微软sample-app-aoai-chatGPT项目中的GitHub Actions安全加固实践
在开源项目的持续集成/持续部署(CI/CD)流程中,GitHub Actions作为自动化工作流工具被广泛使用。微软的sample-app-aoai-chatGPT项目近期针对其CI/CD流程中的安全风险进行了重要改进,特别是对第三方Actions的使用进行了安全加固。
背景与风险
在软件开发中,依赖第三方组件是常见做法,但也带来了潜在的安全风险。GitHub Actions允许使用社区维护的第三方action,这些action通常通过版本标签(如v1、v2等)来引用。然而,这些标签本质上是可变的(mutable),意味着同一个标签可能指向不同的代码内容。这种特性可能导致"依赖混淆"攻击,即攻击者可能通过接管某个action的发布权限,将恶意代码注入到看似相同的版本标签中。
安全最佳实践
针对这一风险,GitHub安全团队推荐将所有的第三方action固定到具体的commit哈希值。因为commit哈希是基于内容生成的唯一标识符,具有不可变性,可以确保每次运行工作流时都使用完全相同的代码版本。
在sample-app-aoai-chatGPT项目中,开发团队特别关注了tj-actions/changed-files这个第三方action的使用。原先该项目可能使用了版本标签引用方式,存在潜在安全风险。通过将其固定到具体的commit哈希,项目显著提高了CI/CD流程的安全性。
实施细节
安全加固的实施包括以下关键步骤:
- 识别工作流文件中所有使用的第三方action
- 将每个action的引用从版本标签改为完整的commit哈希
- 验证修改后的工作流仍能正常执行
- 考虑添加CodeQL扫描等额外安全措施
额外安全建议
除了固定action版本外,项目还可以考虑以下安全增强措施:
- 定期审查和更新依赖的第三方action
- 设置依赖更新提醒机制
- 限制工作流的权限范围
- 实施代码签名验证
- 建立完整的供应链安全策略
总结
微软sample-app-aoai-chatGPT项目的这一改进展示了现代软件开发中对供应链安全的重视。通过将第三方action固定到commit哈希,项目团队有效降低了潜在的供应链攻击风险,为其他开源项目树立了良好的安全实践榜样。这种安全意识的提升对于维护开源生态系统的整体健康至关重要。
对于开发者而言,理解并实施这类安全最佳实践应该成为构建可靠CI/CD流程的标准操作。随着软件供应链攻击的增多,采取预防性措施比事后补救要有效得多。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00