生成式 AI 正在深度改變軟件工程流程。Stack Overflow 2024 全球開發(fā)者調查顯示，76% 的受訪者已在或計劃在編碼過程中使用 AI 工具，而“AI 寫代碼”正逐步成為主流工作方式。在中國，這一趨勢同樣迅猛——《2024 中國開發(fā)者調查報告》指出，69% 的國內開發(fā)者已經在日常工作中使用 AI 工具。
幻覺依賴與“Slopsquatting”攻擊
美國三所高校在 2025 年聯合發(fā)布的研究顯示，開源大語言模型在生成代碼時，平均有 21.7% 的依賴包屬于“幻覺”——根本不存在于 npm 或 PyPI 倉庫；商業(yè)模型的這一比例也達到 5.2% 。攻擊者據此衍生出“Slopsquatting”——專門監(jiān)控 AI 建議的虛構包名并搶注，再將惡意代碼植入。一旦開發(fā)者無條件接受助手推薦，就可能把木馬依賴自動寫進 CI/CD 流水線，惡意代碼隨之從開發(fā)環(huán)境一路擴散到生產系統(tǒng)。
2023 年底的 huggingface-cli 事件便是一記警鐘。該名稱本是 AI 助手反復生成的“幽靈依賴”，結果被研究人員注冊至 PyPI 后，在短短幾天內就被數千名開發(fā)者下載集成，所幸測試包并未植入惡意載荷。若換作真正黑客大規(guī)模運營，同樣的漏洞足以讓全球項目同時“中招”。
Check Point：“AI 對抗 AI”的供應鏈安全新思路
Check Point Research 指出，開發(fā)者依賴 AI 助手而形成的“信任真空”正被黑客利用。對此，Check Point 在過去幾年中不斷強調“AI 對抗 AI” 策略的重要性。Check Point用戶可利用 ThreatCloud AI 近百個算法引擎持續(xù)分析全球節(jié)點，一旦發(fā)現未知風險便即刻給出阻斷建議，阻止漏洞進入生產鏈路。對開發(fā)者而言，這意味著在不犧牲效率的前提下，把“人盲審”變成“AI 先驗 + 人復核”的雙保險。
行動建議
開發(fā)和安全團隊必須采取嚴格的實踐措施，以有效應對依賴管理漏洞。首先，對AI生成的建議保持懷疑態(tài)度——切勿盲目信任建議的依賴項。實施嚴格的驗證流程，手動驗證不熟悉的包名稱，并始終使用鎖定文件、固定版本和加密哈希驗證。此外，維護內部鏡像或可信包白名單可大幅降低受惡意新包影響的風險。研究人員測試了多種減少幻覺的方法，其中包括檢索增強生成（RAG）和監(jiān)督式微調。雖然這些技術顯著減少了幻覺的發(fā)生率（最高可達85%），但它們也引入了一個關鍵的權衡，即對整體代碼質量產生不好的影響。這強調了需要全面的安全解決方案，能夠在不犧牲開發(fā)效率的情況下主動識別威脅。
結語
AI 編碼助手讓開發(fā)速度再攀高峰，也將供應鏈防護推入前所未有的“倍速時代”。當“幽靈依賴”成為新的攻擊入口，唯有用更智能、更主動的安全能力去匹配 AI 賦能的開發(fā)模式，才能守住軟件供應鏈的最后防線。
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
