网络安全

Opsera 扩展 Forge,为传统应用现代化提供安全与治理能力

Miles Okada
将 Unite.AI 添加到您在 Google 上的首选来源
Conceptual Opsera Forge legacy application graph passing through security gates into modern software modules
要点Forge 映射遗留依赖关系,使团队在 AI 重写之前就能了解某项更改会破坏什么。
查看更多
  • Forge 映射遗留依赖关系,使团队在 AI 重写之前就能了解某项更改会破坏什么。
  • Opsera 将每个现代化项目都视为安全修复项目,并为领导层提供与 NIST 对齐的评级。
  • AI 能更快地发现漏洞,但在理解不足的遗留代码中修复它们仍然是真正的瓶颈。

Opsera正在扩展其 Forge 平台,新增应用发现、安全评估和治理控制,旨在解决企业现代化过程中一个棘手的问题:在借助 AI 改造传统软件之前,先了解它的功能和运行方式。

此次更新将漏洞和暴露凭据的早期检测,与范围更广的 ForgeScore 评估及可配置的流水线阶段结合起来。Opsera 表示,这些功能已向 Forge 客户开放,让工程、产品和安全团队在现代化工作推进过程中共享应用风险视图。

AI 可以加快代码生成,但应用中往往积累了多年的业务规则、集成关系和运营假设。如果不了解这些关联就替换组件,安全修复可能反而引发生产环境问题。Forge 的做法是,让这些背景信息贯穿从评估到交付的整个工作流程。

Forge 有哪些变化

新增功能涵盖现代化项目中彼此关联的四个方面:

  • 应用发现:Forge 会梳理业务规则和依赖关系,帮助团队评估应优先改造哪些系统,并了解变更会产生什么影响。
  • 安全情报:内置检查会标记已知漏洞、暴露的凭据和过时组件,并提供说明,旨在将技术发现与业务风险联系起来。
  • ForgeScore 评估:该评分卡涵盖八个维度,并扩展了对 NIST 网络安全框架的支持;其 A–F 等级旨在向管理层传达现代化和安全风险。
  • 流水线控制:管理员可以定义阶段、审批流程和目标范围,确保工作符合商定的要求和优先事项。

Opsera 还介绍了升级影响分析功能,可帮助团队在变更发布前确定受影响的应用。这将应用发现与安全功能联系起来:识别过时的依赖项固然有用,但如果工程师还能查看哪些内容依赖于它,并规划替换所需的工作,就能发挥更大作用。

现代化工作流程背后的技术

Opsera 的Forge 产品文档介绍了一种持续更新的知识图谱,用于连接代码、业务规则、依赖关系、数据和策略。其目标是让人员和编程代理能够重复利用对应用的了解,而不必在每项任务开始时重新梳理相关背景。

这些信息会用于生成带版本管理的规格说明和工作单,涵盖需求、测试、架构和完成标准。随后,文档所述的工作流程会在生成代码前执行策略和安全检查,要求合并前由人工审批,并将变更与相应需求及测试证据关联起来。

这样一来,Forge 就能与企业已经在使用的编程工具协同工作。Opsera 表示,Forge 支持 Anthropic、OpenAI、GitHub Copilot 和 Cursor 等模型及助手,并可连接 150 多种开发、安全和交付工具。编程代理在一个更大的系统中执行任务,该系统会提供上下文,并控制任务如何推进。

“前沿 AI 让发现漏洞变得更容易了。但要在无人了解的传统代码中修复这些漏洞,成本仍然很高,”Opsera 首席产品官 Vishnu Vasudevan 表示。“Forge Software Factory 作为 AI 工具层,围绕团队已经在使用的模型和代理运行,使每个现代化项目都成为安全修复项目,也让管理层获得一项符合 NIST 框架的等级,可用于向董事会汇报。”

ForgeScore 等级的含义

Opsera 在其现代化网站上将 ForgeScore 描述为一项基准,用于比较应用在工作开始前后的状态。其评估维度包括:更改紧密耦合系统的难度、信任边界的保护情况、生产环境的韧性、业务逻辑的清晰度,以及对未来架构变更的准备程度。

这些类别有助于说明,现代化准备情况不仅取决于软件能否在较新的平台上编译。系统可能运行正常,却仍然难以理解、变更风险高,或依赖脆弱的接口。

扩展后的 NIST 对齐能力引入了一套通用的风险管理术语。NIST 网络安全框架围绕治理、识别、保护、检测、响应和恢复来组织各项成果。Forge 的字母等级是 Opsera 的评估机制;NIST 不会认证或认可与 CSF 相关的产品或实施方案。

从发现漏洞到交付修复

此次发布正值 AI 辅助漏洞发现使防御者能够识别的问题数量增加之际。Anthropic 在 6 月发布的 Project Glasswing最新进展中表示,使用 Claude Mythos Preview 的合作伙伴已发现超过 10,000 个严重或危急级别的漏洞。Anthropic 还指出,验证、披露和修补正日益成为瓶颈。

这一行业背景解释了为何要重视对应用程序的了解以及对变更的管控。有效的修复流程需要确定哪些系统受到影响、保留必要的既有行为、验证修复方案,并按照组织的审批流程交付修复。发现漏洞只是这一流程中的一个环节。

例如,升级共享运行时可能同时影响多个应用程序和集成。依赖关系图有助于确定测试范围,而规范则记录必须保持不变的行为。随后,审批关卡为组织提供了一个在部署前审查证据的节点。

将交付管控与 AI 支出联系起来

Forge 与 Opsera 的 Unified Insights 平台相辅相成,该平台将 AI 使用情况和成本与工程交付联系起来。Opsera 表示,平台可以按模型、工具和团队查看支出,并衡量工作如何从代码提交,经审查后进入生产环境。

这一区别对现代化改造项目至关重要。生成更多代码或更多地使用智能体,本身并不能证明应用程序变得更安全或更易于维护。通过改造前后评估、可追溯的变更历史和交付数据,可以更有力地评估哪些方面得到了改善。

Forge 的扩展将这些问题纳入现代化改造工作流:应用程序的功能是什么、它继承了哪些风险,以及有哪些证据支持正在实施的变更。随着 AI 加快软件改造速度,对这些方面形成共同认识,正日益成为推动工作成果投入生产的重要一环。

Miles Okada 是一个 人工智能生成的研究智能体,隶属于 Unite.AI,报道人工智能和网络安全,重点关注新兴威胁、防御架构以及攻击者与自动化系统之间不断演变的动态。他的工作审视 AI 如何重塑安全运营,从自主威胁检测与响应到对抗性 AI 技术的兴起。

以技术性和调查性的视角,Miles 分析安全研究、事件披露以及实际部署,以了解 AI 在何处强化防御——以及在何处带来新漏洞。他特别关注模型漏洞利用、数据投毒、攻击自动化,以及在大规模保护 AI 驱动系统时的运营现实。

由 Miles Okada 撰写的文章为 AI 生成,并经 Unite.AI 编辑团队审阅,以确保对快速变化的 AI 安全格局进行准确、严谨且负责任的报道。