
Azure DevOps
了解有关本尼·查尔尼(Benny Czarny)所著《颠覆性的网络安全》一书的更多信息
CycloneDX 与 SPDX 在 SBOM 中的应用
第三方开源
Software
CI/CD 管道与
的集成
Software & AI 许可信息
已知漏洞与加密风险可见性
由于资产清单不完整,团队不得不重新收集证据,以应对安全漏洞、进行加密迁移以及审查人工智能模型。


供应商提供的软件和人工智能模型文件在送达时可能未附带可用的库存信息,这使得团队在审核前必须先确定软件包版本、加密依赖项、模型来源以及声明的许可协议。


欧盟《CRA》规定了软件物料清单(SBOM)的义务,《第14412号行政命令》对计算机物料清单(CBOM)提出了指导要求,而欧盟《人工智能法案》则要求对涵盖范围内的通用人工智能模型进行文档记录。由于清单各自独立,使得相关证明材料的整理工作更加困难。


当披露新的CVE时,由于缺少软件包名称和版本信息,会导致初步工作——即确定哪些软件组件需要调查——被延误。
列出870万个第三方库的包名、版本、许可信息、关键软件更新及已知漏洞。
检查算法、库、证书、协议及相关加密材料。审查经典和量子风险,并在可行的情况下提供替代方案建议,以辅助迁移决策。
将模型文件与已知发布相同字节内容的存储库进行匹配,并报告已声明的可用许可证,从而为审阅者提供关于来源和许可核查的具体参考依据。
分析隔离网络中的受支持文件。在本地安装所需数据库后,团队在扫描过程中无需连接云端即可进行物料清单(BOM)审核。
通过一个引擎生成软件、加密和人工智能资产清单,从而减少为每种清单类型分别配置扫描工作流的需求。
设置软件漏洞阈值和软件包许可限制。根据您的工作流要求,分别启用针对加密风险和选定 AI 模型许可的阻止功能。
查看扫描摘要,在 SBOM、CBOM 和 AIBOM 检测结果之间切换,并导出您需要的报告。

设置漏洞严重性阈值,选择要屏蔽的软件包许可证,并启用源代码的依赖项检查。

Azure DevOps

Bitbucket

GitHub

GitLab

Amazon ECR

Azure ACR

DockerHub

JFrogContainer

码头

JFrog 二进制文件

Ruby

Python

PHP

Node.js

Java

去

Rust

Dart

.NET

C/C++