在开源社区开发的开源应用程序往往面临很大的安全挑战，因为它们是安代确的安免费的、广泛可用的全隐全，并且由志愿者支持。患何化即使一个主要的数字开源AI项目尚未被入侵
，也只是保软时间问题而已 。

因此
 ，应链让我们探讨为什么开源AI缺乏安全性 ，开源以及安全专业人员可以采取哪些措施来改善这一情况 。亿华云安代确的安

回到未来：AI即软件

首先  ，全隐全必须承认AI并不是患何化与软件不同的东西;它本质上是软件。因此 ，数字它是保软IT系统操作的一部分 ，也属于软件供应链的应链一部分。AI应该像对待任何其他代码或工件一样对待 。开源

同样值得注意的是，源码下载软件供应链安全不仅仅是关于Web应用程序 
、命令行工具或其他通常被认为是软件的东西，它保护企业在开发 、分发和部署软件时的每一个组件和过程，可以将其视为应用于系统交付生命周期(SDLC)的网络安全 。软件开发的每个阶段 ，从编码和构建到生产、部署和维护，都涉及其中 ，并且需要确保安全。香港云服务器

AI软件供应链中可能出错的地方

AI供应链中的挑战与更广泛的软件供应链中的挑战相似 ，但在将大型语言模型(LLM)或机器学习(ML)模型集成到企业的框架中时
，增加了复杂性 。

例如 ，考虑一个金融机构希望利用AI模型进行贷款风险评估的场景，这个应用程序需要仔细审查AI模型的软件供应链和训练数据来源，以确保符合监管标准 ，例如禁止在贷款审批过程中使用受保护类别 。

举例来说，高防服务器让我们看看银行如何将AI模型整合到其贷款风险评估程序中。法规要求严格遵守贷款审批标准 ，禁止使用种族 、性别、国籍等人口统计数据作为决定性因素。因此 ，银行必须考虑和评估AI模型的软件和训练数据供应链，以防止可能导致法律或监管问题的偏见 。

这个问题超出了个别企业的范围。更广泛的AI技术生态系统面临着令人担忧的趋势 。最近的建站模板研究表明 ，开源AI软件工具的安全状态与其受欢迎程度呈反比。简而言之
，开源AI工具或模型的采用越广泛 ，其可能存在的安全漏洞就越多。

此外 
，基于潜在非法或不道德数据训练的开源AI模型的普遍存在，给用户带来了重大的法律和监管风险，这种风险突显了在AI供应链中采取加强措施以确保安全使用的必要性。免费模板尽管AI的未来充满希望，但解决这些挑战对其负责任的采用和持续成功至关重要。

安全专业人员可以采取的措施

确保开源安全需要在多个方面进行关注，包括：

安全规范：倡导在开源社区内实现更大的透明度和责任制 ，要求提供必要的安全元数据 ，例如软件物料清单(SBOM)、SLSA(软件工件供应链级别)和SARIF(静态分析结果交换格式)。开源安全工具：与支持安全项目的公司合作，如Allstar、GUAC和in-toto声明 ，以分担一些责任
，同时仍然从开源创新中受益 。行业贡献和开源资金 ：支持像开源安全基金会(OpenSSF)这样的组织 ，该基金会开发规范 、工具和倡议以确保关键开源项目的安全性 。

CISO及其安全团队需要了解其企业环境中的软件信息 ，以确保其安全性，有了这些信息，CISO可以就集成到环境中的软件组件做出明智的、基于风险的决策。仅依赖志愿者的安全努力而不进行贡献或投资是不可持续且无效的
 。