建个人AI数字分身的创新平台。它允许用户创建一个能够代表真实自我风格与思维的AI数字身份，并让这个“第二自我”在一个专属的AI社交网络中自主运行——包括主动发
在AI大模型技术快速发展的今天，如何在卓越性能与高效推理成本之间取得最佳平衡，已成为行业关注的核心焦点。近期，由阶跃星辰推出的开源模型Step 3 5 Flash引发了广泛热议。该模型专为智能体（AI Agent）应用场景深度优化，旨在顶尖能力与亲民部署成本之间，构建一个极具竞争力的技术支点。 简而
LongCat-Flash-Lite是什么 在探索大语言模型性能与效率的最佳平衡点时，美团近期推出的LongCat-Flash-Lite提供了一个极具创新性的解决方案。作为新一代高效大语言模型，它凭借其突破性的架构设计，在人工智能领域获得了广泛关注。 简而言之，该模型创新性地融合了“混合专家系统（M