Laporan CleanStart Menunjukkan Peningkatan Risiko dalam Ketergantungan Perisian Berasaskan AI dan Komponen Usang

icon币界网
Kongsi
AI summary iconRingkasan
Berita AI + kripto: Laporan 'State of Software Dependency Trust 2026' oleh CleanStart menunjukkan peningkatan risiko daripada cadangan ketergantungan yang dihasilkan AI dan komponen usang. Hanya 20% cadangan AI yang berkesan dan selamat. Aplikasi yang diaudit menggunakan purata 1,180 komponen sumber terbuka, dengan 64% secara tidak langsung. Pada 2024, 95% muat turun rentan mempunyai pembaikan yang tersedia. Berita kripto menonjolkan bahawa 68% komponen adalah lebih daripada dua tahun lama, dan kerentanan setiap kod naik 107%.
Laman web dunia mata wang kripto melaporkan:

Laporan lingkup industri mengkaji bagaimana komponen usang, serangan hulu, dan pembangunan bantuan AI mendedahkan kelemahan dalam keselamatan rantai bekalan perisian

Poin-poin:

  • Risiko ketergantungan AI: Dalam rekomendasi ketergantungan yang dihasilkan AI yang diuji, hanya 20% yang berkesan dan tidak mengandungi lubang keamanan yang diketahui.
  • Ketergantungan kompleksiti dan usia: Aplikasi yang diaudit purata mengandungi 1,180 komponen sumber terbuka, di mana 64% diperkenalkan secara tidak langsung melalui ketergantungan lain.
  • Peluang pembaikan: Sekitar 95% komponen rentan yang ditinjau dalam telemetri pendaftaran 2024 telah mempunyai versi pembaikan yang tersedia pada masa pemuatan.

San Jose, California, Amerika Syarikat, 17 November /PRNewswire/ -- CleanStart, yang menyediakan artefak perisian yang telah disahkan untuk rangkaian perisian moden, hari ini mengeluarkan laporan bertajuk “State of Software Dependency Trust 2026: From Dependency Management to Verified Software Foundations”. Laporan ini mengkaji bagaimana peningkatan kompleksiti kebergantungan, penuaan komponen, serangan terhadap rangkaian perisian hulu, serta pembangunan yang dibantu AI mengubah risiko yang dihadapi organisasi semasa membina dan menyelenggara perisian.

Laporan tersebut juga menunjukkan bahawa 68% komponen dalam sampel audit telah digunakan selama lebih daripada dua tahun; manakala pengukuran jauh daftar lain mendapati bahawa sekitar 95% komponen yang rentan yang dimuat turun telah mempunyai versi pembaikan yang tersedia pada masa pemuatan turun. Secara keseluruhan, penemuan ini menunjukkan bahawa cabaran yang dihadapi oleh pasukan perisian semakin meluas: ia perlu memahami apa yang masuk ke dalam aplikasi, menilai kepercayaannya, serta memeliharanya secara berterusan apabila pembangun dan sistem AI memperkenalkan ketergantungan dengan laju yang semakin meningkat.

CleanStart CEO dan pemilik bersama Nilesh Jain berkata: “Keselamatan perisian tidak boleh berhenti hanya pada tahap pengesanan lapisan. Organisasi perlu mengetahui apa yang mereka bawa ke dalam persekitaran mereka, dari mana perkara-perkara ini berasal, dan sama ada integritinya boleh diverifikasi. Seiring dengan percepatan pembangunan perisian, terutamanya yang didorong oleh AI, jumlah dan kelajuan penggunaan bergantung hanya akan terus meningkat. Industri perlu berpindah dari pengurusan risiko yang diketahui selepas penggunaan, kepada membina keyakinan terhadap perisian sebelum digunakan.”

Dalam analisis sepuluh bahagian ini, laporan mengkaji komposisi perisian, kelambatan pembaikan, perbezaan industri dan geografi, serangan hulu, kemampuan pengekalan, serta pembangunan yang dibantu AI. Penemuan lain termasuk:

  • Dari 947 repositori perniagaan yang diaudit, 17% komponen yang diperhatikan berada di luar pengurus pakej tradisional, dan 41% tertinggal 10 versi atau lebih. Tinjauan lain terhadap 47 projek sumber terbuka bukan npm menemui bahawa dalam 40% projek, sebilangan kecil pembangun menyumbang sebahagian besar komitmen, yang menonjolkan cabaran kebolehlihatan dan penjagaan yang lebih luas.
  • Jumlah purata lubang keamanan dalam setiap kod yang diaudit meningkat sebanyak 107%, daripada 280 kepada 581. Walau bagaimanapun, peratusan kod yang mengandungi lubang keamanan hanya meningkat daripada 86% kepada 87%, yang menunjukkan bahawa peningkatan dalam jumlah purata yang ditemui tidak bermaksud bilangan aplikasi yang terkesan meningkat pada kadar yang sama.
  • Setelah menggabungkan model AI dengan data registri masa nyata, rekomendasi berisiko tinggi dan berisiko serius berkurang sekitar 70%. Laporan tersebut juga membahas bagaimana alat keselamatan dapat meningkatkan kualiti rekomendasi ketergantungan yang dihasilkan oleh AI.
  • Laporan ini mengkaji insiden rantai bekalan perisian yang melibatkan kredensial siaran yang dicuri, skrip pemasangan jahat, serta infrastruktur CI/CD yang dimanipulasi. Laporan ini juga menekankan skala aktiviti pakej jahat serta cabaran yang dihadapi organisasi dalam menghasilkan, menggunakan, dan melaksanakan keperluan SBOM.

Laporan mencadangkan bermula dengan imej, perpustakaan, runtime, dan pakej yang paling banyak digunakan semula atau paling kritikal. Organisasi harus menetapkan keperluan bukti minimum untuk asas-asas ini, yang merangkumi identiti, sumber, jejak, integriti, keselamatan, penjagaan, dan dasar. Membolehkan bukti-bukti ini digunakan semula di antara aplikasi dan boleh diakses melalui aliran kerja pembangun dan AI yang sedia ada boleh mengurangkan usaha penilaian yang berulang oleh setiap pasukan.

CleanStart mewujudkan model ini melalui Clean Images dan Clean Libraries, menyediakan asas perisian yang telah disahkan dan boleh digunakan semula. Pendekatan ini selari dengan pemindaian berterusan, penghasilan SBOM, pembaikan, dan kawalan masa berjalan, serta sentiasa ditinjau semula seiring dengan perubahan komponen, ancaman, dan keperluan organisasi.

Laporan ini menggabungkan audit, penyiasatan, telemetri ekosistem, laporan insiden, dan sumber dasar yang telah diterbitkan, disertai rujukan lengkap dan penjelasan terhad pembatasan metodologi.

Laporan penuh boleh didapati di https://clnstrt.co/dependency-trust-2026.

Tentang CleanStart

CleanStart membantu organisasi melindungi rantai pasokan perisian moden melalui artefak perisian yang telah disahkan. Syarikat membantu organisasi mengenal pasti aset perisian, membina asal-usul perisian, menggantikan komponen perisian yang tidak selamat dengan alternatif yang telah disahkan, dan secara berterusan mengesahkan integriti perisian. Ini membantu organisasi membina, membeli, dan melaksanakan perisian dengan lebih yakin, sambil memperkuat postur keselamatan rantai pasokan perisian mereka.

CleanStart didirikan oleh Nilesh Jain, Vijendra Katiyar, dan Biswajit De, ketiganya memiliki pengalaman kepemimpinan dalam keamanan siber global selama lebih dari 20 tahun. CleanStart sedang berusaha menjadikan "verifikasi" sebagai dasar bagi organisasi dalam membangun dan melindungi perangkat lunak modern.

Perhubungan media:
Kyle Porter
EVP-Pengarah Urusan
[email protected]

Penafian: Maklumat yang terdapat pada halaman ini mungkin telah diperoleh daripada pihak ketiga dan tidak semestinya menggambarkan pandangan atau pendapat KuCoin. Kandungan ini adalah disediakan bagi tujuan maklumat umum sahaja, tanpa sebarang perwakilan atau waranti dalam apa jua bentuk, dan juga tidak boleh ditafsirkan sebagai nasihat kewangan atau pelaburan. KuCoin tidak akan bertanggungjawab untuk sebarang kesilapan atau pengabaian, atau untuk sebarang akibat yang terhasil daripada penggunaan maklumat ini. Pelaburan dalam aset digital boleh membawa risiko. Sila menilai risiko produk dan toleransi risiko anda dengan teliti berdasarkan keadaan kewangan anda sendiri. Untuk maklumat lanjut, sila rujuk kepada Terma Penggunaan dan Pendedahan Risiko kami.