当前位置:首页 > 文章列表 > 科技周边 > 业界新闻 > CodeQL 2.26.4 为 Actions 工作流增加了哪些检测

CodeQL 2.26.4 为 Actions 工作流增加了哪些检测

来源:17golang原创 2026-09-06 01:31:11 0浏览 收藏

如果你的代码扫描最近在 GitHub Actions 相关查询上多出几条告警,先别急着把它当成代码突然变差。CodeQL 2.26.4 的变化,主要是把事件载荷中的 actor 字段判断做得更严格、让 actions/unpinned-tag 覆盖可变的 reusable workflow 引用,并为 EnvironmentCheck 增加 models-as-data 配置入口。前两项可能直接改变告警结果,第三项在没有新增模型时保持原有行为。

要点速览
  • 事件条件只有在对应事件真的填充字段时,才算有效保护。
  • actions/unpinned-tag 现在也检查可变的 reusable workflow 引用。
  • EnvironmentCheck 是可选模型;启用模型后,相关 ControlCheck 查询可能找到更多结果。

这次更新为什么值得单独看 Actions

GitHub 官方在 2026 年 9 月 3 日的变更说明中,把 2.26.4 的 Actions 影响拆成三条。它们不是“新增一个扫描器”这么简单,而是分别触及事件语义、工作流供应链和部署环境建模。

变化直接影响采用判断
actor 字段按事件真实存在性判断部分 ControlCheck 查询可能新增告警先核对触发事件与字段
检测可变 reusable workflow 引用未固定引用的工作流更容易被发现优先改为不可变引用
EnvironmentCheck 支持 models-as-data自定义环境模型可参与分析有明确环境语义再启用

为什么 actor 字段判断会让告警数量变化

旧的危险点在于:工作流条件写了一个看似合理的字段比较,但触发事件根本不会填充这个字段。例如工作流由 issues 事件触发,却使用 github.event.pull_request.user.login 做保护条件。字段不存在时,这个条件并不能约束实际输入。

2.26.4 将事件载荷中的 actor 字段检查从原来的 ActorIfCheck 拆出 EventActorIfCheck,而 ActorIfCheck 只继续覆盖 github.actor 和 github.triggering_actor。因此,同一份工作流在新版本下可能被认为缺少有效保护,扫描结果增加是分析口径变化,不代表每条新增告警都已经构成线上漏洞。

CodeQL 2.26.4 中 GitHub Actions 事件载荷与 actor 字段存在性影响 ControlCheck 告警的关系图
图1:事件类型先决定 payload 字段是否存在,保护判断再进入 Actions 安全分析。

排查时按这条顺序走:先看 on: 下的事件,再看条件引用的字段,最后确认该字段是否由该事件填充。不要只改成另一个同义字段,也不要用一个永远为真的比较来压掉告警。

可变 reusable workflow 与 EnvironmentCheck 要分开处理

actions/unpinned-tag 的新增覆盖点是可变的 reusable workflow 引用。工作流依赖如果指向会移动的 tag 或其他可变引用,调用方实际执行的内容可能随上游变化。对生产流水线,更稳妥的做法是固定到明确版本或提交,并保留定期升级动作,避免“固定后永不更新”。

另一条是 EnvironmentCheck。官方说明允许通过 models-as-data 指定它;如果不向 actions/ql/lib/ext/config/deployment_environment.yml 增加模型,查询行为保持之前的默认状态。换句话说,这不是升级后所有仓库都会突然套用一套新的环境规则,而是给有部署环境语义的团队增加了建模入口。

CodeQL Actions 中 reusable workflow 不可变引用与 EnvironmentCheck models-as-data 两条独立影响路径示意图
图2:引用锁定是 workflow 供应链检查,EnvironmentCheck 则是可选的环境语义模型。

在仓库里可以先做一轮人工清单,再决定是否扩大模型:

# 只做静态盘点:找出工作流引用和可能的环境条件
rg -n "uses:|environment:|github\.event\.|github\.actor" .github/workflows

# 对每个可复用工作流记录:引用是否不可变、升级由谁负责
# 对每个 environment 条件记录:事件是否真的提供了对应字段

这段命令不会替代 CodeQL 分析,它的作用是把扫描结果放回工作流上下文:哪个引用需要锁定、哪个条件需要重写、哪个环境模型值得进入试验。

升级后怎样做一次低风险复查

第一步,挑选一组包含 pull_request、issues、可复用工作流和部署环境的代表性仓库。第二步,记录升级前后的告警类型、文件位置和查询编号,尤其标记 actor 条件导致的变化。第三步,对新增告警做两类处理:确实缺少约束的,修工作流;只是事件不匹配造成的误读,修条件并补测试。

如果团队维护自定义 Actions 模型,先在分支中加入 EnvironmentCheck 配置,再观察 ControlCheck 结果是否符合团队对部署环境的定义。模型越具体,分析越有价值;把所有环境都粗暴标成可信,反而会削弱判断。

相关问题

CodeQL 2.26.4 会让所有 Actions 仓库多出告警吗?

不会。只有相关查询命中、事件字段保护判断发生变化,或工作流存在可变 reusable workflow 引用时,结果才可能变化。

EnvironmentCheck 启用后是不是默认规则被替换了?

不是。不增加 models-as-data 模型时,官方说明默认行为保持不变;启用后要用代表性工作流做回归。

发现 unpinned reusable workflow 后该怎么改?

将引用固定到明确版本或提交,并建立可追踪的升级节奏;固定引用解决可变性,不能替代对新版本的安全评估。

完整变更可查看 GitHub 官方变更说明 与 CodeQL 2.26.4 changelog。真正需要关注的不是版本号本身,而是你的工作流条件是否与触发事件、引用来源和部署环境语义一致。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Go TCP 消息怎么按长度拆包:处理粘包与半包Go TCP 消息怎么按长度拆包:处理粘包与半包
上一篇
Go TCP 消息怎么按长度拆包:处理粘包与半包
36漫画阅读进度怎么保存?自动记录、Android 5.0与无广告说明
下一篇
36漫画阅读进度怎么保存?自动记录、Android 5.0与无广告说明
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    577次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    619次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    650次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    613次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    428次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码