Asystenci AI poszerzają ryzyko w łańcuchu dostaw oprogramowania

Asystent programowania potrafi w kilka chwil zaproponować kod korzystający z nowej biblioteki, pakietu lub obrazu kontenera. Każdy taki element staje się jednak częścią łańcucha dostaw oprogramowania: trzeba ustalić, skąd pochodzi, od czego sam zależy i czy zawiera podatności. Gdy zależności przybywa szybciej, niż zespół bezpieczeństwa może je sprawdzać, rośnie liczba możliwych dróg wprowadzenia do firmowego projektu złośliwego lub przejętego komponentu. 17

Dlaczego dotychczasowy obieg zgód nie wystarcza?

Quincy Castro, dyrektor ds. bezpieczeństwa informacji w Chainguard, zwraca uwagę na różnicę tempa: generowanie kodu jest niemal natychmiastowe, natomiast zgłoszenie nowej zależności, jej przegląd i zatwierdzenie wymagają pracy ludzi. Procedura oparta na rozpatrywaniu każdego wniosku po kolei staje się wąskim gardłem, podczas gdy lista używanych komponentów nadal się wydłuża. 17

Problem nie kończy się na najpopularniejszych narzędziach. W zestawieniu Chainguard za czerwiec 2026 r. 97% zaobserwowanych przypadków podatności przypadało na projekty spoza pierwszej dwudziestki pod względem popularności. Chodzi o przypadki odnotowane w badanej próbie, a nie o odsetek wszystkich projektów z podatnościami. Wynik pokazuje, że kontrola ograniczona do najbardziej znanych obrazów kontenerów pomija znaczną część zagrożeń widocznych w tzw. długim ogonie zależności.

Mniej znany projekt czy popularne narzędzie? Oba wymagają ostrożności

Złośliwa kopia projektu — fork — może przypominać prawdziwe repozytorium, choć zawiera zmieniony kod. Asystent lub programista, który wybierze ją bez weryfikacji, może włączyć ten kod do własnego projektu. Nie daje jednak gwarancji bezpieczeństwa także popularność: w marcu 2026 r. napastnicy naruszyli dystrybucję skanera podatności Trivy przez GitHub Actions. Złośliwy kod w uruchamianych procesach służył do wykradania danych uwierzytelniających; potencjalne skutki mogły objąć tysiące organizacji. 17

Co zbada Indiana University?

Równolegle badacze z Indiana University planują oceniać zagrożenia dotyczące narzędzi i modeli AI z otwartym kodem używanych w badaniach naukowych oraz pomagać użytkownikom wybierać bezpieczniejsze rozwiązania. Projekt otrzymał 1,18 mln dolarów od amerykańskiej National Science Foundation (NSF), agencji finansującej badania. 6

Z uczelnią związany jest Jetstream2 — wspierana przez NSF chmura obliczeniowa dla naukowców, wskazywana jako infrastruktura dla tych prac. Dostępny opis projektu nie określa jednak szczegółowej metody oceniania modeli ani nie daje podstaw, by uznać przyszłe rekomendacje za gwarancję braku ryzyka. 62