当前位置:首页 > 文章列表 > 科技周边 > 业界新闻 > OpenSSF Scorecard 的 Pinned-Dependencies 检查怎样判断依赖是否固定

OpenSSF Scorecard 的 Pinned-Dependencies 检查怎样判断依赖是否固定

来源:17golang原创 2026-11-20 10:11:46 0浏览 收藏

OpenSSF Scorecard 的 Pinned-Dependencies 检查,核心不是要求仓库里每个依赖都写成同一种格式,而是观察构建和发布路径是否依赖了可以随时间变化的引用。典型对象包括 Dockerfile、Shell 脚本和 GitHub Actions 工作流中的镜像、Action、下载脚本与包管理器依赖。

官方地址:https://scorecard.dev/

看到该项得分偏低时,先定位报告指出的构建文件,再把浮动标签、分支或版本范围改成可复现的版本号、提交 SHA 或镜像 digest。Scorecard 的结果是风险信号,不是对整个项目安全性的最终认证。

Pinned-Dependencies 检查到底看什么

Scorecard 把依赖固定理解为:构建或发布时使用的外部依赖,应该明确落到一个不会随远端默认分支或标签移动的版本。比如 GitHub Actions 使用完整提交 SHA,容器基础镜像使用 digest,下载脚本使用固定版本和校验信息。这样同一份源码在不同时间运行,才更容易得到相同的构建输入。

检查范围有两个重要边界:它主要面向 GitHub 仓库,并重点观察构建、测试和发布路径;它不等于通用漏洞扫描,也不会因为发现一个未固定引用就证明项目一定被攻破。

OpenSSF Scorecard 将构建路径、依赖引用和风险报告连接起来的静态说明图
图1:这是一张静态说明图,展示 Pinned-Dependencies 从构建路径读取依赖引用并形成风险报告的关系,不是实际运行截图。

怎样把报告线索映射到构建文件

排查时不要从仓库全文搜索所有版本字符串开始。先按报告给出的依赖类型分层定位,通常可以按下面的顺序处理:

  1. 先看 .github/workflows/,检查 uses: 是否指向分支、浮动标签或短 SHA。
  2. 再看 Dockerfile,区分基础镜像标签和 digest;同一个镜像名的标签可能在以后指向另一份内容。
  3. 最后检查构建脚本、安装脚本和发布脚本中的下载地址、包管理器参数与远程脚本。

每找到一处引用,就记录“文件、依赖、当前引用、固定方式、更新责任人”五列。这个小表比单纯把总分抄进周报更有用,因为它能直接落到修改动作。

Go 模块、Dockerfile 和 GitHub Actions 各自怎么固定

不同生态的“固定”写法不一样,不能机械地把所有字符串都替换成哈希。

GitHub Actions 使用完整提交 SHA

# 用完整提交 SHA 固定 Action,避免标签移动后构建输入变化
name: build
on: [push]

jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      # 这里的 SHA 应对应已审阅的 Action 版本
      - uses: actions/checkout@8ade135a41bc03ea155e62e844d188df1ea18608
      # 业务代码测试仍由仓库自己的命令负责
      - run: go test ./...

完整 SHA 的维护成本是更新时要重新审阅并提交变更,但它把“更新依赖”和“执行构建”分开了,适合需要可追溯流水线的仓库。

容器镜像使用 digest

# 用 digest 固定基础镜像内容,避免同名标签被重新推送
FROM golang:1.25@sha256:REPLACE_WITH_REVIEWED_DIGEST

# 复制源码后构建;真实项目应在变更记录中保存 digest 来源
WORKDIR /src
COPY . .
RUN go build -trimpath -o /out/app ./cmd/app

上面的 digest 只是写法示意,实际项目必须填入经过审阅的真实摘要;不要把示例摘要当成可直接使用的版本。镜像标签仍可保留作人类可读信息,但决定内容的是 digest。

Go 模块要结合 Go 的校验机制理解

Scorecard 文档对 Go 模块有特殊说明:完整语义版本在 Go 模块下载和校验语义下通常会被视为固定输入。因此看到 go.mod 中的版本号时,不要直接把它和 Docker 镜像标签、GitHub Action 标签等同处理;应该确认构建是否使用提交后的 go.sum,以及更新是否经过审阅。

把一次低分排查成可执行的修复清单

可以把每一条报告拆成四个问题:它位于哪个构建入口?依赖引用能否随远端变化?固定值由谁更新?更新后是否能留下审阅记录?下面的关系图把这四个问题连接到常见文件类型,方便在代码评审中逐项讨论。

Pinned-Dependencies 将 GitHub Actions、Dockerfile、Shell 脚本和 Go 模块映射到固定引用策略的静态说明图
图2:这是一张静态结构图,展示不同构建文件对应的固定引用策略与复查记录,不是实际运行结果或软件截图。
  1. 列出入口:记录工作流、Dockerfile、构建脚本和发布脚本的路径。
  2. 替换浮动引用:Action 优先使用完整 SHA,镜像优先使用经过审阅的 digest,脚本下载使用固定版本和校验值。
  3. 补齐更新记录:说明固定值对应的上游版本、更新时间和审阅依据。
  4. 复看识别边界:如果 Scorecard 仍未识别,先确认文件是否属于它当前支持的路径,再判断是否需要向项目提交支持请求。

哪些结果不能直接当成安全结论

第一,低分不代表项目一定存在已被利用的漏洞;它更多说明构建输入可能缺乏稳定性或可追溯性。第二,检查未发现问题也不代表所有依赖都绝对安全,因为自动化工具只能识别它支持的文件格式和发布方式。第三,固定依赖不是永不更新,而是把更新变成可审阅、可回滚的变更。

如果项目使用非 GitHub 代码托管、非标准发布流程或自定义构建工具,报告可能出现“未识别”与“确实未固定”难以区分的情况。此时应回到 Scorecard 官方检查说明,结合仓库自己的构建入口补充人工记录,而不是为了追求分数盲目修改文件。

相关问题

Pinned-Dependencies 只检查 Go 模块吗?

不是。它还会关注 Dockerfile、Shell 脚本和 GitHub Actions 等构建或发布路径。Go 模块只是因为自身有版本与校验语义,需要单独理解。

为什么镜像标签和 digest 要分开讨论?

标签便于阅读和升级,但标签指向的内容可能变化;digest 绑定具体镜像内容。生产构建通常需要把二者的可读性和可复现性结合起来。

修复后只看总分可以吗?

不建议。应保留文件路径、原引用、固定值和更新依据,确认单项报告已反映变化;总分只适合做概览,不能替代逐项复查。

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
Sigstore Rekor 怎样理解透明日志的验证角色Sigstore Rekor 怎样理解透明日志的验证角色
上一篇
Sigstore Rekor 怎样理解透明日志的验证角色
Kubernetes Gateway API HTTPRoute 怎样用 parentRefs 绑定 Gateway
下一篇
Kubernetes Gateway API HTTPRoute 怎样用 parentRefs 绑定 Gateway
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。
    1140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。
    1124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。
    1300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。
    1238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。
    1091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