AI写代码越来越快，开源依赖的安全审查跟得上吗？

AI编程助手让开发者更快写出代码，也能更快地把软件包、程序库和容器镜像引入企业项目。问题是，依赖进入代码库的速度，可能快过安全团队核查其来源与漏洞的速度。一旦恶意或已遭入侵的组件混入其中，风险就可能沿着构建和运行流程传递。17

审批为什么会慢半拍？

Chainguard首席信息安全官昆西·卡斯特罗（Quincy Castro）指出，近乎即时的代码生成，已经让过去那套“提出申请、人工审查、批准引入依赖”的流程难以跟上。审批队列会越排越长，新的依赖却仍在不断增加。17 这并不意味着应该跳过审查，而是说，仅靠逐项人工批准，越来越难覆盖实际进入项目的所有组件。

97%说明的是“长尾”风险，不是项目染毒率

Chainguard在2026年6月发布的统计显示，其容器镜像样本中，97%的已观察到的漏洞实例出现在最热门的20个项目之外。这个比例统计的是漏洞实例，不能解读为“97%的项目都有漏洞”。它提醒企业：如果只盯着最常用的镜像，就可能漏掉数量众多、关注度较低的项目中的风险。

攻击者也可能利用这种注意力落差：一个外观近似正规项目、却加入恶意代码的分叉版本，可能被开发者或助手选中。但知名度同样不是安全保证。2026年3月，广泛使用的漏洞扫描工具Trivy的GitHub Actions分发渠道遭到入侵；攻击者借受影响的工作流窃取凭据，潜在影响范围可能延伸至数千家机构。

科研领域准备如何应对？

印第安纳大学获得美国国家科学基金会（NSF）118万美元资助，计划评估科研人员使用的开源AI工具和模型面临哪些安全风险，并帮助他们识别相对更安全的选择。6 Jetstream2是该校与NSF支持的科研云计算资源，可为相关研究提供计算基础设施。210 不过，现有项目说明没有明确公布具体的模型评分方法，也不能保证推荐的替代方案完全没有风险。6

对企业和科研机构而言，重点都是看清实际引入了什么、来自哪里、又会在什么流程中运行：热门项目不能免查，冷门依赖更不能因不显眼而被遗漏。17