版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
2026年度开源安全与风险分析报告AI时代的软件治理目录欢迎阅读2026年度OSSRA报告...
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.1软件编写方式已发生变革
.....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.2攻击面不断扩大....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.3关于今年的数据
...
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.4方法
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.4涵盖的行业
....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
5BlackDuckKnowledgeBase知识库
...
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
5数据收集周期....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
5主要调查结果
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
6代码库越来越复杂....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.7我们如何识别开源组件...
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.7安全风险:漏洞
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
8了解驱动因素....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.9高风险漏洞
....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.102025年的主要漏洞...
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.10供应链攻击:2025年回顾
.....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.11AI模型风险:新兴攻击面
....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.13不同行业的漏洞模式.....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.15法律和IP风险:许可.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.16许可冲突达到历史高位
.....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.16了解许可冲突....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.17为何许可冲突日益增多
.....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.172,675个冲突的调查结果
.....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.18十大开源许可证....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.18许可证风险类别....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.19AI许可证挑战....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.19没有许可证的组件....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.20不同行业的许可证冲突
.....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.21务实的许可证治理....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.21过时组件管理和维护债务....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2290%的问题
....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.22僵尸组件问题....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.23最新版本保持....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.23更新问题
....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.24欧盟《网络弹性法案》(CRA).
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.24对组件治理的影响....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.28不同行业的维护模式.....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.29规范的价值
....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.30昨日已逝:生活在AI时代...
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.31AI编码的普及程度:规模
....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.31治理差距
....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.32影子AI.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.33结论和建议:应对开源风险...
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
36数据告诉我们什么....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.36组织需要什么....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.36BlackDuck应用安全产品组合....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.37Signal全新上市:BlackDuck产品组合的进化式补充
......
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.39开始.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
40《开源安全和风险分析》(OSSRA)
报告十年来一直是业界评估开源代码状况的权威参考。每年,我们都会分析BlackDuck审计服务
团队对商业代码库进行审计后所获得的匿名结果,这为我们提供了无与伦比的真实视角,让我们能够了解开源在各个主要行业的欢迎阅读2026年度OSSRA报告并重塑了诸如欧盟《网络弹性法案》(CRA)和《数字运营弹性法案》
(DORA)等新法规的合规基线。使用现状,以及某些不当使用的情况。今年的报告发现了一个关键转折点:AI辅助开发的迅猛发展已从根本上改变了软件风险格局,12软件编写方式已经改变每个代码库中的开源漏洞平均数量已翻了一倍不止。许可证冲突激增至OSSRA历史上最高水平,这主要是由第三方依赖项的大量增加所致。目前,平均每个代码库包含超过8.4万个文件,这一数字在短短五年内翻了四倍。这些调查结果的紧迫性已在真实攻击数据中得到印证:在BlackDuck2025年调查的组织中,65%表示在过去一年内遭遇过软件供应链攻击。这些活跃的威胁正在影响各个行业的组织。传统的应用安全方法只适用于以人类速度手动编写代码的世界。如今,AI生成的代码正以前所未有的规模使用开源软件,这加快了软件开发速度,但AppSec团队难以跟上这种步伐。AI编码助手—如GitHubCopilot、Cursor、ClaudeCode和Windsurf等工具—现已成为开发人员工具包中与编译器或调试器同等重要的基础工具。BlackDuck研究发现,67%的组织已经开始使用AI驱动的编码助手。另外,在禁止开发人员使用AI编码辅助工具的公司中,有76%的公司承认,开发人员无视公司规定在偷偷使用这些工具。本报告所列出的挑战并非由AI编程工具本身造成,而是由它们所实现的规模和速度所致。检测这些工具在供应链中的使用情况是每个组织都需要持续应对的挑战。正如开源改变了软件开发一样⃞如今它已成为软件开发过程中不可或缺的一部分⸺AI辅助编码也将继续存在下去。本报告为您了解开源领域的现状及其对贵组织的安全、法律和运营风险状况的影响提供了所需数据。我们希望为您提供必要的洞察,助力您在不断演变的环境中做出明智决策。在Black
Duck2025年的调查中,65%的组织表示
在过去一年内遭遇过软
件供应链攻击。在那些禁止开发人员使用AI编码辅助工具的公司
中,有76%的公司承认,开
发人员无视公司规定在偷偷使用这些工具。AI编码助手已经成为开发人员工具包中与编译器或调试器同等重要的基础工具。65%76%33攻击面不断扩大每个代码库中的文件数量同比增长了74%。每个应用中的组件数量增长了30%。在Linux内核团队2024年决定成为CVE编号机构等因素的影响下,漏洞披露数量持续增加,仅这一项变化就增加了数千个与内核代码相关的新CVE条目。结果,安全团队需要评估、排序和修复的漏洞数量比以往任何时候都要多。这是应用安全领域的真实情况,并非安全工具的缺陷。组织必须弄清楚,其安全方法能否足够精确地区分真正的风险和干扰项,以及安全工具能否提供必要的信息来指导修复决策。依赖软件表层扫描的组织—无论使用传统工具还是基于AI的新工具—都面临着结构上的劣势。今年的数据表明,被审计的代码库平均包含581个漏洞。显然,仅有一份漏洞清单是不够的,您还需要相关背景信息—漏洞可利用性数据、修复指南、CVE数据库之外的其他信息来源—以及检测那些绕过包管理器进入代码库的开源代码的能力。接下来,我们将从风险的三个维度—安全漏洞、许可证合规以及软件过时的影响(也叫运营持续性)—来探讨今年数据所揭示的内容。然后,我们将探讨组织如何利用既有的方法和新兴的能力来应对这些挑战。组织必须弄清楚,其安全方法能否足够精确地区分真正的风险和干扰项,以及其安全工具能否提供必要的信息来指导修复决策。方法Black
Duck审计采用多种检测方法来全面盘点开源组件。•
依赖项分析用于检查包管理器和清单文件•
代码片段分析用于识别与已知开源代码匹配的代码片段•
二进制分析用于调查无法获取源代码的编译代码•
代码指纹分析用于将文件与Black
Duck
KnowledgeBase™知识库进行匹配上述多因素方法对于保证分析的准确性至关重要。仅依靠声明的依赖项(即在package.json或pom.xml中显示的内容)会遗漏代码库中相当一部分的开源组件,包括供应商代码、复制粘贴的片段和传递性依赖项。本报告中的调查结果基于BlackDuck审计服务团队在审计并购交易、监管合规性和内部风险评估的商业及专有代码库时生成的匿名数据。BlackDuck审计服务团队将单个客户代码库拆分为多个分析项,称为“项目”,以此来评估和展示审计数据。这种方法能够更精细地分析规模日益扩大的客户代码库,并实现高度准确的组件识别和依赖项追踪。虽然我们在OSSRA中仍然提及客户的整体“代码库”,但在更精细的层面上,2024年11月至2025年10月期间提交给Black
Duck的947个代码库涉及了对近3,000个独立项目的分析。扫描的代码库947分析的独立项目2,843涉及的并购交易197与单个代码库关联的最大项目数50关于今年的数据表1.2024-2025年分析的范围(来源:BlackDuck审计服务团队)4涵盖的行业今年分析的代码库涵盖了17个行业,其中“企业软件/SaaS”是最大的细分市场,涉及415个代码库。值得注意的是,“能源和清洁科技”领域的占比较去年翻了一番,而“医疗保健、健康科技和生命科学”领域的占比则大幅下降—这些变化反映了这些行业的并购活动更广泛。BlackDuckKnowledgeBase知识库所有的分析结果都会与Black
Duck
KnowledgeBase知识库—全球最全面且经过实践检验的开源情报库—进行比对,从而使BlackDuck能够提供经过验证的分析结果、漏洞可利用性数据和
修复指导,而其他工具(包括纯AI工具)只能进行猜测。数据收集期间本报告的调查结果基于2024年11月至2025年10月期间进行的审计,提供了有关开源使用和风险的最新信息。以下几部分呈现了今年分析的详细结果,首先是有关开源采用和代码库复杂度的关键指标,接下来深入探讨了开源风险的三个维度:安全漏洞、许可证合规性及运营持续性。最后一部分讨论了组织应如何利用Black
Duck的应用安全解决方案组合来应对这些挑战。317,000
个漏洞以及63,000
个提供漏洞情报的BlackDuck安全公告(BDSA)3.2
PB的开源软件元数据和档案来自超过5.8万个数据源的1,000万+开源项目跟踪了
3,000
个许可证安全专家20多年的精心研究BlackDuckKnowledgeBase知识库5表2.开源应用及代码库增长指标如表2所示,开源技术如今已在商业软件中普遍应用。我们审计的代码库中只有2%不包含任何开源组件—而且这2%也很可能是那些专门的老旧系统,而非新的开发项目。从实际角度来看,您现在构建软件时不可能绕过开源技术。这种普遍性意味着如今每个组织都依赖数千名开源维护者的安全实践、针对开源项目做出的许可决策以及这些项目组件的持续可用性。强大的供应链安全是现代软件开发的基础。主要调查结果开源代码的采用速度持续加快,而且开源的规模和复杂性—以及随之而来的风险—在我们所评估的每个纬度上都在增加。每个组织都依赖开践、针对开源项
目
1
pt
30%35%74%138%做出的许可决策以及这些项目组件的持续可用性。
含有开源代码
的代码库单个应用平均使用的OSS数量单个代码库的文件数量中位数单个代码库的文件数量平均数单个代码库的
最大项目数OSSRA2026OSSRA2025源维护者的安全实OSSRA2026OSSRA2026OSSRA2026OSSRA2026OSSRA
2025
16,082OSSRA2025
911OSSRA2025
48,415OSSRA2025
2198%97%21,67284,4991,18050\621,6727表4.开源组件检测方法(来源:BlackDuck审计服务团队)在我们的审计中,84%的开源组件是通过自动检测方法(如包管理器分析和清单文件扫描)识别出来的。这反映了我们所审查的代码库中的包管理生态系统的成熟度。但需要更深入分析的16%的开源组件则揭露了一个重要事实。这些代码并非通过标准的包管理工具进入代码库,而是来自依据供应商依赖项的直接复制、从Stack
Overflow中提取或AI助手生成的代码片段、或未包含源代码的二进制组件。这些组件对于仅依赖清单文件的工具是不可见的。仅依靠依赖项清单扫描的组织,会遗漏其代码库中近六分之一的开源组件。在当今世界,一个未经修补的漏洞就可能导致数据泄露,因此,这种疏忽是不可接受的。代码库越来越复杂在短短一年内,代码库文件数量的中位数就从16,082个增长到2,1672个,增长了35%,这反映出应用的复杂性在微服务架构、AI/ML依赖关系以及AI辅助开发速度的驱动下持续提高。虽然可能只是众多因素之一,但文件数量增长的时间点与AI编码助手的普遍采用相吻合。GitHubCopilot于2022年6月正式上线;到2023年底,该工具及其他同类工具已成为数百万开发者的标准工具。自动84%包管理器分析、清单文件扫描深入分析16%代码片段匹配、二进制分析、人工审查OSSRA2026OSSRA
2025
16,082我们如何识别开源组件表3.代码库复杂度的增长:文件数量趋势平均同比增长71
pt
107%32%54%12%含有至少一个漏洞的代码库单个代码库的平均漏洞总数单个代码库漏洞
数量的中位数单个代码库的平均独特漏洞数单个代码库含有的最多漏洞数量2024-25扫描
87%2023-24扫描86%2024-25扫描
5812023-24扫描2802024-25
扫描
38,9982023-24扫描34,736表5.漏洞状况:关键指标以及与上一年度对比的变化如表5所示,了解漏洞总数(平均值581)和独特漏洞数(平均值237)的区别很重要。漏洞总数统计每一个实例—如果某个易受攻击的jQuery版本出现在代码库中的10个不同位置,那就是10个漏洞。独特漏洞则是统计不同的CVE。虽然这两个指标都有显著增长,但总数反映了复杂应用之间重复依赖问题的日益严重。平均值(581)与中位数(78)之间的差距揭示了漏洞分布情况。大多数代码库都有几十到几百个漏洞。但单个代码库中的长尾漏洞增长至近3.9万个—尽管这是一个异常值,但却代表了真实组织在生产环境中运行的真实应用。安全风险:漏洞如果要问2026年OSSRA最令人瞩目的调查结果是什么,那便是:单个代码库的平均漏洞数增加了一倍多。本节将深入探讨漏洞状况:导致这一增长的因素有哪些、风险最集中的地方在哪里,以及组织必须应对的新兴威胁向量。2024-25扫描2372023-24扫描1542024-25扫描782023-24扫描59本报告来源于三个皮匠报告站(),由用户Id:1181721下载,文档Id:1195872,下载日期:2026-04-218了解驱动因素漏洞平均数量翻倍是多种因素共同影响的结果,而非单一原因导致。组件增长。代码库中的组件数量同比增加30%(从911个增加到1,180个),因此,漏洞总数也随之增加。每个组件都有自己的漏洞历史记录。更多的依赖项意味着更多的代码,而更多的代码则意味着更多的潜在漏洞。组件选择模式。AI编码助手倾向于推荐常用且成熟的库,即训练数据中出现频率最高的组件。因为这些库被广泛使用并受到严格审查,其漏洞历史记录往往更完整。开发速度。AI辅助开发加快了新依赖项进入代码库的速度,从而加剧了上述影响。漏洞披露加速。安全研究社区发现和披露漏洞的能力持续增强。值得注意的是,Linux内核团队在2024年初成为CVE编号机构(CNA),导致与内核相关的CVE条目急剧增加,从2023年的290个增加到2024年的3,500多个。对于任何依赖Linux内核的代码库而言,仅这一变化就在底层代码未发生任何改变的情况下增加了数百个漏洞。例如,在OSSRA2024-2025年的时间段内,就发现了超过5,000个Linux内核漏洞。漏洞的激增真实存在,但其原因却是多方面的。组织不应假定处理任何单一因素—无论AI治理、依赖项清理还是更新实践—就能单独解决问题。BDSA的优势表6中的统计数据反映了BlackDuck公开源漏洞报告的全面性,其范围超出了公共CVE数据库,且分析速度比NVD报告快得多。BDSA覆盖统计(2024.11一2025.10)数量新增BDSA20,520带有已分析的CVE的BDSA7,187带有未分析的CVE的BDSA13,333表6.Black
Duck安全公告的覆盖统计9排名CVE/BDSA独特漏洞数量漏洞总数代码库百分比1BDSA-2021-36519983,09735%2BDSA-2025-2047(CVE-2025-27789)87096121%3CVE-2022-2588379884121%4BDSA-2020-0964(CVE-2020-11023)7912,59428%5BDSA-2020-0686(CVE-2020-11022)7882,58828%6BDSA-2019-1138(CVE-2019-11358)7452,41527%7BDSA-2014-00636722,17925%8BDSA-2017-2930(CVE-2015-9251)6512,13525%9BDSA-2024-3717(CVE-2024-37890)63272121%10BDSA-2015-05675711,84123%BDSA覆盖范围。2024年11月至2025年10月,NVD尚未对有相应BlackDuckSecurityAdvisory(BDSA)条目的4,301个CVE进行分析。另有133个BDSA没有对应的CVE。有8,899个BDSA涵盖了CVE未涵盖的恶意软件包。BDSA速度。对于这段时间内分析的CVE,BlackDuck的分析速度平均快了100天,对高危和高风险漏洞的分析平均快了94天。恶意软件。大多数恶意软件包未分配到CVE编号,但确保对其可视仍至关重要,因为恶意软件对软件构成了持续威胁。BlackDuck创建了BDSA来跟踪和报告这些软件包的发现位置,为客户提供对供应链攻击的可视性,否则这些攻击将无法被检测到。持续扩展。BDSA在过去一年新增了2,0520个—平均每天新增56个—这既反映了开源漏洞披露速度的加快,也反映了BlackDuck致力于实现全面覆盖的承诺。高风险漏洞并非所有的漏洞都是同等严重的。表7按严重程度对调查结果进行了分类。表8.2025年最常见的十大CVE和BDSA重要发现:BDSA-2025-2047(CVE-2025-27789)是2025年的新条目,在其披露的第一年就出现在超过20%的代码库中。这种速度表明这个新漏洞在软件生态系统中的扩散速度有多快。与jQuery相关的漏洞(CVE-2020-1022、CVE-2020-1023、CVE-2019-11358、CVE-2015-9251)继续占据主导地位,共影响了25%-28%的代码库。这些漏洞已经存在多年,补丁也已经提供很长时间,但仍存在于大量的商业软件中。表7.高风险和高危漏洞趋势高风险和高危漏洞的小幅减少是今年数据中为数不多的积极信号之一。这表明,尽管漏洞总数有所增加,但组织正在优先考虑并成功修复最严重的漏洞。然而,这些数字仍然令人担忧。超过四分之三的代码库至少包含一个高风险漏洞,近一半的代码库包含高危漏洞。这些漏洞一旦被利用,可能会导致严重的数据泄露、系统被攻破或运营中断。3
pts4
pts含有高风险漏洞的代码库含有高危漏洞的
代码库2024-25扫描
78%2023-24扫描
81%2024-25扫描44%2023-24扫描
48%2025年的十大安全漏洞表8显示了代码库审计中发现的最常见漏洞。10供应链攻击:2025年回顾我们所发现的安全漏洞的紧迫性通过真实世界的攻击数据得到了有力证明:在2025年参与BlackDuck调研的组织中,65%指出他们在过去一年中遭遇了软件供应链攻击。对于BlackDuck在开源生态系统中识别出的恶意软件包:•
66%是专门为了通过域名仿冒、依赖项混淆或社会工程手段损害用户而创建的恶意软件包•
34%是被劫持的合法软件包
⸺
它们在获得社区信任后被维护者账户接管或恶意提交等手段遭到破坏被劫持的合法软件包尤其危险。这些软件包已经建立了使用基础,拥有良好的声誉和用户群体。一旦遭到破坏,其影响范围有可能扩展到依赖它们的每一个应用。npm围攻:2025年9月2025年9月,JavaScript生态系统遭遇了其历史上最复杂、步调最一致的供应链攻击。多场同时展开的行动(包括
PhantomRaven和Shai
Hulud)表明,每周下载量超26亿次的npm注册表的信任模型能够被大规模滥用。PhantomRaven行动于8月下旬被发现,并在9月达到顶峰,其特点是具有技术规避能力。与之前依赖简单的拼写错误抢注的攻击不同,PhantomRaven直接针对依赖解析机制本身。PhantomRaven软件包在静态检查时看起来基本上是安全的。真正的恶意代码是在安装过程中才被引入—攻击者利用脚本从其控制的外部基础设施中获取恶意代码。在开源生态系统中发现的恶意软件包中,有34%是被劫持的合法软件包,即在获得社区信任后通过维护者账户接管或恶意提
交等手段实施破坏软件包中,有66%是专门为了通过域名仿冒、依赖项混淆或社会工程手段损害用户而创建的65%的组织指出其在过去一年中遭遇了软件供应链攻击—针对各行各业组织的现实威胁。66%
在开源生态系统中发现的恶意34%11影响2025年的供应链攻击揭示了几个发人深省的事实。•信任是可传递的,也是脆弱的。Chalk和Debug等基础工具包遭到破坏表明,开发人员构建的每个应用程序的安全性都取决于他们
从未听说过的维护人员的安全实践,这些维护人员并不知道他们所管理项目的对外依赖。•复杂性会增加攻击面。React2Shell表明,即使是“设计安全”的框架,其架
构复杂性也可能产生严重漏洞。框架越复杂,就越
有可能出现难以察觉的特殊情况,从而变得可被利
用。•
AI既增强了攻击能力,也提升了防御能力。攻击者使用AI生成看似合理的包名,并大规模发现
漏洞。同样的能力也能为防御者提供帮助—但前提是安全工具能够不断发展演进以应对威胁。Shai-Hulud:自传播蠕虫Shai-Hulud行动引入了真正的自我传播功能,标志着供应链攻击的重大升级。在一次有针对性的MFA钓鱼攻击行动中,攻击者从Postman、PostHog和AsyncAPI等项目中接管维护者账户,然后将恶意脚本注入到受感染的软件包中,并作为新版本发布。一旦安装,该恶意软件就会获取敏感凭证—包括Git和GitHub令牌、环境变量、npm令牌和API密钥—并自动使用窃取的npm
凭证向受害者维护的任何其他软件包发布已安装木马的更新,从而使病毒在整个生态系统中快速自动传播。第一波行动破坏了500多个软件包,成千上万的凭证可能已在npm清除恶意版本之前被泄露。发生在2025年11月的第二波行
动,即ShaiHulud2.0版本,使用了更激进的攻击载荷,其在npm安装期间执行(即使安装随后失败也不受影响),并在安装完成
之前添加破坏性行为,例如在找不到凭证时擦除用户的主目录。这个版本破坏了近800个软件包,创建了超过2.5万个包含被盗机密信息的GitHub存储库,并泄露了超过40万个凭证,大大扩大了清除前的波及范围。React2Shell:架构复杂性作为攻击向量(CVE-2025-55182)npm攻击针对的是代码分发,React2Shell漏洞(CVE-2025-55182)则代表另一类供应链风险:架构复杂性在可信框架中创建了可利用的攻击向量。React2Shell于2025年12月被披露,是React服务器组件(RSC)中一个不安全的反序列化漏洞,特别是在用于服务器-客户端通信的ReactFlight协议中。该漏洞允许攻击者通过精心构造的HTTPPOST请求实现远程代码执行,而无需身份验证。国家支持的活动:Lazarus集团供应链攻击不仅限于寻求经济利益的犯罪分子。2025年,朝鲜国家支持的Lazarus组织对金融和加密货币领域发动了猛烈的攻击。Lazarus向npm和PyPI发布了100多个恶意软件包,这些软件包通常伪装成用于管理加密货币钱包或连接银行API的工具。该组织利用拼写错误抢注和组合抢注(将热门软件包的名字组合在一起)来欺骗开发人员。12可视化挑战AI模型带来了一个独特的治理挑战:它们可以规避常规检测方式嵌入到应用中。与清单文件中声明的传统依赖不同,AI模型可以:•
故意掩饰:隐藏在应用源文件的深处•
不声明:不在构建清单或依赖关系树中列出•
从源头修改:通过重新训练或微调来改变其行为和风险状况如果不了解代码库中存在哪些模型,组织就无法评估其风险敞口。这种风险是多维度的。许可复杂性AI模型经常存在一些模糊不清或被误解的许可义务。从HuggingFace或类似存储库下载的模型可能受开源许可证、商业许可证或定制条款的约束,从而限制其使用场景、要求注明出处或规定再分发义务。一个模型是被简单地使用还是大规模重新训练,在许可义务方面也有区别。重新训练的基础模型可能与直接使用的模型承担不同的许可义务。组织在制定AI模型使用的相关政策时—例如“禁止使用重新训练的基础模型”或“禁止使用训练数据集未公开的模型”—需要了解模型的来源,以执行这些政策。13AI模型风险:新兴攻击面AI和ML正在成为现代应用的支柱,仅在2024年,就有超过85万个模型进入了HuggingFace等平台。随着各组织将AI/ML模型纳入其软件中,一种新的风险类别浮出水面—BlackDuck研究显示,49%的组织已将开源AI/ML模型包含在其发布的软件中。49%的组织将开源AI/ML模型直接纳入其发布的软件中,形成了传统安全工具无法应对的新攻击面。监管压力欧盟的《人工智能法案》以及类似新法规的出台(如韩国新颁布的《人工智能基本法》)正在为AI系统设定责任要求。各组织必须能够证明:•
应用中采用了哪些模型?•
这些模型的来源•
它们接受了哪些数据的训练?•
它们是如何被修改的•
模型的执行位置以及是否存在数据主权问题客户、合作伙伴和监管机构越来越期望AI组件的透明。无法提供这些信息的组织将面临监管风险和竞争劣势。供应链透明度正如软件物料清单(SBOM)对于追踪开源组件变得至关重要一样,AI模型的透明度也正成为供应链治理的一项必要要求。组织需具备以下能力:•
识别代码库中存在的模型,即使这些模型没有明确声明•
了解模型的起源、能力和训练数据•
将模型信息纳入SBOM,以满足客户和行业要求•
对AI模型的使用实行一致的政策这对安全团队意味着什么我们对AI模型相关风险的了解—包括提示词注入漏洞、数据中毒、对抗性输入和供应链攻击—仍在不断深化。安全研究领域正在积极探索这些攻击向量,而未来几年,威胁格局将会迅速发生变化。如今可以明确的是,组织需要具备基本的可视性:无法保护看不到的东西。随着AI模型变得像开源库一样普及,适用于开源依赖项的治理规则必须延伸到AI组件。1414行业教育科技零售和电子商务金融服务和金融科技能源与清洁技术大数据、AI、BI和机器学习医疗保健、健康科技和生命科学
制造业、工业和机器人航空航天、汽车、运输和物流电信和无线网络安全
物联网营销科技企业软件/SaaS互联网和软件基础架构互联网和移动应用I计算机硬件和半导体虚拟现实、游戏、娱乐和媒体包含高风险或高危漏洞的代码库的百分比100%93%92%
89%
88%
88%
88%
87%
87%85%85%83%80%80%78%59%48%表9.按行业划分的漏洞情况研究发现,所有接受审计的“教育科技”代码库中都包含高风险或高危漏洞,这一结果令人震惊,尽管可能是因为教育科技领域普遍存在的资源限制,而非技术选择本身的高风险。“零售/电子商务”和“金融服务/金融科技”应用的漏洞集中度较高(分别为93%和92%),反映了其具有广泛第三方集成庞大、复杂的代码库。这些行业的监管要求(如零售/电子商务领域的PCIDSS)通常会限制更新速度—变更需要大量的测试、文档编制和审批流程,这可能会减缓修复工作。尽管DORA等金融服务法规日益要求金融机构掌握其供应链的详细情况,并尽量减少未修复漏洞带来的风险。“医疗保健、健康科技和生命科学”应用(88%)面临类似的监管限制。HIPAA合规性增加了每次变更的开销,而复杂的集成(EHR、保险系统、医疗器械API)和高度谨慎的监管文化往往会导致更新或现代化工作进展缓慢。这种谨慎的态度导致过时系统和未修复漏洞比预期的存在时间更长。另一方面,“计算机硬件/半导体”行业(59%)和“虚拟现实/游戏/娱乐/媒体”行业(48%)的漏洞比率明显较低。这些行业往往具有更可控的依赖选择机制、更长的开发周期,并且(对于硬件行业而言)拥有大量的专有代码而非开源依赖项。不同行业的漏洞模式不同行业的技术架构、监管环境和开发实践不同,所以漏洞情况差异很大。15法律和IP风险:许可开源许可很少能像漏洞问题那样引发紧迫的应对措施。安全事件会登上新闻头条;而许可纠纷则会悄然解决。但因违反许可协议而产生的法律和财务风险可能会超过安全漏洞造成的损失,而且与漏洞不同的是,许可义务不会到期。在并购尽职调查期间发现的GPL违规行为可能会导致收购失败。竞争对手引发的许可冲突可能引发昂贵的诉讼。在AI生成代码来源不明的时代,许可风险评估的难度比以往任何时候都更大。本节将探讨我们在审计数据中揭示的许可情况:OSSRA历史上许可冲突的最大同比增长,其背后的驱动因素,以及AI引入的许可风险带来的新挑战。许可冲突达到历史最高点12pt
存在许可冲突的
代码库68%OSSRA202656%OSSRA2025存在许可冲突的
代码库(不包括
组件之间的冲突)59%OSSRA2026141%51%60%单个代码库中的最大许可冲突数量每个代码库的平均许可冲突数量每个代码库的许可冲突中位数OSSRA2026
2,675OSSRA
2025
1,109OSSRA2026
8OSSRA2025
5三分之二的商业代码
库中存在可能导致法律风险或合规问题的
许可冲突。
表10.许可冲突指标:年度对比分析在我们审计的代码库中,有三分之二存在许可冲突,达到OSSRA历史高位。12个百分点的增幅(从56%上升到68%)是我们有记录以来最大的单年增幅。OSSRA
2026104OSSRA20256916今年新增的指标—59%的代码库存在许可冲突问题(不包括组件之间的冲突)—凸显了直接影响组织按预期分发软件的能力问题。这些冲突具有极高的潜在法律影响。了解许可冲突当一个许可证的条款与同一代码库中另一个许可证的条款不兼容,或者当某个组件的许可证与代码库的预期分发模式不匹配时,就会出现许可冲突。常见的冲突模式包括:•著佐权与专有分发。GPL等严格的著佐权许可证要求衍生作品在相同的许可条款下分发。如果在专有软件中包含GPL许可的代码,而不根据GPL发布专有代码,则视为许可违规。•许可证版本不兼容。GPLv2和GPLv3并非自动兼容。“仅适用于GPLv2”的许可代码不能与“GPLv3或更高版本”的许可代码结合使
用,否则会违反其中一个或两个许可证。•署名要求冲突。某些许可证要求特定的署名格式、位置或醒目程度。当多个组件具有相互冲突的署名要求时,满足所有这些要求可能不切实际或无法实现。•组件间冲突。同一应用中的两个开源组件可能具有互不兼容的许可证,即使两者都不与该应用自身的许可证产生冲突。为何许可冲突日益增多简单来说:组件越多,许可证数量就越多。由于每个应用的平均组件数量增加了30%,许可证交互的复杂性呈指数级增长。每个新的依赖项都有自己的许可证,而每个许可证都必须与依赖关系树中的其他所有许可证以及整个项目的许可证兼容。根据我们的分析,在一个典型的代码库中,64%的开源组件是由直接依赖项自动引入的传递性依赖项。开发人员从未明确选择这些组件,但他们的代码却受这些组件的许可条款约束。开发人员在添加单个库时可能会不知不觉地引入数十个传递性依赖项,且每个依赖项都有其自己的许可义务。一个包含1,180个组件的应用(当前的平均值)有超过69.5万种可能的组件组合。即使只有很小比例的组件不兼容也会产生大量的冲突。最大冲突数量从1,109增加到2,675,增长了141%,这反映了这种叠加效应。更多的组件所产生的潜在冲突组合不是线性的,而是指数级的。在一个典型的代码库
传递性依赖—它们由直接依赖自动引入。中,64%的开源组件是
172,675个冲突的调查结果我们的审计发现,某个代码库存在2,675个不同的许可证冲突,是前一年最大值的两倍多。一个应用如何累积如此多的许可证冲突呢?•这是一个拥有数百个直接依赖项的大型应用•每个直接依赖项都会引入传递性依赖项•传递性依赖项又会引入它们自己的传递性依赖项•
依赖关系树扩展到数千个组件•
每个组件之间都可能产生冲突•
随着组件数量的增加,冲突会成倍增加这里所说的代码库与一个大型Gradle项目有关,该项目包含众多JAR文件,这些文件对应的组件通常都遵循Apache2.0许可协议(在已确定的3,235个组件中,有2,494个(即77%)遵循Apache许可协议)。众所周知,Apache许可证与其他一些开源许可证的条款存在冲突,从而导致了我们所发现的大量冲突。许可证MITLicenseApacheLicense2.0BSD3-ClauseBSD2-ClauseISCLicenseGenericPublicDomainGNU
LGPL
v2.1或更高版本无许可证Creative
Commons
Zero
v1.0MozillaPublicLicense2.0代码库占比92%90%85%74% 61% 57%
48%
47%
46%
45%表11.按代码库覆盖率排名的
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 23-急诊医学科病案首页填报指南
- 2026事业单位综合岗面试易错题题库及解析
- HIV相关模板课件
- 宁夏银川市某中学西校区2025~2026学年第二学期期末考试八年级英语试卷(含答案)
- 黄河课件教学课件
- 2026年国家电网统招考试金融类专业知识模拟试题及答案(三)
- (2026年)学校食堂安全管理制度
- 2026年初级助理社工师资格考试社会工作实务(初级)冲刺模拟考试卷及答案(共二十套)
- 高中一年级历史教学设计:探源中华文明 解码早期国家-中华文明起源与早期国家一课的整体建构
- 初中七年级地理教学设计:美国农工业空间分布与区域关联性深度解析
- 光盘打卡知识讲座课件
- 创业邦2026年Q3中国企业并购研究报告
- 一年级上册数学期中质量检测卷(青岛版五四学制)(含答案)
- 2026年行政执法人员试题库及答案
- 2026秋新教材人教PEP版六年级上册英语全册教案(单元整体教学设计)
- 2026年浙江中考(语文)考试试卷真题(含答案)
- 2026新教科版四年级科学上册第一单元第5课《空气流动有力量》课件
- 2026年广东省春季高考(学考)语文真题(含解析)
- 2026年资产评估师资产评估实务(二)考试真题及答案
- 2026年中国铁路南宁局铁路局校园招聘真题
- 2025 先进涂层材料及表面处理技术研讨会:SAE AS1701F标准及其适用的干膜润滑剂介绍
评论
0/150
提交评论