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。
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- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00