行業範圍報告審視了舊組件、上游攻擊以及AI輔助開發如何暴露軟體供應鏈安全中的缺口
重點:
- AI 依賴風險:在測試的 AI 生成依賴推薦中,只有 20% 同時有效且不含已知漏洞。
- 依賴複雜度與年齡:被審計的應用平均包含 1,180 個開源組件,其中 64% 是透過其他依賴間接引入的。
- 修復機會:在2024年註冊表遙測中審查的有漏洞組件下載裡,約95%在下載時已有修復版本可用。
美國加州聖何塞,11月17日 /PRNewswire/ -- 為現代軟體供應鏈提供經過驗證的軟體工件的 CleanStart 今日發布《State of Software Dependency Trust 2026: From Dependency Management to Verified Software Foundations》。該報告審視了依賴複雜度上升、組件老化、上游軟體供應鏈攻擊以及 AI 輔助開發,如何改變組織在構建和維護軟體時面臨的風險。
報告還指出,在審計樣本中,68% 的組件使用時間超過兩年;而另一項註冊表遙測發現,約 95% 的有漏洞組件在下載時已有修復版本可用。綜合來看,這些發現說明軟體團隊面臨的挑戰正在擴大:既要弄清楚進入應用程序的內容,也要判斷其是否可信,並在開發者和 AI 系統以越來越快的速度引入依賴時持續維護它們。
CleanStart首席執行官兼聯合創始人Nilesh Jain表示:「軟體安全不能只停留在發現漏洞這一步。組織需要知道自己把什麼帶入了環境、這些內容來自哪裡,以及其完整性是否可以驗證。隨著軟體開發加速,尤其是在AI推動下,依賴採用的數量和速度只會繼續增加。行業需要從在採用後管理已知風險,轉向在使用前建立對軟體的信心。」
在這份十部分分析中,報告審視了軟體組成、修復延遲、行業和地域差異、上游攻擊、維護者能力以及AI輔助開發。其他發現包括:
- 在947個受審計的商業程式碼庫中,17%的觀察到組件位於傳統套件管理器之外,41%落後10個或更多版本。對47個領先的非npm開源項目的另一項審查發現,在40%的項目中,少數開發者貢獻了大部分提交,這凸顯了更廣泛的可見性和維護挑戰。
- 每個經過審計的程式碼庫的平均漏洞數增加了107%,從280個上升至581個。然而,包含漏洞的程式碼庫比例僅從86%上升至87%,這表明平均發現數量的增加,並不代表受影響應用程式的數量以同等幅度上升。
- 將AI模型與實時註冊表數據結合後,高風險和嚴重風險推薦減少了約70%。報告還探討了安全工具如何提升AI生成依賴推薦的質量。
- 報告審視了涉及盜用發布憑證、惡意安裝腳本以及被操縱的 CI/CD 基礎設施的軟體供應鏈事件。報告還強調了惡意軟體包活動的規模,以及組織在生成、使用和執行 SBOM 要求方面面臨的挑戰。
報告建議從最廣泛複用或最具關鍵性的鏡像、庫、運行時和軟體包入手。組織應為這些基礎建立最低證據要求,涵蓋身份、來源、溯源、完整性、安全性、維護和政策。讓這些證據能夠在應用之間複用,並可透過現有開發者和AI工作流存取,可以減少各團隊重複進行的評估工作。
CleanStart 透過 Clean Images 和 Clean Libraries 落實這一模式,提供經過驗證、可重用的軟體基礎。該方法與持續掃描、SBOM 生成、修復和運行時控制相輔相成,並會隨著組件、威脅和組織要求的變化持續審查。
報告綜合了已發布的審計、調查、生態系統遙測、事件報告和政策來源,並附有完整參考資料和方法學限制說明。
完整報告可在 https://clnstrt.co/dependency-trust-2026 取得。
關於 CleanStart
CleanStart 幫助組織透過經過驗證的軟體工件來保護現代軟體供應鏈。公司協助企業發現軟體資產、建立軟體溯源、以經過驗證的替代方案取代不安全的軟體元件,並持續驗證軟體完整性。這有助於組織更有信心地構建、採購和部署軟體,同時強化其軟體供應鏈安全態勢。
CleanStart 由 Nilesh Jain、Vijendra Katiyar 和 Biswajit De 創立,三人均擁有超過 20 年的全球網路安全領導經驗。CleanStart 正致力於讓「驗證」成為組織構建和保護現代軟體的基礎。
媒體聯絡:
Kyle Porter
EVP - 總經理
[email protected]

