Sigstore Cosign项目中的OCI Artifact存储方案解析
2025-06-10 02:16:45作者:魏侃纯Zoe
在Sigstore生态系统中,Cosign作为核心签名工具,其存储方案的设计直接影响整个生态的兼容性和扩展性。本文将深入分析Cosign项目中关于Sigstore Bundle作为OCI Artifact的标准化存储方案。
背景与挑战
随着云原生安全需求的增长,如何安全高效地存储签名和证明数据成为关键问题。传统做法使用特殊标签(如.sig/.att)存储签名信息,但这种方式存在标准化不足、扩展性受限等问题。OCI Artifact规范为解决这些问题提供了标准化的技术路径。
技术方案设计
该方案基于OCI Image Manifest v1.1规范,采用分层架构设计:
- 数据层:将Sigstore Bundle以JSON格式存储为独立的OCI Blob
- 描述层:使用OCI Manifest关联Bundle与目标镜像
- 索引层:通过Referrers机制建立镜像与Bundle的关联关系
这种设计充分利用了OCI规范中的artifactType、subject等字段,实现了标准化的存储和检索机制。
关键技术实现
数据存储格式
Bundle数据以JSON序列化形式存储,媒体类型定义为"application/vnd.dev.sigstore.bundle+json",并包含版本信息。这种设计既保持了与现有protobuf格式的兼容性,又便于直接处理。
关联机制
采用两种互补的关联方式:
- Referrers API:符合OCI v1.1规范的注册中心原生支持
- Referrers Tag Schema:向后兼容的备选方案
这种双重机制确保了在各种注册中心环境下的可用性。
类型识别优化
针对多Bundle场景,方案提出了两种识别机制:
- 注解标识:在manifest中使用predicateType注解明确标识Bundle内容类型
- 媒体类型扩展:在媒体类型中直接包含predicate信息
经过社区讨论,最终倾向于使用注解方案,因其更具扩展性和规范性。
兼容性分析
该方案已针对主流容器注册中心进行了兼容性测试:
- 完全支持的注册中心:GitHub Container Registry、Azure Container Registry、主流容器托管平台等
- 部分支持的注册中心:AWS ECR、Alibaba Cloud Container Registry等
测试结果表明,方案在大多数生产环境中具备可行性。
工具链整合
该设计天然支持与现有OCI工具链集成,例如:
- 使用oras CLI直接管理Bundle
- 兼容现有的镜像扫描和安全策略工具
- 支持渐进式迁移策略
总结与展望
这一标准化存储方案为Sigstore生态系统带来了显著的改进:
- 解决了传统方案的大小限制问题
- 提供了更好的类型识别和过滤能力
- 增强了跨平台和跨工具的互操作性
未来随着OCI规范的进一步普及,该方案将成为云原生安全基础设施的重要基石。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
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Python00
HunyuanVideo-1.5暂无简介00
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
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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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