当前位置:首页 > 文章列表 > 科技周边 > 业界新闻 > OpenSSF Scorecard 怎样把依赖安全信号放入审查流程

OpenSSF Scorecard 怎样把依赖安全信号放入审查流程

来源:17golang原创 2026-11-14 04:57:18 0浏览 收藏

如果团队把第三方依赖当成黑盒,只看版本号和漏洞列表,审查往往会漏掉构建权限、发布签名、分支保护以及工作流写权限等问题。OpenSSF Scorecard 的价值,是把这些软件供应链实践拆成可解释的检查项,再交给工程团队判断风险和安排修复。

官方地址:https://scorecard.dev/

官方仓库:https://github.com/ossf/scorecard

Scorecard 的总分适合做筛选信号,不适合直接当作“安全”或“不安全”的裁决。真正可落地的做法是:先看高风险单项,再确认检测范围和例外原因,最后把结论写进审查记录与修复 PR。

一、先分清总分、单项分数和风险等级

Scorecard 的每个自动检查都会返回 0 到 10 的分数,并带有风险等级;这些结果再汇总成整体分数。高风险检查反映的是更容易被利用、或一旦被利用影响更大的工程环节。例如代码审查、分支保护、令牌权限、依赖固定和发布签名,通常比“是否声明许可证”更值得优先看。

因此,阅读结果时不要只问“总分是多少”,而要问三个问题:

  • 哪个检查项失分,具体检测到了什么文件、工作流或仓库事实?
  • 这个检查项的风险等级是什么,是否会直接影响构建、发布或依赖更新?
  • Scorecard 是否支持当前项目的托管平台、发布方式和工具链?
仓库依赖和工作流经过 Scorecard 检查项与风险等级进入审查清单的结构图
图1:Scorecard 信号分层与审查入口的结构说明图,不是运行截图。

二、依赖审查优先看哪些检查项

围绕“依赖是否值得进入构建和发布链路”这个问题,可以先筛出一组紧凑的检查项:

检查项审查问题后续动作
Pinned-Dependencies工作流、脚本和构建依赖是否锁定到不可变版本?确认是否使用完整提交哈希或生态认可的固定版本。
Vulnerabilities依赖或发布对象是否存在未修复漏洞?区分可达路径、受影响组件和升级窗口。
Token-PermissionsCI 令牌是否遵循最小权限?把只读权限放在工作流顶层,把必要写权限缩到具体任务。
Signed-Releases发布产物是否能证明来自预期的发布流程?核对签名、发布主体和消费者的校验方式。
Dependency-Update-Tool依赖更新是否有持续维护机制?确认更新工具、审查规则和升级失败时的责任人。

这张表不是“必须全部满分”的清单。例如库项目可能没有传统意义上的发布包,或某种发布方式暂时不在自动检测范围内。检查结果只负责提出可追问的线索,最终结论仍要结合项目的真实交付方式。

三、用 GitHub Action 把结果留在工程系统里

官方 Action 支持把结果保存为 JSON 或 SARIF。团队若要在代码扫描界面集中查看结果,通常选择 SARIF;若要在内部系统做二次聚合,可保留 JSON。下面是一个缩减后的工作流示例,版本号和 Action 提交引用应以官方仓库的当前发布说明为准。

name: OpenSSF Scorecard

on:
  push:
    branches: [main]
  schedule:
    - cron: "15 7 * * 1"

# 默认只读,避免整个工作流继承不必要的写权限。
permissions: read-all

jobs:
  scorecard:
    runs-on: ubuntu-latest
    permissions:
      # 上传 SARIF 与发布结果分别需要明确声明权限。
      security-events: write
      id-token: write
    steps:
      - uses: actions/checkout@v4
        with:
          # 不把仓库凭据留在后续步骤的工作区中。
          persist-credentials: false
      - uses: ossf/scorecard-action@v2.5.0
        with:
          # SARIF 便于接入代码扫描界面,文件名保持稳定方便归档。
          results_file: results.sarif
          results_format: sarif
          publish_results: true
      - uses: github/codeql-action/upload-sarif@v3
        with:
          # 只上传本次 Scorecard 生成的结果文件。
          sarif_file: results.sarif

生产环境不应只复制示例中的浮动版本。更稳妥的做法是按照官方工作流示例,把 Action 固定到完整提交哈希,并在升级时单独审查变更。与此同时,顶层权限应保持只读,确实需要写权限的任务再在 job 级别声明。

四、把“低分”翻译成可审查的问题

一个好的审查记录不会写“Scorecard 只有 6 分,所以拒绝”。它应该把结果拆成事实、影响和行动:

  1. 事实:记录具体检查项、结果文件、扫描对象以及检测范围。
  2. 影响:说明它可能影响依赖更新、构建隔离、发布完整性还是仓库维护。
  3. 补证:查看项目是否通过另一种方式满足要求,只是自动检查没有识别。
  4. 行动:决定升级依赖、收紧权限、补充签名、增加审查规则,或记录一个明确的例外。

例如,Pinned-Dependencies 低分不一定说明所有依赖都可被替换。官方文档指出,该检查主要观察 Dockerfile、shell 脚本和 GitHub 工作流;Go 模块的完整语义版本也有其特殊处理。审查时应继续确认构建入口是否还有其他动态下载路径。

五、用维护者注释处理自动检测的盲区

Scorecard 提供维护者注释机制,用来解释“测试数据中的二进制文件”“已经修复但检测仍能看到的历史配置”“当前场景不适用”或“使用了工具但无法被识别”等情况。注释不是给低分涂色,而是把上下文留在结果旁边,避免下一位审查者重复猜测。

annotations:
  - checks:
      - binary-artifacts
    reasons:
      - reason: test-data # 说明该二进制只用于测试数据,不是发布产物。
  - checks:
      - dangerous-workflow
    reasons:
      - reason: remediated # 说明风险已由人工门禁和审批流程补救。
  - checks:
      - pinned-dependencies
    reasons:
      - reason: not-supported # 说明当前工具链的固定方式暂未被识别。

注释的前提是团队能拿出对应证据。对于“已修复”,要能指向修复 PR 或策略变更;对于“不适用”,要写清业务边界;对于“未检测到”,要避免把“工具没识别”误写成“项目没有做”。

Scorecard 结果经过人工判断形成修复 PR 并重新复查的闭环图
图2:从 Scorecard 结果到修复 PR 和复查的闭环说明图,不是线上界面。

六、让复查成为发布前的固定节点

推荐把闭环落成一条简单规则:高风险检查出现新失败时必须有审查记录;中风险检查进入依赖升级或发布变更的 PR;低风险检查只做周期性跟踪。修复 PR 合并后重新运行 Scorecard,并保存前后差异,而不是只更新一个总分截图。

如果结果交给多个团队消费,至少保留检查名称、风险等级、扫描对象、检测限制、维护者注释和责任人。这样,依赖准入、构建发布和安全响应使用的是同一份信号,审查也不会被一次性告警打断后失去上下文。

常见问题

Scorecard 分数低就代表不能使用这个依赖吗?

不代表。低分表示某些实践未被满足或未被识别,应结合风险等级、项目用途、暴露面和替代方案决定是否接受。

为什么要选择 SARIF?

SARIF 适合把扫描结果交给代码扫描系统统一展示;如果团队只需要脚本化汇总,也可以选择 JSON。

维护者注释会不会掩盖真实风险?

会有这种可能,所以注释应绑定可追溯的工程事实。注释本身不是修复动作,也不能代替权限收紧、依赖升级或发布签名。

参考资料

  • https://scorecard.dev/
  • https://github.com/ossf/scorecard
  • https://github.com/ossf/scorecard-action
  • https://github.com/ossf/scorecard/blob/main/docs/checks.md
  • https://github.com/ossf/scorecard/blob/main/config/README.md
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
CNCF 软件供应链框架怎样拆分构建与部署信任CNCF 软件供应链框架怎样拆分构建与部署信任
上一篇
CNCF 软件供应链框架怎样拆分构建与部署信任
eBPF 可观测性工具怎样选择内核事件与用户态探针
下一篇
eBPF 可观测性工具怎样选择内核事件与用户态探针
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。
    1018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。
    1020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。
    1155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。
    1121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。
    962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