当前位置:首页 > 文章列表 > 科技周边 > 业界新闻 > GitHub Actions artifact attestations 的构建来源核对方法

GitHub Actions artifact attestations 的构建来源核对方法

来源:17golang原创 2026-10-26 11:45:15 0浏览 收藏

发布二进制或容器镜像时,标签和校验和只能回答“拿到的文件是不是这一份”,不能完整说明“它由哪个仓库、哪条工作流产生”。GitHub Actions 的 artifact attestations 用签名证明把构建产物和来源信息绑在一起,再用 GitHub CLI 按仓库、签名工作流和来源提交核对。

官方地址:https://docs.github.com/en/actions/how-tos/secure-your-work/use-artifact-attestations

要点速览
  • attestation 主要证明产物与来源仓库、工作流和提交的关系,不等于完整记录 runner 镜像。
  • 生成证明至少要给工作流写入 OIDC 和 attestation 权限,动作放在产物生成之后。
  • 在线核对优先用 API 获取证明;离线场景要同时保存 bundle 和 trusted root,并重新审视仓库改名边界。

先划清 attestation 能证明什么

我第一次把它接进发布流水线时,最容易混淆的是“来源证明”和“执行环境证明”。证明里有产物摘要、来源仓库、提交、签名工作流等信息,适合回答“这个文件是不是由指定来源构建出来的”。但社区讨论也指出,runner 名称、runner 组和具体镜像并不天然等价于这条来源链;不要把一次验证通过写成“所有构建环境都可信”。

核对对象适合回答不要过度推断
Repository产物绑定到哪个仓库仓库当前名称一定没有改过
Signer workflow哪条工作流签了证明工作流内部每一步都不可变
Source ref来源分支或提交范围runner 镜像和硬件配置
Runner environment部分环境属性完整机器审计记录
GitHub Actions artifact attestation 将构建产物、OIDC 身份、证明包和来源仓库连接起来的静态结构说明图
图1:artifact attestation 构建来源链路的原创结构说明图,不是 GitHub 页面截图。

在构建工作流中生成来源证明

先让构建步骤生成文件,再在同一个 job 的后面调用 actions/attest。权限要放在工作流或 job 的可见配置里,避免用过大的默认权限掩盖实际依赖。

permissions:
  # 让 attestation 动作向 Sigstore 请求短期签名身份
  id-token: write
  # 允许把证明保存到 GitHub 的 attestation 存储
  attestations: write
  # 只有需要关联产物存储记录时才保留这项权限
  artifact-metadata: write

jobs:
  build:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - name: Build release binary
        run: make release
      - name: Create build provenance
        uses: actions/attest@v4
        with:
          # 绑定刚刚生成的文件,而不是随意绑定工作区目录
          subject-path: dist/my-app

这里的关键不是把 YAML 粘贴得越复杂越好,而是确保 subject-path 指向最终发布物。若发布的是容器镜像,应按官方动作的容器模式配置并确认镜像已经推送到 registry;文件产物则优先使用明确的路径。新接入时先把权限和产物路径写成最小闭环,再考虑 SBOM 或自定义 predicate。

用 GitHub CLI 按身份核对产物

验证时至少给出仓库或组织范围。对生产发布,我更愿意把签名工作流也锁定,因为“来自这个仓库”比“来自这条受控工作流”宽得多。必要时再加来源提交,形成可审查的三层约束。

# 用仓库、签名工作流和来源提交收窄验证范围
gh attestation verify dist/my-app \
  --repo example/acme-app \
  --signer-workflow example/acme-app/.github/workflows/release.yml \
  --source-ref refs/tags/v1.4.0

# 需要交给门禁程序判断时,输出结构化结果
gh attestation verify dist/my-app \
  --repo example/acme-app \
  --format json \
  --jq '.[].verificationResult.signature.certificate.sourceRepositoryIdentifier'

默认 predicate 是 SLSA provenance;如果系统使用的是 SBOM 或自定义声明,要显式指定 --predicate-type,否则验证命令和团队理解可能不一致。若采用 reusable workflow,真正签名的是可复用工作流,检查项应随之改用 --signer-workflow 或 --signer-repo。

GitHub Actions artifact attestation 在线 API 与离线 bundle 验证边界的静态关系说明图
图2:在线与离线验证边界的原创关系说明图,不是 CLI 运行截图。

离线环境保存 bundle 与可信根

隔离环境不能直接访问 GitHub API 时,在线机器先下载 attestation bundle,再把可信根材料一并带入离线区。两个文件缺一不可:bundle 是针对产物的证明,trusted root 用来验证签名链。

# 在线机器:按仓库下载产物对应的证明包
gh attestation download dist/my-app --repo example/acme-app

# 在线机器:导出验证签名链需要的可信根材料
gh attestation trusted-root > trusted_root.jsonl

# 离线机器:指定本地 bundle 和 trusted root 进行验证
gh attestation verify dist/my-app \
  --repo example/acme-app \
  --bundle PATH/TO/BUNDLE.jsonl \
  --custom-trusted-root trusted_root.jsonl

离线核对有一个容易漏掉的边界:--repo 会和证明证书里记录的仓库名称比较,但它不能自动判断仓库后来是否改名,也不能阻止另一个仓库复用旧名称。对高价值发布物,还应在线取得仓库 ID,在离线 JSON 结果中比对 sourceRepositoryIdentifier。

把核对动作放进发布门禁

可以把下面这张清单放进 release job 的最后一步:

  • 产物路径是否固定,摘要是否对应最终上传的文件或镜像。
  • 权限是否只包含本次证明所需的 id-token、attestations 和必要的元数据权限。
  • 验证是否至少限定仓库,生产环境是否继续限定签名工作流和来源 ref。
  • 离线交付是否把 bundle、trusted root 和核对结果一起归档。
  • 是否把 provenance 与 runner 镜像、硬件和临时环境的证据分开管理。

这样做的结果是:attestation 负责“产物从哪里来”,发布门禁负责“哪些来源可以进入下一阶段”,而 runner 和构建环境仍由独立的执行记录补足。职责拆开后,验证失败时更容易判断是产物不匹配、签名身份不对,还是门禁策略过窄。

相关问题

只有仓库参数够不够?

低风险内部构建可以先用 --repo。正式发布建议继续限制签名工作流,并在需要时限制来源 ref,避免同一仓库里其他工作流也能满足条件。

为什么验证通过仍不能说明 runner 镜像可信?

来源证明关注产物、仓库、提交和签名身份;具体 runner 镜像、组和机器配置属于另一类执行环境证据,不能由一次 provenance 验证自动替代。

仓库改名后离线验证要怎么做?

不要只看旧仓库名称。在线查询当前仓库 ID,离线使用 JSON 输出读取证书中的来源仓库 ID,再把两个 ID 做比对。

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
Hugging Face Datasets IterableDataset batch 丢弃尾批的配置方法Hugging Face Datasets IterableDataset batch 丢弃尾批的配置方法
上一篇
Hugging Face Datasets IterableDataset batch 丢弃尾批的配置方法
PHP fgetcsv escape 参数显式设置与 RFC 4180 兼容处理
下一篇
PHP fgetcsv escape 参数显式设置与 RFC 4180 兼容处理
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。
    703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。
    712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。
    788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。
    748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。
    583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