ИИ-ассистенты ускоряют разработку — и расширяют риски для цепочки поставок ПО

ИИ-ассистент может за минуты предложить код вместе с новой библиотекой, пакетом или контейнерным образом. Но скорость добавления компонентов не равна скорости их проверки: команде безопасности ещё нужно установить происхождение зависимости и оценить её уязвимости. Чем больше непроверенных компонентов оказывается в проекте, тем больше возможных точек входа для атаки через цепочку поставок ПО. 17

Почему привычное согласование не успевает

По словам директора по информационной безопасности Chainguard Куинси Кастро, традиционная схема — запросить новую зависимость, изучить её и разрешить использование — рассчитана на более медленный темп разработки. Когда ИИ генерирует код почти мгновенно, очередь на согласование становится узким местом, а список зависимостей продолжает расти. 17

Что на самом деле означают 97%

В опубликованных Chainguard данных за июнь 2026 года 97% зафиксированных случаев уязвимостей пришлись на проекты за пределами 20 самых популярных в исследованной выборке контейнерных образов. Речь идёт о случаях обнаружения уязвимостей, а не о доле уязвимых проектов или обо всём открытом ПО. Вывод для команд безопасности практический: проверка только наиболее известных компонентов оставляет без внимания значительную часть риска в «длинном хвосте» менее заметных зависимостей. 17

Менее известный проект можно подменить вредоносным ответвлением — форком, внешне похожим на исходный проект. Но и популярность не гарантирует защиты. В марте 2026 года злоумышленники скомпрометировали распространение сканера уязвимостей Trivy через GitHub Actions — механизм автоматического выполнения задач в репозиториях. Это позволило похищать учётные данные из затронутых процессов сборки и потенциально поставило под угрозу множество организаций. 17

Какую задачу решает Университет Индианы

Смежную проблему в научной среде изучит Университет Индианы. На грант Национального научного фонда США (NSF) в размере $1,18 млн исследователи планируют оценивать риски безопасности открытых ИИ-инструментов и моделей, используемых в исследованиях, и помогать пользователям выбирать более безопасные варианты. Jetstream2 — поддерживаемая NSF исследовательская облачная инфраструктура университета — указана как вычислительная база для этой работы. При этом доступное описание проекта не устанавливает конкретный способ выставления оценок моделям и не обещает, что рекомендованные альтернативы будут полностью лишены рисков. 62