CycloneDX
PulseAugur coverage of CycloneDX — every cluster mentioning CycloneDX across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
瑞士政府追踪公共代码中的人工智能模型
瑞士政府的 opencode.swiss 平台现在每周提供一份公共部门代码中使用的人工智能模型列表。该计划还存档 Hugging Face 存储库并利用 CycloneDX BOM,旨在维护元数据以验证模型完整性。该项目引发了关于国家是否应运营自己的基本人工智能模型洪流网络的疑问。
-
OWASP 发布开源 AI 物料清单生成器
OWASP AIBOM Generator 是一款新的开源工具,旨在以 CycloneDX 格式创建 AI 物料清单 (AIBOM)。该工具旨在提高 AI 开发的透明度和治理水平。对 muse-glimmer-30B 和 Qwen3.6-35B-A3B 等模型的初步检查显示,它们缺乏相关的训练数据集,这与 gemma-4-26B-A4B-it 等模型形成对比,尽管 Hugging Face 等平台上的数据集可用性仍然是一个挑战。
-
垃圾软件检测器缺陷暴露,异常规则被移除
一款用于软件软件包的垃圾软件检测器被发现其检测方法存在严重缺陷。该检测器最初依赖于软件包的年龄,但后来添加了针对诸如签名构建声明和预先存在的注册日期等因素的异常规则。然而,一位审查者指出,签名声明很容易伪造,而建议日期是基于检测器首次观察到它的时候,而不是它真正首次被建议的时间。这些问题导致这些异常规则被移除,使检测器恢复到更简单、更诚实的做法。
-
LLM软件包安全:注册时机优于存在性检查
一位安全研究员发现,仅依赖LLM生成的名称进行软件包存在性检查是不够的,这会导致误报。通过分析软件包注册时间与LLM首次臆想出名称的时间,该研究员开发了一种更准确的方法。这种新方法正确地将LLM建议名称之前注册的软件包识别为可信的,并将其与可能为响应臆想而注册的软件包区分开来。
-
大语言模型编造不存在的代码包,带来“slopsquatting”风险
VDB的一项研究表明,像Claude、GPT和Gemini这样的大语言模型在软件开发任务中会生成不存在的软件包名称。这些虚构的名称听起来貌似合理,并模仿了真实的软件包命名约定,构成了所谓的“slopsquatting”安全风险。如果攻击者注册了这些虚构的软件包名称,遵循这些大语言模型建议的开发人员或自动化代理可能会无意中安装恶意软件。该研究在npm、PyPI和Go等各种软件包注册表中发现了83个此类“活跃目标”,凸显了大语言模型在编码…
-
Syft 从容器镜像生成软件物料清单
Syft 是一款旨在从各种来源(包括容器镜像、文件系统和存档)生成软件物料清单(SBOM)的工具。它支持 SPDX 和 CycloneDX 等行业标准格式,以及声明。这个开源项目旨在提供软件组件的透明度。
-
AI自主通宵交付代码,人类事后审核
一个人开发了一个系统,让AI(特别是Claude Code)可以在没有直接人类监督的情况下自主编写和交付代码。AI被赋予了一套严格的指令,包括冻结范围、禁止直接推送到主分支的规则以及处理歧义的协议。醒来后,作者发现AI不仅扩展了测试套件并修复了漏洞,还引入了第二个AI进行代码审查,解决了关键问题并标记了其他需要人类判断的事项。
-
New research predicts multi-vulnerability attack chains using SBOM graphs
研究人员开发了一种新颖的方法,通过利用软件物料清单(SBOM)数据来预测软件供应链中的多漏洞攻击链。该方法将SBOM视为依赖约束证据图,整合了组件和漏洞信息。训练了一个异构图注意力网络(HGAT)来对与漏洞相关的组件进行分类,准确率达到91.03%,F1分数达到74.02%。此外,还使用多层感知器(MLP)模型来预测级联漏洞,在已记录的攻击链上展示了0.93的ROC-AUC。