Docker Build-Push Action中SBOM和Provenance的生成与验证
在Docker镜像构建和推送过程中,软件物料清单(SBOM)和来源证明(Provenance)是确保软件供应链安全的重要机制。本文将详细介绍如何在使用docker/build-push-action时正确配置和使用这些功能。
SBOM和Provenance的基本概念
SBOM(Software Bill of Materials)是一份详细列出软件组件及其依赖关系的清单,类似于制造业中的物料清单。它帮助用户了解镜像中包含的所有软件组件及其版本信息。
Provenance(来源证明)则记录了镜像的构建过程信息,包括构建环境、构建步骤、输入源等,用于验证镜像的真实性和构建过程的完整性。
配置docker/build-push-action
在GitHub Actions工作流中,可以通过以下配置启用SBOM和Provenance功能:
- uses: docker/build-push-action@v6
with:
push: true
provenance: mode=max
sbom: true
关键参数说明:
provenance: mode=max:启用最大模式的来源证明,记录最详细的构建信息sbom: true:启用SBOM生成功能
验证SBOM和Provenance
构建完成后,可以通过以下方式验证SBOM和Provenance是否已正确生成并推送:
-
使用docker buildx imagetools inspect命令:
docker buildx imagetools inspect <镜像名称> --format "{{ json .Provenance }}" -
查看构建日志: 在构建日志中,应能看到类似以下的输出,表明SBOM生成过程已完成:
[linux/amd64] generating sbom using docker.io/docker/buildkit-syft-scanner:stable-1 time="2024-08-09T09:07:42Z" level=info msg="starting syft scanner for buildkit v1.4.0"
常见问题排查
-
Provenance显示为null: 可能是查询语法不正确,确保使用正确的JSON格式查询。
-
SBOM未生成:
- 检查构建日志中是否有SBOM生成步骤
- 确认
sbom: true参数已正确设置 - 确保使用的build-push-action版本支持SBOM功能
-
推送失败:
- 检查是否有足够的权限推送附加的SBOM和Provenance数据
- 确认目标镜像仓库支持这些附加的元数据
最佳实践
-
版本控制: 始终使用固定版本的build-push-action,避免因版本更新导致的不兼容问题。
-
构建环境: 确保构建环境(GitHub Runner)有足够的资源处理SBOM生成,特别是对于大型镜像。
-
安全检查: 可以将生成的SBOM与安全检查工具集成,实现自动化的风险检测。
-
审计跟踪: 定期检查Provenance数据,确保构建过程符合预期,没有未经授权的修改。
通过正确配置和使用docker/build-push-action的SBOM和Provenance功能,可以显著提升容器化应用的安全性和可追溯性,是现代化DevSecOps实践中的重要一环。
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 StartedRust0211
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 Notebook0135
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
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03