Sigstore Cosign 2.2.3版本修复关键性CT日志验证绕过问题
2025-06-10 01:24:35作者:董斯意
在软件供应链安全领域,签名验证是确保软件完整性和来源可信的核心环节。Sigstore项目下的Cosign工具作为主流的容器签名方案,近期在2.2.3版本中修复了一个涉及证书透明度(CT)日志验证的关键缺陷。
问题背景
当用户在使用自建Sigstore基础设施(包括Fulcio、Rekor和TUF)时,若未部署CT日志服务,即使通过--insecure-ignore-sct参数显式要求忽略SCT(Signed Certificate Timestamp)验证,Cosign 2.2.2版本仍会强制检查CT日志公钥。这导致在以下典型场景中出现验证失败:
- 开发者通过本地Fulcio服务签发证书
- 使用
--insecure-ignore-sct参数跳过CT验证 - 验证时工具仍尝试加载不存在的
ctfe.pub等CT日志公钥文件
技术影响
该缺陷实质上破坏了--insecure-ignore-sct参数的设计预期。该参数本应允许在非生产环境或测试场景中绕过CT验证,特别是在以下情况:
- 内部开发环境未部署CT日志基础设施
- 需要快速验证本地签名链的完整性
- 测试自定义TUF根配置时的临时需求
解决方案
Cosign 2.2.3版本通过代码变更彻底修复了此问题。主要改进包括:
- 严格遵循
--insecure-ignore-sct参数的语义,当该标志存在时完全跳过CT相关检查 - 优化错误处理逻辑,避免在缺少CT资源时抛出非预期错误
- 保持与其他安全参数的协同工作,如
--insecure-skip-verify等
最佳实践建议
对于使用自建Sigstore基础设施的用户,建议:
- 立即升级至Cosign 2.2.3或更高版本
- 在测试环境验证时,组合使用以下参数:
--insecure-skip-verify # 跳过TUF元数据验证 --insecure-ignore-sct # 跳过CT日志验证 - 生产环境仍应保持完整的CT日志验证链
该修复体现了Sigstore项目对安全性与可用性的平衡,使得开发者在保持安全基线的前提下,能够更灵活地搭建测试验证环境。对于软件供应链安全体系建设具有积极意义。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218