赛迪译丛2025年第4期（总第679期）_给CISA主任的报告_开源安全-加水印_2_28页_1mb

CCiD 赛迪智库：开源安全报告总结

核心内容

本报告由美国网络安全和基础设施安全局（CISA）网络安全咨询委员会（CSAC）下设的技术咨询委员会（TAC）小组委员会发布，赛迪智库对其进行了编译。报告聚焦于开源软件安全消费的四个关键问题：安全消费规范、政府鼓励措施、引导商业公司承担责任、人工智能开源安全与风险防范。旨在为我国相关部门提供参考，以提升开源软件在关键基础设施和公共领域的安全性。

主要观点

1. 开源软件的重要性与安全风险

• 开源软件已成为现代社会的重要组成部分，创造了约8万亿美元的总价值。
• 约80%~90%的软件是开源的，或包含开源组件。
• 软件供应链的复杂性使得单个漏洞可能引发广泛影响。
• 开源软件的“按原样提供”条款使开发者不承担法律义务，增加了用户安全责任。

2. 开源安全消费规范

• 顺流而下：下游用户应尽量使用最新版本开源软件，以便快速响应安全漏洞。
• 逆流而上：用户应将修改反馈给上游开发者，以提升项目整体安全性。
• 规范作用：规范有助于减轻维护负担，提高项目成熟度和可持续性。

3. 政府鼓励开源安全消费的措施

• 采购：制定采购指南，推动供应商遵守安全规范。
• 感知：利用现有项目推广开源安全最佳实践。
• 信息交换所：发布开源软件使用情况和安全信息，促进透明度。
• 集中管理：由专门机构统一管理开源软件消费，提升安全性和效率。

4. 引导商业公司承担开源安全责任

• 管理员模式：由第三方“管理员”承担部分开源软件的安全责任，提升整体安全性。
• 标准化模板：采用自动化模板，提升构建、测试和报告流程的标准化与安全性。
• 责任与法律差异：开源软件开发者通常不承担法律责任，而商业软件供应商则需遵循相关法律。

5. 人工智能开源安全与风险防范

• 透明度：政府在使用AI大模型时需特别关注透明度、可审计性和可重现性。
• 数据与模型权重记录：需记录数据来源和模型权重，以确保可验证性。
• 透明度卡：建议推广“透明度卡”机制，提高AI模型的可审计性和可重现性。
• 安全研究支持：CISA可支持国会图书馆对AI模型数据和权重的访问豁免，以促进安全研究。

关键信息

• 开源安全挑战：开源软件生态缺乏硬性法律约束，依赖社区规范和用户反馈。
• SBOM与SLSA：软件物料清单（SBOM）和软件工件供应链级别（SLSA）是提升开源安全的重要工具，但尚需推广和标准化。
• 管理员角色：管理员作为开源软件生产者和消费者之间的中介，有助于提升安全性和规范性。
• AI安全需求：AI模型的透明度和可审计性是保障其安全性的关键，需通过数据卡、模型卡等方式实现。

建议总结

1. 制定开源安全消费指南：CISA应发布指导性文件，涵盖开源软件选择、版本更新、变更上游化等内容。
2. 加强感知与信息交换所：完善现有感知项目，建立开源软件使用和安全信息共享机制。
3. 推广管理员模式：鼓励联邦机构及供应商采用管理员模式，以提升开源软件的安全性和合规性。
4. 采用标准化自动化模板：推动构建、测试和报告流程的标准化，提升整体安全性。
5. 支持透明度卡机制：推广数据卡和模型卡，提高AI模型的透明度与可审计性。
6. 推动SBOM与SLSA互操作性：建立标准化的SBOM与SLSA格式，以提升软件供应链的安全性。
7. 支持AI研究访问豁免：鼓励CISA支持国会图书馆对AI训练数据和模型的访问豁免，以促进安全研究。

结构性变革必要性

报告指出，开源安全消费的长期解决方案需要结构性变革，以弥合“按原样提供”条款与自上而下的问责机制之间的差距。通过管理员角色的引入、规范的制定、工具的使用以及AI透明度的提升，可以实现开源软件生态的更安全、更可持续发展。

附注信息

• 关键词：开源软件、开源安全、安全消费规范、商业公司、人工智能
• 译者：赛迪工业和信息化研究院 王令泰、黄文鸿、李昕跃
• 联系方式：王乐，电话：010-68200552 / 13701083941，邮箱：wangle@ccidgroup.com
• 编辑部：赛迪工业和信息化研究院，地址：北京市海淀区紫竹院路66号赛迪大厦8层国际合作处，邮编：100048