企业采购AI应用时,经常关注模型效果、云成本和合同价格,却忽视交付的软件里实际包含哪些第三方组件。一份软件物料清单SBOM可以记录组件名称、版本、依赖和来源,但它既不直接保证零漏洞,也不等于模型训练数据清单。NIST的安全软件开发框架SSDF提供开发治理和安全实践的方向,SPDX是一套可用于结构化表达软件供应链信息的开放标准。企业采购应先要求可核对的交付范围,再评估供应商的持续维护能力,而不是把一张自动生成的清单当作安全证明。
第一步:明确SBOM覆盖哪个产品版本
企业购买的通常不是孤立的软件包,而是前端App、后台服务、容器、SDK、工作流和第三方依赖共同组成的系统。采购合同需要明确清单覆盖哪个版本、哪个部署区域、哪些镜像与交付模块。如果供应商只给出一个通用开源组件表,却无法与当前生产构建对应,采购方就无法据此判断真实暴露面。NIST SSDF强调将安全实践融入开发流程,不能脱离发布过程单独看待组件清单。
验收时抽取两个实际部署镜像及一份移动端安装包,让供应商展示它们与SBOM版本标识的对应关系。记录生成工具、生成时间和已知缺失组件,清单未覆盖的服务必须写成明确例外。
第二步:核查组件身份、版本及依赖关系
有用的SBOM至少应帮助定位组件供应者、准确版本、依赖关系和相关标识。SPDX的规范可以作为交换格式依据,但遵循格式不意味着内容必然准确。某些AI应用还调用外部模型API或托管检索服务,这些能力不一定以普通软件库形式出现。应将软件组件清单与模型服务、插件和外部数据接口清单分开,确保采购人员不会误把它们全部写在同一列里。
选择三个高风险依赖进行抽查:HTTP框架、数据处理包和具有系统权限的SDK。让供应商说明它们从何处取得、以何种方式固定版本,及发生重大更新时谁批准重新构建。
第三步:区分已知漏洞与真实可利用风险
组件出现公开漏洞编号需要及时评估,但不能只按漏洞数量给供应商排名。实际风险还取决于受影响版本、代码是否被调用、网络暴露面、补丁可用性和补偿控制。AI供应商可能在演示环境使用有风险的旧包,同时正式环境已经修复,也可能反过来。采购验收应要求有时间戳的扫描结果和整改证据,不能只听口头承诺“我们都用了最新版本”。
建立严重度、可利用性、业务影响、整改责任人与到期日五列台账。对不能立即升级的组件要求说明缓解措施和复查期限,且由采购方保留风险接受记录。
第四步:单独管理AI模型、提示词与数据来源
传统SBOM并不能自动回答模型权重来自何处、训练数据是否有权使用、提示词模板谁维护、推理供应商能否更换等AI专属问题。NIST SSDF也有面向生成式AI和基础模型开发的补充实践,但不同应用的实际适用范围需要识别。建议另附模型依赖表、数据处理边界和第三方服务变更流程。不能把第三方模型的营销介绍直接当成供应链审计结果。
采购评审让供应商展示一次切换模型版本的变更记录,包括回归测试、信息安全复核、数据存储地区与是否新增用户数据传输。对没有权限访问的上游细节,应明确标注证据不足,而不是编造透明度。
第五步:把更新通知写进供应商服务要求
交付时清单完整,六个月后依赖可能已经改变。企业应约定重大组件替换、安全漏洞发现、模型供应商变更及高权限插件新增时的通知机制。通知不必要求所有普通补丁都人工审批,但应说明什么叫重大变更、谁负责风险复核,以及发生安全事故时如何找到受影响客户。只在采购签约当天做一次文件检查,没有覆盖整个合同生命周期。
设置发布触发器:关键漏洞、基础镜像大版本变更、数据访问SDK改变、推理供应商迁移。要求变更记录关联构建ID、整改计划和回滚措施,防止新的交付包覆盖旧证据。
第六步:以可执行采购测试代替清单数量竞赛
真实验收可以设计一次模拟漏洞通告:挑选清单中的一个组件,要求供应商在约定时限内定位使用范围、判断是否受到影响、说明修复方式并提供新版本证据。不要为了做测试而在生产系统投放真实恶意代码。再核对清单格式是否可机器读取、组件是否能追踪到产品发布以及第三方供应链风险是否纳入合同分工。
最终评分建议拆成可追溯性、覆盖完整度、漏洞响应速度、升级透明度和复核成本五部分。假设每月人工对账需十小时、工具费用为固定预算,应先实际测量成本,再决定是否要求更高频率的交付。
结论:企业采购AI应用的关键不是拿到最多页数的SBOM,而是能够在出现漏洞或供应商变更时快速回答“哪些服务受影响、谁负责、如何复核”。采购文件应同时管理软件组件、AI模型依赖和运行数据边界,并且保留版本关联、整改和复测记录。
Sources|原始资料
配图来自Unsplash;成本数字为显式场景假设,非行业统计。
发布者:Tuike BI,转转请注明出处:https://www.tuikebi.com/archives/7248