Recoleta Item Note
SBOMs into Agentic AIBOMs: Schema Extensions, Agentic Orchestration, and Reproducibility Evaluation
本文将静态 SBOM 扩展为具备上下文推理能力的 agentic AIBOM，使软件物料清单不仅记录组件，还能结合运行时证据与策略输出可审计的漏洞可利用性判断。其核心贡献是多智能体编排、对 CycloneDX/SPDX 的最小模式扩展，以及围绕可复现性与漏洞解释稳定性的评估。
sbomaibommulti-agent-systemssoftware-supply-chain-securityreproducibilityvex-csaf
Summary
本文将静态 SBOM 扩展为具备上下文推理能力的 agentic AIBOM，使软件物料清单不仅记录组件，还能结合运行时证据与策略输出可审计的漏洞可利用性判断。其核心贡献是多智能体编排、对 CycloneDX/SPDX 的最小模式扩展，以及围绕可复现性与漏洞解释稳定性的评估。
Problem
- 传统 SBOM 只描述静态依赖，无法反映运行时行为、环境漂移、动态加载与真实可利用性，因此难以支持高可信的软件供应链安全与可复现审计。
- 在海量 CVE 背景下，组件“存在”不等于漏洞“可利用”；若缺少上下文过滤，安全团队会被大量不可利用漏洞淹没。
- 受监管或高保证分析环境需要把软件组成、执行上下文和审计证据绑定到一起，否则即使代码与数据不变，环境差异也会破坏结果复现与合规判断。
Approach
- 提出 agentic AIBOM 框架：把 SBOM 从被动清单变成主动溯源对象，输出与 CSAF v2.0 / VEX 对齐的结构化可利用性声明，而不是直接执行封禁动作。
- 采用三类多智能体协作：MCP 负责基线环境重建，A2A 负责运行时依赖与环境漂移监测，AGNTCY 负责结合策略、缓解措施与执行证据进行漏洞/VEX 推理。
- 对 CycloneDX 和 SPDX 做“最小且兼容”的 schema 扩展，新增执行上下文、依赖演化时间线、agent 决策来源与 advisory 证据字段，同时保持互操作性。
- 通过 pre/mid/post 多阶段快照、导入钩子与包管理器插桩建立运行时依赖真值，并用 Capture Rate、FPR、FNR、语义/精确复现率、延迟与开销评测。
- 为保证高可信性，系统加入故障闭锁、跨快照一致性校验、分段签名和完整性阈值；例如缺失或错误哈希组件超过 2% 时触发完整性违规并要求人工裁决。
Results
- 论文明确声称：在异构分析工作负载上，agentic AIBOM 相比 ReproZip、SciUnit、ProvStore 等既有溯源系统，提高了运行时依赖捕获、复现保真度和漏洞解释稳定性，且计算开销较低。
- 论文还声称消融实验表明三个 agent 各自提供了确定性自动化无法替代的独特能力，支持其多智能体设计必要性。
- 文中给出了可量化的评测定义与阈值：精确复现使用 SHA-256 字节级一致；语义复现容差为确定性任务 ε=1e-12、浮点 ML 任务 ε=1e-6。
- 可靠性机制中给出明确规则：若跨阶段校验发现预计组件中超过 2% 缺失或哈希错误，则阻止流程继续并升级人工审查。
- 背景数据强调问题规模：截至写作时 CVE 超过 191,633 条，后续已超过 200,000；2022 年 32,760 条、2021 年约 22,000 条；约 11% 被归为 critical；约 95% 的 SBOM 组件漏洞通常在产品中不可利用。
- 提供的摘录没有出现直接的最终 benchmark 数值表（如具体提升百分比、各数据集绝对分数或开销毫秒数），因此无法从摘录中提取更细的定量对比结果。
Link
Built with Recoleta
Run your own research radar
Turn arXiv, Hacker News, OpenReview, Hugging Face Daily Papers, and RSS into local Markdown, Obsidian notes, Telegram digests, and a public site.