阅读研究雷达投资体系
登录 / 注册
← 返回阅读
资讯实质变化2 分钟阅读DisconfirmAI 编辑部

当AI把代码产出推高11倍,Shopify用攻击面地图把安全审查拆成一个个小问题

Shopify工程团队Michael Hughes描述了他们在移动端的做法:维护一张按表面分组的攻击面地图,把OWASP标准和历次事故教训写成可更新的技能文件,每个工作日审查地图中发生变化的条目并通读变更文件查找遗漏,从而在每周约43.4万行代码变更的吞吐量下保持安全审查的可操作性。

2026-11-19 04:34

Shopify移动应用在12周重写中平均每周变更约43.4万行代码,而去年同期这个数字是约3.9万行。代码吞吐量翻了11倍,但安全审查不能也翻11倍——至少不能按原来的方式翻。

Michael Hughes在Shopify工程博客中描述了他们的应对方法。核心判断是:让模型在整篇应用里找漏洞,得到的是一长串模糊列表;真正有效的做法是把问题空间缩小到模型能精确回答的范围。

具体做法分三层。第一层是攻击面地图:对每个应用维护一份安全敏感项的清单,按表面分组——深链接、WebView、存储数据、权限、依赖等。每个表面写一两句为什么重要,每个条目附带一个判定(修复、权衡、安全、已修复、仅调试)和指向代码的链接。

第二层是把知识写成技能文件。起点是OWASP的移动应用安全标准MASVS和测试指南MASTG,然后加入历次事故和HackerOne报告中学到的问题类别。每个技能描述该列什么、什么是好的、该检查什么。技能不绑定某个工具:定时审查用它,一次性安全评审用它,任何在代码里工作的agent也能加载它。学到新东西就更新技能,之后每次运行自动继承。

第三层是把审查拆小。每个技能先做完整清点——每一条深链接路由和它读取的每个参数、每一个WebView和它加载的主机、每一个WebView的JavaScript接口方法、每一条Keychain和Keystore记录、每一个依赖及其版本——然后逐条审查,每次只看那一条涉及的代码。对一条深链接,就是看一个路由、它读取的每个参数和读取每个参数的代码,然后问:如果参数是恶意的会怎样?答案要具体到可验证。

审查节奏是每个工作日跑一轮:取最新提交的清点结果与上次接受的地图比较,只有引用代码行发生变化或清点报告了变化才算changed;然后模型对每个变化或新增条目做判定,用只读工具、只看代码;第二遍通读变更文件找任何安全相关但未被地图覆盖的内容;最后构建新地图和变更页面,发摘要到Slack。

地图之外还有外部监测:agent定期阅读安全新闻,把每条公告对照地图和代码检查,只有影响到自家应用时才通知团队。同样技能也用于第三方库的采用前审查,给依赖项生成与自家代码相同的地图和判定。

这套方法与Dispatch(Shopify的agentic漏洞扫描器)并行运行。Dispatch负责在变更代码中发现并证明漏洞,攻击面地图负责确保应用整体保持小且遵循最佳实践。每发现并修复一个漏洞,检查就强化一次——这是他们所说的在agentic时代构建安全移动应用的方式。

需要留意的边界:所有吞吐量数字和流程效果均为Shopify自报,没有独立测量或对照实验。方法适用于表面可枚举的移动应用;对于攻击面难以完整清点的领域,第一层地图的维护成本可能改变整个方法的可行性判断。

来源

  • shopify.engineeringShopify↗
带入研究 →
登录 / 注册
阅读研究雷达投资体系