Flux2 项目 OpenSSF Scorecard 安全评分提升实践
背景介绍
在开源软件供应链安全日益受到重视的今天,CNCF 基金会与 Google 开源安全团队合作开展了 GSoC 2024 项目,旨在提升 CNCF 旗下项目的安全实践水平。作为该项目的一部分,我们对 Flux2 这一知名的 GitOps 工具进行了 OpenSSF Scorecard 安全评估,并实施了多项改进措施。
安全评估现状
Flux2 项目最初的安全评分为 8.6 分(满分 10 分),经过我们的优化后提升至 8.8 分。OpenSSF Scorecard 是一个自动化工具,用于评估开源项目的安全健康状况,检查项包括代码审查、依赖管理、CI/CD 安全等多个维度。
关键改进措施
1. 令牌权限优化
我们发现部分 GitHub Actions 工作流缺少顶层的只读权限声明。Scorecard 对此检查非常严格,只要有一个工作流缺少权限声明就会导致该项得分为 0。通过为所有工作流添加明确的权限控制,我们将此项评分从 0 提升到了 9 分。
权限控制的最佳实践是在工作流文件顶部明确声明所需的最小权限,例如:
permissions:
contents: read
pull-requests: read
2. 依赖固定策略
在依赖固定方面,项目原有的评分是 6 分。我们注意到部分 GitHub Actions 和 Dockerfile 中的容器镜像没有通过哈希值固定。虽然完全固定依赖能提高安全性,但对于容器镜像而言,过度固定可能导致运行过时的镜像,反而带来安全风险。
我们采取了平衡策略,对关键依赖进行哈希固定,同时保持一定的灵活性:
FROM alpine:3.18@sha256:82d1e9d7ed48a7523bdebc18cf6290bdb97b82302a8a9c27d4fe885949ea94d1
特殊案例处理
项目中存在一个 backport 工作流,使用了 github.event.pull_request.head.sha 来检出代码。Scorecard 将其标记为潜在危险工作流,因为理论上这可能允许恶意 PR 访问敏感信息。但经过分析,该工作流只能由维护者通过添加特定标签触发,不会默认运行,因此实际风险可控。
安全改进启示
通过这次安全评估和优化,我们得出几点重要启示:
- 最小权限原则:所有自动化流程都应遵循最小权限原则,明确声明所需权限
- 依赖管理平衡:在依赖固定和更新之间需要找到平衡点,既保证可重现性又确保安全性
- 上下文感知:安全工具的输出需要结合项目实际情况进行分析,不能机械应用
未来展望
虽然 Flux2 的安全评分已经达到较高水平,但安全工作永无止境。建议项目团队:
- 定期运行 Scorecard 检查,及时发现新的安全问题
- 建立安全更新机制,确保依赖项及时更新
- 考虑引入更多安全扫描工具,形成多层次的防御体系
通过持续的安全投入,Flux2 项目将能够为用户提供更加安全可靠的 GitOps 解决方案。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C045
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0122
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