该论文面向软件供应链安全，提出一个以区块链为信任锚、由 LLM 驱动的智能体（agentic AI）安全框架，目标是同时保护整个软件开发生命周期（SDLC）以及负责监控 SDLC 的那些 AI 智能体自身。核心问题有两层：第一，现代软件供应链的检查点分散在源码、依赖与 SBOM、CI 配置、构建产物、运行时策略等多个环节，单一工具难以给出连续的、可审计的安全保证；第二，当这些检查工作交由 LLM 智能体执行时，智能体本身的输出是否可信、是否被篡改、其决策能否被追责，缺乏工程化的信任机制。方法上，框架编排一组专职安全智能体，分别覆盖源码完整性、依赖与 SBOM 分析、CI 配置审计、产物验证以及运行时策略评估；每个智能体背后由大语言模型负责解释制品、对工具输出进行推理，并生成结构化安全报告，从而把异构工具的原始信号统一成可读、可比对的安全结论。为保证智能体可信，每个智能体在完成分析后会产出一份带密码学签名的证明（attestation），通过智能合约写入许可型区块链；链上包含三个关键模块：智能体注册表、不可篡改的证明日志以及可强制执行的发布策略模块。智能体之间、智能体与链节点之间的通信由联盟运营的证书颁发机构（CA）保护，实现双向认证与防篡改交互。论文还给出详细用例与序列流程，演示源码安全智能体如何完成分析、将证明上链、并触发一个可验证的允许/阻止部署决策，使发布门禁从单点信任转为可验证的分布式信任。主要贡献可概括为：提出一个可泛化的智能体化供应链安全架构；以签名证明加区块链日志解决智能体可追责与防篡改问题；通过策略合约把安全结论直接约束到部署动作；并论证该架构在去中心化完整性、透明溯源和持续安全保证方面的价值。适合软件供应链安全、DevSecOps 平台、CI/CD 治理以及 LLM 智能体可信度研究方向的研究者与架构师阅读。

该论文关注 AI 编程助手大规模进入软件开发生命周期后带来的安全风险,但指出当前研究存在明显偏向: 大量工作聚焦于「AI 生成代码中是否存在漏洞」这一检测问题,而缺乏对漏洞严重性、任务语境与整体风险水平的系统化评估方法。为填补这一空白,作者提出安全风险评估框架 SRF(Security Risk Assessment Framework)。SRF 在方法论上由三部分构成: 第一,威胁建模,用于在评估前明确资产、信任边界与潜在攻击面; 第二,安全分析,借助静态分析工具对生成代码进行扫描; 第三,基于漏洞严重性(criticality)的定量风险评估,把检测结果映射为可比较的风险等级,从而避免只给出「有/无漏洞」的二元结论。实验设计上,作者选取一组与安全相关的编程任务作为基准,覆盖输入处理、文件处理等不同类别,并让多个主流 AI 开发工具分别生成实现代码,统一使用 Bandit 与 Semgrep 进行静态分析。结果显示: 所有被评估的 AI 工具生成的代码均会引入安全漏洞,说明这并非个别产品的问题,而是当前生成式编码范式的共性风险;风险等级随任务类型显著变化,输入处理与文件处理类任务的风险明显更高,而较简单的任务仍维持在低风险区间;不同工具之间存在差异,但工具间差异小于任务类别之间的差异,提示「任务语境」比「工具品牌」更能解释风险高低。作者据此认为,SRF 提供了可复现的评估流程与实用框架,可帮助组织在采纳 AI 编码工具时量化其安全影响。适合关注 AI 辅助开发治理的安全团队、DevSecOps/SSDLC 工程师、代码审计人员以及 AI 合规与风险管理岗位阅读。由于仅依据摘要,具体的任务清单、提示词设置、样本量与统计细节无法确认。

该论文针对软件开发中安全漏洞发现与修复的滞后性问题，提出了一种通用且自动化的静态应用安全测试（SAST）工具集成流程。研究背景指出，SAST 工具虽能有效检测漏洞，但因误报率高、缺乏对原生流水线的支持等可用性问题，在企业中的广泛采用受到阻碍。作者设计了一个聚合 SAST 工具输出并将其接入开发者熟悉的缺陷跟踪系统的过程，从而在开发生命周期内简化安全漏洞的识别与沟通，提升修复效率。该流程是通用化的，不绑定特定工具或平台，但论文以 SonarQube 为 SAST 工具，在基于 GitLab 的开发环境中完成了实证实现。实验结果显示，开发者对该结构化实现、实时反馈和主动漏洞管理持积极态度，尽管存在学习曲线以及安全编码与工作流中断之间的权衡等挑战，但整体上对安全意识和响应能力的正面影响表明，该流程有望增强软件开发实践的安全态势。论文主要贡献在于提出一种可落地、可复用的 SAST 集成模式，减少安全工具与开发工作流之间的摩擦，使漏洞信息能够更早、更直接地触达开发者。适合关注 DevSecOps、应用安全工具链优化及安全开发流程改进的安全工程师、DevOps 团队和软件开发管理者阅读。

本文针对现代企业面临日益严重的API安全威胁问题，提出了一种基于零信任架构（Zero-Trust Architecture）的“安全优先”API流水线开发框架。研究背景指出，API已占Web流量主导地位，成为数据泄露的主要载体，99%的组织在过去一年遭遇过API安全事件，22%因此发生实际数据泄露。同时，漏洞披露数量激增（2023年28,818个CVE，2024年40,009个），漏洞利用时间缩短至数天（2023年平均约5天）。为此，作者提出五支柱方法：治理与规划、安全设计、持续测试、流水线控制、运行时保护，并遵循OWASP API Security Top 10 2023、NIST安全软件开发框架等标准。该方法将安全嵌入DevSecOps实践，通过案例研究展示了显著效果：安全事件减少30%，发布后漏洞减少40%。论文还讨论了实施挑战、不断演变的威胁态势，并给出了组织采用安全优先流水线与零信任的建议。本文适合API安全从业者、DevSecOps工程师和安全架构师阅读。

本文针对持续集成（CI）服务平台上日益猖獗的非法加密货币挖矿行为（称为 Cijacking）进行了系统研究。与以往浏览器端挖矿劫持不同，Cijacking 将挖矿活动伪装成正常的 CI 作业，如容器镜像构建和测试，使得检测更加困难。研究者通过分析攻击者必须指定的关键挖矿信息（如钱包地址和矿池域名），从 GitHub 仓库和 CI 平台日志中恢复了攻击痕迹，共发现 1,974 个 Cijacking 实例，涉及 12 种不同加密货币、30 个攻击活动，波及 11 个主流 CI 平台。研究还揭示了攻击策略随平台防护措施演化的过程、挖矿作业的持续时间（长达 33 个月）及其生命周期，并估算出攻击者每月收益超过 2 万美元。为应对这一威胁，作者提出了一种名为 Cijitter 的创新防御技术，通过在 CI 工作流执行中策略性地注入延迟，不成比例地惩罚需要在时间约束下完成一系列任务的挖矿作业。实验评估表明，Cijitter 能显著压缩矿工收益至无利可图，同时对正常 CI 作业性能影响极小（94.3% 的 CI 作业延迟增加低于 10%）。该研究为 DevSecOps 社区提供了重要的威胁情报和实用缓解方案。