一、案例背景
（一）AI时代软件开发的范式转移
2026年，软件开发行业正经历一场深刻变革。根据Gartner的预测，到2027年，70%的企业软件将包含由AI生成的代码，而2024年这一比例尚不足10%。GitHub Copilot、OpenAI Codex、Google Gemini for Cloud等AI编程助手的普及，使得代码生成速度呈指数级增长。然而，这种效率提升的背后隐藏着一个日益严峻的问题：当AI智能体开始直接参与软件开发、测试甚至部署流程时，组织如何验证这些代码的来源、完整性和安全性？
传统软件供应链安全的核心假设是”人”是代码的唯一创作者。代码审查、漏洞扫描、安全测试等控制措施均围绕人类开发者设计。但AI智能体的介入彻底打破了这一假设。AI生成的代码可能包含未被人类理解的逻辑，AI智能体可能被投毒攻击操纵，自动化工作流可能被篡改而不被察觉。正如Linux基金会Akrites项目的研究所指出的，AI赋能型威胁正在成为开源软件安全的新挑战。
（二）软件供应链安全标准的演进
面对这一挑战，软件供应链安全领域在过去数年间形成了一系列技术标准。Sigstore项目通过无密钥签名简化了软件工件的签名流程，使开发者能够轻松验证软件来源；in-toto框架提供了软件交付链路的完整性保护，确保每个环节都经过验证；SLSA（Software Artifacts Supply Chain Levels）建立了从构建到部署的供应链安全等级体系；SBOM（Software Bill of Materials）则提供了软件组成成分的透明清单。
然而，这些标准各自独立运作，组织需要耗费大量精力将多个开源项目组装成一套完整的供应链安全方案。这种碎片化的解决方案不仅增加了实施成本，也难以在AI加速开发的背景下提供统一的信任视图。IBM软件安全部门副总裁在公告中坦言：”我们的客户面临的不是单一的安全问题，而是如何在AI加速开发的环境中建立系统性的信任机制。”
……