作者:新思科技软件质量与安全部门产品市场经理Steve Cohen
软件质量与安全、合规性要求和规避风险均是当务之急,推动了DevSecOps的发展。——调研机构451 Research发布的《DevSecOps的现实与机遇》
DevSecOps兼顾了DevOps和安全,使得开发商可以更快速地构建安全、优质的软件。其中,自动化是DevSecOps发展不可或缺的因素。
世界在不断变化,APPSec应用亦是如此,自动化是推动APPSec持续、有效地发展的关键之一。许多企业已经迈出了第一步,整合其开发和运营团队,以推动更加高效的应用程序交付和市场创新。他们相互协调,朝着共同的目标奋进 —— 快速推出稳定性能、高质量的软件,并取得了很大的进展。自动化是高效达到成果的方法之一。
通过将手动流程自动化,并且将工具构建为持续集成和持续交付(CI/CD)管道,开发和运营团队提高了工作流程效率和团队之间的信任,这一点至关重要。因为这些曾经不同的团队现在合并成为一个新的团队来解决关键问题。我们看到在集成工具中自动化的使用和扩展,例如GitLab用于版本控制, Jenkins用于CI,Jira用于缺陷跟踪以及Docker用于工具链中的容器集成。这些工具协同工作,创建一个紧密的自动化环境,旨在使企业能够专注于更快地向市场交付高质量的创新产品。
企业也意识到通过在软件开发生命周期(SDLC)早期阶段融入安全原则来应用和共享自动化的价值意义重大。这样可以缩短反馈回路并减少冲突,从而使工程师能够更快、更顺利地检测和修复安全性和合规性问题,成为软件开发工作流程的一部分。
DevSecOps中的自动化是共性。它使统一的DevSecOps团队中的开发、安全和运维角色都能够在SDLC上协作和扩展视野,无论部署框架是本地部署、私有云、公有云还是混合云。通过使其成为企业新文化中无摩擦的一部分,从而加速了安全性部署。
根据BSIMM9报告,自动化将安全性成功集成到DevOps中发挥关键作用。以下是BSIMM中支持DevSecOps的一些关键活动和实践:
尽管自动化在DevSecOps中非常关键,但它并不能替代所有手动操作。你仍然需要专注于应用程序的设计以及应用程序和安全控制的基础架构支持。找出可能增加系统易受攻击的潜在弱点非常重要,包括设计违反安全设计模式、系统忽略安全控制或者安全控制遭到错误配置、弱点或误用的情况。
随着许多企业在使用DevSecOps团队替代“企业信息孤岛”和实施CI/CD工作流程方面取得了重大进展,DevSecOps中自动化的优势包括简化、协作开发、安全和操作方法显而易见:它们帮助企业更快地将高质量、安全的性能和增强功能推向市场。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。