SBOM工具v4.0.2版本发布:全面支持SPDX 3.0规范
微软开源的SBOM工具(SBOM Tool)是一款用于生成、验证和管理软件物料清单(Software Bill of Materials)的专业工具。软件物料清单是现代软件开发中不可或缺的一部分,它详细记录了软件产品中使用的所有组件及其依赖关系,对于软件供应链安全管理和合规性至关重要。
重大API变更
本次v4.0.2版本带来了重要的API变更,主要体现在接口命名和功能调整上。开发团队对"Compliance"(合规性)相关命名进行了统一修改,全部调整为"Conformance"(一致性),这一变更反映了行业术语的标准化趋势。同时,NTIA(美国国家电信和信息机构)相关命名也被更新为NTIAMin,以更准确地表示其作为最小一致性标准的内涵。
值得注意的是,为了保持代码的清晰性和维护性,开发团队移除了向后兼容的接口适配层。这意味着直接使用SBOM工具API的开发者需要检查并更新他们的集成代码,以适应这些命名和结构上的变化。
SPDX 3.0规范支持
本次更新的核心亮点是新增了对SPDX 3.0规范的支持。SPDX(Software Package Data Exchange)是Linux基金会主导的软件物料清单标准,3.0版本带来了更丰富的元数据表达能力和更灵活的关系描述方式。
开发者现在可以通过指定-mi:SPDX3.0命令行参数来启用SPDX 3.0格式的生成和验证功能。工具内部实现了完整的SPDX 3.0组件模型转换逻辑,包括对扩展属性的支持。不过需要注意的是,当前版本尚未实现对SPDX 3.0文档的编辑(redaction)功能,如果用户尝试对SPDX 3.0格式的SBOM进行编辑操作,工具会主动抛出验证错误。
功能改进与问题修复
在功能改进方面,SBOM工具现在能够更智能地处理生成请求,只生成实际支持的清单格式,而不是尝试所有可能的格式。同时,工具现在将SourcesProviders作为事实来源,提高了数据一致性。
针对SPDX 3.0规范,开发团队修复了多个关键问题:
- 修复了关系生成中的逻辑错误
- 解决了根包(root package)的supplier和suppliedBy属性问题
- 修正了外部标识符处理中的空引用问题
- 修复了SBOM文件和包生成中的NoAssertion标记问题
- 解决了包依赖ID映射错误
在验证功能方面,工具现在能够识别并处理扩展属性,同时新增了记录签名验证结果的遥测方法,为后续分析提供了更丰富的数据支持。
开发者体验优化
为了提升开发者体验,本次更新包含多项改进:
- 新增了DotNet组件适配器,更好地支持.NET生态系统
- 改进了E2E测试的执行逻辑,确保测试环境的一致性
- 修复了本地运行E2E测试时可能遇到的问题
- 优化了Docker镜像构建过程,通过清理apt缓存减小了镜像体积
- 更新了多个依赖项版本,包括System.Text.Json从9.0.0升级到9.0.2
总结
SBOM工具v4.0.2版本标志着项目向更现代的软件物料清单标准迈出了重要一步。通过支持SPDX 3.0规范,工具能够满足更复杂的供应链安全需求,同时保持了与现有SPDX 2.2标准的兼容性。虽然引入了一些API变更,但这些调整有助于建立更清晰、更一致的代码结构,为未来的功能扩展奠定基础。
对于需要管理复杂软件供应链的组织来说,升级到这个版本将获得更强大的SBOM处理能力,特别是在处理现代软件组件关系和元数据方面。开发团队建议用户评估这些变更对现有工作流程的影响,并计划相应的升级策略。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01