按能力出报告:SAST、组件、镜像、密钥和许可证

简介: 同一份「全能力」报告太厚:研发只想看代码路径,供应链只想看 CVE,合规只要许可证例外——这时不要再开五种互不相干的导出工具,而是在同一套报告快照上按能力收窄。

同一份「全能力」报告太厚:研发只想看代码路径,供应链只想看 CVE,合规只要许可证例外——这时不要再开五种互不相干的导出工具,而是在同一套报告快照上按能力收窄。

结论: 先按文末参考「报告怎么出」选受众并冻成 READY 快照;再在范围/筛选里勾能力或引擎:sast(OpenGrep)、sca(Trivy:依赖/制品/镜像)、secret(Gitleaks)、许可证相关。SARIF 只服务问题明细(SAST/SECRET/SCA);纯质量或纯许可证范围下载菜单里 SARIF 可能不可用。对外文件不写密钥正文。

SBOM 概念见文末参考:SBOM 起步——本文不改写成 SBOM 教程。生成向导、月报、分享、发布不在本文重复,一律见「报告怎么出」。
AngusSecurity 安全检查报告示例

1. 和「报告怎么出」怎么分工

你要解决的问题 读哪篇
受众、时间窗、月报、格式、READY、分享/发布 报告怎么出(快照总入口)
只留 SAST / 组件 / 镜像 / 密钥 / 许可证视角 本文
严重度怎么读、路径怎么理解 报告怎么读(存量)

共通前置(压缩版):相关检查已完成 → 新建报告选受众 → 范围选指定检查或当前态/时间窗 → 用能力 / 引擎 / 严重级别过滤 → 要 SARIF 时打开问题明细 → READY 再下载。

2. 过滤器总表(先选这张)

视角 勾选(以控制台字段名为准) 推荐受众 SARIF
SAST 能力 SAST / 引擎 OpenGrep 研发修复 开问题明细后通常可用
组件 CVE SCA;目标偏目录依赖或制品 研发修复;管理层只要摘要 开明细后通常可用
镜像 CVE SCA;指定该次 IMAGE 任务 研发修复 / 发版归档 同上
密钥 能力 SECRET / Gitleaks 对内:研发;对外:三方检查(只留计数) 开明细后通常可用(对外慎用)
许可证 许可证 / LICENSE 筛选 三方检查或研发 通常不要指望 SARIF
质量 质量引擎章节 可出现在研发向,默认不计入安全门禁 常不可用

一次生成「五种报告」:产品以一份 Spec/Document 为主;要五种视角就建五份报告(或复制配置改过滤),不要手工改导出文件冒充多份快照。

3. SAST:路径和修复建议

目标读者: 要改代码的人。

项 做法
过滤 只留 SAST;关掉 SECRET/SCA 噪音
章节 开问题明细;分组常按规则(以向导为准)
验收 HTML/CSV 能看到文件路径、规则 ID;SARIF 能被 IDE 打开且条数与明细同量级
禁止 把质量异味默认算进安全门禁结论;把管理层简要模板当修复清单

落地实践见文末参考:SAST 指南(存量文)。

专属翻车: 选了管理层态势 → 没有路径。换研发修复并打开问题明细。

4. 组件漏洞:依赖和 CVE 排序

目标读者: 要升依赖、排修复序的人。

项 做法
过滤 SCA;范围对准含 lock/清单的目录或制品检查,不要混无关镜像 Job
筛选 最低严重级别;若控制台提供 KEV/EPSS 再收窄
验收 CSV/JSON 含组件坐标、CVE、建议版本;已抑制未过期的不要重复派单
禁止 宣称「检出率高于某云端 SCA」(无法核验)

排序:先 CRITICAL/HIGH 且升级路径清晰的。CVE 响应见文末参考:CVE 手册。

专属翻车: 能力过滤未勾,报告里混进密钥命中 → 只留 SCA。

5. 镜像漏洞:这一次镜像检查

目标读者: 发版签核、镜像门禁复盘。

项 做法
范围 指定检查 → 勾该次 IMAGE 已完成任务(不要用「当前态」混进上周旧镜像)
能力 SCA(Trivy image)
验收 报告门禁结论与该 Job 一致;标签/摘要能对上
注意 漏洞库过期会导致假绿——先见文末参考:内网漏洞库

CRITICAL 先阻断再灰度见文末参考:Trivy 门禁灰度。

专属翻车: 范围用了当前态 → 出现多个镜像标签。改回指定 Job。

6. 密钥:位置对内、计数对外

受众 写什么 禁止
研发修复(内部) 文件路径、规则、掩码后的上下文(以产品脱敏为准) 完整密钥贴进聊天/工单/Wiki
三方检查(对外) 命中条数、是否已处置、例外审批 密钥正文、可还原片段、未脱敏仓库地址

分享前确认受众为对外模式并已发布。密钥门禁主路径见文末参考:密钥扫描进流水线。

专属翻车: 把研发修复 PDF 改名外发 → 作废,用三方检查重出。

7. 开源许可证:不合规与已批例外

这里的许可证是依赖组件的许可证(SPDX 等标识以引擎结果为准),不要和产品自身社区版 GPL-3.0 许可写进同一论证节。

项 做法
过滤 许可证相关筛选(字段名以控制台为准)
读者拿走 不合规组件、双许可/未知许可、已批准例外
导出 PDF/HTML/CSV;不要硬下 SARIF
验收 例外清单能与抑制/风险接受记录对账

未知许可与双许可见文末参考:许可证例外。

专属翻车: 纯许可证范围点 SARIF → 菜单不可用或失败;改 CSV/PDF。

8. SARIF 边界(能力视角)

可以 不可以假设
SAST / SECRET / SCA 问题明细进 IDE、GitHub code scanning 「所有报告都能出 SARIF」
与同 Document 的 HTML/PDF 明细数字一致 管理层默认简要、三方未开明细、质量章、纯许可证 → 一定有 SARIF
仅含问题明细数据 SARIF 代替完整对外证据包

9. 翻车表(汇总)

现象 原因 处理
SAST 没有路径 管理层简要或关掉明细 研发受众 + 问题明细
组件报告混密钥 能力过滤未勾 只留 SCA
镜像混进旧标签 未指定 IMAGE Job 指定该次任务
对外能搜到 Token 形态 受众/脱敏错误 作废重出三方检查
许可证硬下 SARIF 范围无问题明细类 Finding CSV/PDF
五份文件数字对不上 手工改导出冒充多快照 分别生成五份 READY 报告

FAQ

能不能一次生成「五种报告」自动拆文件?

以一份 Spec/Document 为主;要五种视角就建五份(或复制配置改过滤)。

质量报告算安全报告吗?

质量章节可出现在研发向报告里,但默认不计入安全门禁与风险分(以产品口径为准)。不要把质量引擎写成默认 SAST。

和 Repo 入库报告什么关系?

Repo 可做轻量入库拦截;跨仓、抑制、正式对外检查报告以 Security 为准。见文末参考:Repo 联动。

小结

  • 同一套快照机制,按能力过滤出五种视角;生成步骤见「报告怎么出」。
  • 密钥:对内看位置,对外只留计数。
  • 许可证:讲依赖许可,不与产品自身 GPL 混写;别指望 SARIF。
  • 镜像必须指定 IMAGE 任务,避免当前态混标签。

参考文章

相关文章
|
5天前
|
云安全 人工智能 运维
当攻击全面Agent化,你的安全防御能否跟上AI Speed?
多起客户侧AK泄露事件应急的真实观察
1241 4
|
28天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
9785 32
|
8天前
|
存储 人工智能 安全
千问办公官网入口网页版登录:qwenwork.cn 注册送2000积分、登录送100积分
阿里云千问办公(QwenWork)是AI智能工作平台,支持一句话生成PPT、表格、网页、视频及数据分析。个人免费版送2000积分+每日登录赠100分,含1GB存储、5个发布页;企业版198元/席/月起。阿里千问办公QwenWork官网:https://t.aliyun.com/U/0VCTGt 阿里AI工作平台,一句话完成数据分析、PPT 生成、视频剪辑、网页搭建等复杂任务
|
3天前
|
人工智能 API 开发工具
DeepSeek Harness 神插件:白嫖 13 家大厂模型
`dsh-our-free-model` 是 DeepSeek Harness 神级插件:零配置、零API Key、零账号,聚合13家大厂免费模型(含DeepSeek V4.1 Flash、Kimi K3等),支持本地网关、用量看板与自动降级,真正实现“白嫖即用”。
|
14天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
5天前
|
Web App开发 人工智能 JavaScript
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
REA(Reverse Engineer Anything)是近期爆火的开源AI逆向工具,4月发布,1个月内斩获15万+ Star。它让AI Agent无需源码即可分析二进制、APK、JS/Electron、HAR包等17类目标,自动反编译、生成可运行代码,并强制返回带证据与局限的结论。全本地执行,MIT协议,支持Hopper/Ghidra/IDA等引擎,一行命令即可上手。
625 1
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
|
13天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型深度拆解:原理解读、实战测评与保姆级落地教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为**System One Model(系统一模型)**,对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
928 1
|
9天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型全解析:核心原理拆解,性能实战测评与落地部署教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为System One Model(系统一模型),对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
592 0