بسیاری از سازمان‌ها هنوز تصاویر کانتینری خود را امضا نمی‌کنند. در دوره‌ای که هوش مصنوعی و آرتیفکت‌های مدل‌محور بخش عمده‌ای از زنجیرهٔ عرضه را تشکیل می‌دهند، این غفلت می‌تواند به خسارت‌های گسترده و طولانی‌مدت منجر شود.

تهدیدی که از چشم‌پوشی پدید می‌آید

تصاویر کانتینری امضا‌نشده در هر مرحلهٔ چرخهٔ عرضه آسیب‌پذیری ایجاد می‌کنند: تصاویر مخرب می‌توانند خود را به‌عنوان بسته‌ای مشروع جا بزنند، خطوط CI/CD را آلوده کنند و مدارک سرقت‌شده امکان جعل ناشر مورد اعتماد را فراهم سازند. مشکلات داخلی نیز جدی‌اند؛ تیم‌های مختلف ممکن است رویه‌های متفاوتی داشته باشند و این شکاف‌ها زنجیرهٔ اعتماد را تکه‌تکه می‌کنند. از همه مهم‌تر اینکه هر تصویر از تصویر پایهٔ خود ارث می‌برد، بنابراین یک تصویر پایهٔ آلوده می‌تواند به‌سرعت به ده‌ها سرویس سرایت کند.

چرا اسکن به‌تنهایی کافی نیست

اسکن‌ها واکنشی‌اند: آن‌ها نشان می‌دهند چه آسیب‌پذیری‌هایی در تصویر وجود دارد اما پاسخ نمی‌دهند که چه کسی آن را ساخته یا آیا از زمان ساخت تغییر کرده است. امضای رمزنگاری‌شده و اثبات منشأ مکمل اسکن‌ها هستند؛ اسکن می‌گوید «چه چیزی داخل است» و امضا می‌گوید «آیا می‌توان به آن اعتماد کرد».

عصر هوش مصنوعی و افزایش چشمگیر ریسک

در حال حاضر وزن‌های مدل، مجموعه‌داده‌ها، زمان‌اجرای استنتاج و ابزارهای عاملی اغلب به‌صورت مصنوعات توزیع می‌شوند. یک چک‌پوینت PyTorch یا یک فایل سریال‌شده ممکن است هیچ CVE مرتبطی نداشته باشد؛ پایگاه‌های دادهٔ آسیب‌پذیری عموماً برای وزن‌های آموزش‌دیده وجود ندارند. در نتیجه، اسکن مبتنی بر CVE یا SCA قادر به شناسایی بدخواهی‌های نهفته در وزن‌های سریال‌شده نیست.

نمونهٔ واقعی: در فوریهٔ 2024 پژوهشگران JFrog مدلی مخرب روی Hugging Face یافتند که با بهره‌برداری از هوک pickle هنگام فراخوانی torch.load() شل معکوس اجرا می‌کرد. تقریباً 100 مدل حاوی payload مخرب تشخیص داده شد؛ هیچ CVE‌ای برای این مورد صادر نشد چون مشکل در وزن‌ها و فرایند سریال‌سازی نهفته بود. پس از آن اسکن‌های مخصوص مدل توسعه یافت، اما مهاجمان نیز راه‌هایی برای دور زدن این اسکن‌ها پیدا کردند؛ نمونهٔ nullifAI نشان داد که تغییر فرمت فشرده‌سازی یا خراب‌سازی جریان pickle می‌تواند تحلیل ایستا را بی‌اثر کند.

پیامدها: از تخریب یک صفحه تا فساد پیش‌بینی‌ها در مقیاس

یک تصویر برنامه‌ای آلوده ممکن است صرفاً یک سرویس را مختل کند، اما یک مصنوع مدل هوش مصنوعی دستکاری‌شده می‌تواند پیش‌بینی‌ها، توصیه‌ها و تصمیمات خودکار را در مقیاس میلیونی فاسد کند یا عامل‌ها را به انجام عملیات هزینه‌زا و مخرب وادارد. وقتی از مدل‌های پیش‌آموزش‌دیده استفاده می‌شود، امنیت و کیفیت داده‌های آموزش نیز به‌صورت ضمنی وارد فرایند شما می‌شود؛ بدون امضای معتبر، هیچ تضمینی برای منشأ و یکپارچگی آرتیفکت‌ها وجود ندارد.

امضای تصاویر؛ چرا و چگونه باید جدی گرفته شود

امضای یک آرتیفکت امنیتی ساده نیست؛ یک زنجیره است که هر حلقه‌اش باید استوار باشد. بهترین نقطه برای اعمال سیاست‌های امضا و راستی‌آزمایی، لایهٔ رجیستری است. وظایف کلیدی رجیستری عبارت‌اند از:

  • محدود کردن پذیرش تصویر بر اساس حساب رجیستری و وجود امضا.
  • متعلق کردن اعتبارهای push به پایپلاین‌ها، نه افراد.
  • تبدیل امضای رمزنگاری‌شده و بررسی منشأ به مرحله‌ای غیرقابل‌تغییر در جریان CI/CD.

ابزارها و استانداردهای پیشنهادی

  • Sigstore و cosign برای امضای تصاویر و ثبت منشأ.
  • استفاده از مشخصه‌ها و استانداردهای OCI برای مدیریت آرتیفکت‌ها و متادیتا.
  • ادغام اسکن‌های مخصوص مدل در کنار اسکن‌های سنتی CVE و SCA؛ به‌خاطر بسپارید که اسکن‌ها تنها یکی از لایه‌های دفاعی هستند.

گام‌های عملی فوری برای تیم‌ها

  1. ابزار امضای خودکار را در CI/CD پیاده‌سازی کنید (مثلاً cosign) و امضا را پیش‌شرط انتشار قرار دهید.
  2. پالیسی‌های رجیستری را طوری تنظیم کنید که فقط تصاویر امضاشده از حساب‌های معتبر پذیرفته شوند.
  3. وزن‌ها و مدل‌ها را هم مانند باینری‌ها امضا کنید؛ نه فقط کانتینرها.
  4. کلیدهای رمزنگاری را دور از دسترس نگه داشته و از مدیریت کلید سخت‌افزاری یا سرویس‌های مبتنی‌بر HSM بهره ببرید.
  5. چک‌پوینت‌ها و آرتیفکت‌های مدل را همراه با متادیتا و رکورد منشأ ثبت و نگهداری کنید تا قابلیت حسابرسی فراهم شود.
  6. تأییدِ زمان‌اجرا (runtime verification) برای اعتبارسنجی امضا و منشأ پیش از بارگذاری در محیط تولید اجرا کنید.
نشانه‌گذاری و امضای تصاویر کانتینری

چک‌لیست سریع برای اجرای فوری

  • اجرای cosign یا معادل آن در خط لولهٔ انتشار.
  • تنظیم رجیستری برای پذیرش صرفاً تصاویر امضاشده.
  • امضای مدل‌ها، وزن‌ها و مجموعه‌داده‌ها همراه با ثبت منشأ.
  • استقرار مدیریت کلید ایمن و راهکارهای حسابرسی.

چشم‌انداز و توصیه‌ نهایی

امضای تصاویر کانتینری و مدل‌ها باید به هنجار تبدیل شود، نه یک گزینهٔ اختیاری. با رشد سریع استفاده از آرتیفکت‌های مدل‌محور، تضمین منشأ و یکپارچگی آرتیفکت‌ها به همان اندازهٔ شناسایی آسیب‌پذیری‌های سنتی اهمیت دارد. سازمان‌هایی که امروز در امضا و ثبت منشأ سرمایه‌گذاری می‌کنند، فردا در برابر حملات زنجیرهٔ عرضه مقاومت و اطمینان بیشتری خواهند داشت. برای شروع سریع، مستندات پروژه‌هایی مانند Sigstore و راهنماهای Hugging Face دربارهٔ ایمن‌سازی مدل‌ها منابع عملی و قابل‌اعتمادی فراهم می‌کنند.