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。建站模板安代确的安

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，模板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 。云计算

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
。最近的源码库研究表明，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。服务器租用尽管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。