背景與問題
InfoQ 於 2026 年 11 月 16 日刊出的 Podcast 中,主持人 Olimpiu Pop 與 Christopher "CRob" Robinson 對談。Robinson 在 OpenSSF(Open Source Security Foundation,開源安全基金會)與 Akrites(上游開源協同事件回應團隊)擔任技術主管,也在多項 Linux Foundation 專案中負責安全架構。OpenSSF 的工作集中在應用程式安全、供應鏈安全與 AI 安全,主要支持上游維護者,同時也協助銀行、醫院、零售商與製造商等下游機構判斷所引入專案的安全狀態。
對話的背景,是近期軟體供應鏈事件持續升高。PyPI 相關事件、PHP 維護者指出四個條件難得同時出現卻仍同時發生,以及 AI 帶來的額外複雜性,都說明現在的風險不只來自程式碼缺陷,也來自社群工程、流程疏忽與自動化選擇機制。typosquatting(名稱仿冒套件)與版本操弄等問題,正是典型例子:攻擊者不需要攻破底層系統,只要讓使用者選錯套件或選到被動過手腳的版本,就能進入供應鏈。過去安全常被放在交付尾端,等問題發生後再補救;現在更有效的方式,是把安全控制前移到維護與整合階段,讓最佳實踐成為可檢查、可驗證的日常流程。
核心框架:從 Scorecard 到 Security Baseline
Robinson 將 OpenSSF 的使用者分成兩類:上游開源維護者,以及把開源專案帶進產品與核心營運的下游組織。Scorecard 是其中一項基礎工具,它為專案的安全姿態打分,既幫助維護者挑選相依套件,也讓下游消費者能比較兩個套件中哪一個展現出更成熟的安全做法。它的價值不只在技術檢查,也在於把安全狀態變成公開訊號,讓採購與整合決策有具體依據,而不是只靠專案名氣或文件宣傳。
Security Baseline(安全基準框架)可視為 Scorecard 的下一步。Robinson 表示,這套框架整理出 41 項建議控制與實踐,參考 EU CRA(Cyber Resilience Act,歐盟網路韌性法案)、NIST SSDF(Secure Software Development Framework,安全軟體開發框架)、美國行政命令與日本相關法規,把法規與框架轉譯成維護者與消費者能執行的動作。控制項目涵蓋技術設定,例如原始碼庫啟用分支保護;也包含組織層面的做法,例如發布清楚的安全政策、記錄貢獻者加入流程與維護者晉升路徑。這類項目看似基礎,卻直接影響專案能否抵抗权限濫用、意外提交與維護斷層。
Security Baseline 分為三個成熟度層級。Level 1 最容易入門,大致相當於 Scorecard 的中間分數,對有經驗的開發者而言約兩小時可完成,重點是文件與基本治理。這裡需要分清法律責任:EU CRA 明確豁免未從開源工作中獲利的維護者,非營利維護者通常不是法規直接約束對象;但商業下游消費者必須因應合規要求,因此他們會重視供應鏈中每個專案是否可被驗證。對上游專案來說,採用 Security Baseline 不一定等於法律義務,卻會提高被整合的機會,並可能帶來更多貢獻者、使用者、功能請求與程式碼審查。
SLSA(Supply Chain Levels for Software Artifacts,軟體工件供應鏈層級)補上另一半問題。Scorecard 與 Security Baseline 偏向審視專案與流程品質,SLSA 則處理來源、譜系與完整性,也就是軟體工件究竟如何從開發環境進入交付管道。它把 IDE(整合開發環境)、開發工作站、原始碼庫、CI/CD(持續整合與持續交付)管線,以及發行系統都納入硬化範圍,並以成熟度層級描述基礎設施可信度的提升。兩類框架搭配後,組織能同時回答兩個關鍵問題:專案本身做了哪些安全控制,以及最終工件如何被建置、驗證與交付。
AI 進入開發流程後的護欄
Robinson 自稱是「AI 現實主義者」,因為大型語言模型與 AI 代理程式把大量新參與者帶進軟體開發,會計、行銷與營運人員也能透過提示產生程式碼。問題在於,產能提升不等於工程紀律自動成立。LLM(Large Language Model,大型語言模型)是根據脈絡做統計預測,不是可靠推理本身,輸出可能錯誤;它擅長在龐大資料中找模式,但需要人類設定邊界。若沒有安全護欄,團隊可能在追求速度的同時,跳過半個世紀累積下來的工程與安全實踐,甚至把個人或公司敏感資料交給外部模型。
OpenSSF 今年引進專責 AI Security Architect(人工智慧安全架構師),推動 Open Source Software Cyber Reasoning System(開源軟體網路推理系統)。這是一套模組化 harness(執行框架),可接入不同 AI 模型、調整操作方式,並加入安全技能與領域脈絡。Robinson 提到,後續會把 Scorecard、SLSA 與 Security Insights(資安洞察分析能力)轉成技能模組,讓自動化代理在產生程式碼時就能套用既有安全實踐。對資深工程師而言,LLM 能加快工作並強化守則;對缺少工程背景的使用者而言,工具必須在正確位置主動觸發檢查,否則安全標準仍會停留在文件裡。
AI 貢獻政策也呈現分歧。Linux 核心允許在開發者審查下使用 AI 協助,Linus Torvalds 也把 AI 視為需要監督的工具;審查資源較少的小型專案,則可能採取更嚴格限制。Robinson 的看法是,政策不必一致,但必須清楚。開源專案需要明確說明是否接受 AI 生成內容、要求何種人工審查、如何處理自動化漏洞報告,這樣貢獻者才能判斷自己的工作流程是否符合專案期望。
CRA 的全球訊號與數位主權
Robinson 從高度監理的銀行業起步,因此對清楚合規框架的價值有深切體會。他認為 EU CRA 的重點接近 GDPR 對公民資料保護的定位:GDPR 處理資料權利,CRA 則把焦點放在消費者免受軟體漏洞與不安全產品傷害。CRA 從秋季起分階段適用,完整生效日為 2027 年 12 月 11 日。英國、印度、日本與澳洲都在觀察其實施方式,未來數年可能出現與 CRA 對齊的法規。對跨國團隊而言,真正重要的不是各國是否立法,而是標準能否一致;若歐洲採用既有 SBOM(Software Bill of Materials,軟體物料清單)標準,另一地區卻要求專有 86 項準則,製造商與開發者就會承受彼此衝突的合規成本。
數位主權是這條路的另一層意義。Robinson 認為,開源軟體提供組織維持自主性的基礎,因為團隊可以檢查、分叉、修改程式碼,並把改良回饋社群,而不是依賴單一商業供應商。這種彈性允許組織組合不同來源的最佳工具,例如把開放權重 LLM、歐洲雲端託管、美國開發的網頁伺服器與全球元件放在一起,同時保留對技術堆疊的透明度與控制權。對企業來說,這不只是意識形態選擇,而是降低供應中斷、價格變化與廠商鎖定風險的實際手段。
Olimpiu Pop 在對談中把這個方向與 local first software(本地優先軟體)連結:資料所有權應回到使用者手中,應用程式不應讓使用者完全依賴集中式雲端服務;當服務關閉時,使用者不該只得到一份難以運用的匯出檔。Robinson 對此表示同意。對企業而言,CRA 合規、供應鏈硬化與數位主權並不是三件分開的事:前者把安全要求轉成可驗證控制,中間一層讓軟體來源與交付路徑可信,後者則確保資料與技術選擇不被單一廠商鎖住。
影響與限制
核心判斷是,CRA 的影響不只是法務部門的工作,而是會向下滲透到分支保護、安全政策、相依套件選擇、建置管線與 AI 輔助開發的設定。Security Baseline 讓合規要求變成具體動作,SLSA 讓基礎設施的可信程度可以被描述,Scorecard 則讓外部看見專案目前的安全狀態。這些控制能讓程式碼更堅固,也能讓開源專案更容易被企業放心採用。
限制同樣清楚。Level 1 主要建立文件與基本治理,不代表專案 already mature? 不行,要繁體:「不代表專案已達成熟」。
限制同樣清楚。Level 1 主要建立文件與基本治理,不代表專案已達成熟;開源維護者與商業消費者的法律義務不同,不能把豁免誤解成完全不需要安全治理;AI 技能必須被正確設定,也需要人工審查,否則速度提升可能換成資料外洩與錯誤程式碼;各國法規仍處於滾動階段,日後能否一致執行,會直接影響跨國軟體交付的成本。即使如此,InfoQ 這場對談留下的方向很明確:把合規壓力轉成工程控制,再用開源、可驗證供應鏈與資料自主權,換取更強的韌性與選擇權。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理,並非原文逐字翻譯。