Shopify 分享智能体时代移动端应用的安全防护实践
Building secure mobile apps in the agentic era
Shopify 详解了在智能体将每周移动端代码变更量推高至去年同期11倍(约43.4万行)背景下的安全防护实践。团队将安全标准与漏洞修复经验封装为独立的技能模块,针对 Deep Link 和 WebView 等敏感面建立攻击面全景图,并在每个工作日由模型针对代码变更展开细粒度审查。此外,智能体还会持续监测外部依赖项与行业安全动态,在提升研发吞吐量的同时持续收敛安全风险。
文章展示了高频代码生成下的移动安全防护架构,将安全基准拆解为技能并每日核查攻击面的机制极具参考价值。
在智能体时代,我们移动应用的代码吞吐量大幅飙升,交付代码量达到了去年同期的 11 倍。要想在这样的节奏下兼顾快速与安全交付,我们必须彻底革新移动应用的安全策略。

包含模拟数据的示例应用
在为期 12 周的 Shopify 应用重写过程中,我们平均每周变更约 43.4 万行代码。而去年同期,Shopify 移动端每周交付的代码量仅约 3.9 万行。
交付的代码量不仅翻了 11 倍,而且整个行业也看到,即便是人工审查了多年的代码库,暴露出的漏洞数量也屡创新高。要想占得先机,我们必须改变工作模式。
我们一直在紧锣密鼓地利用智能体进行开发。我们曾发文介绍过为何回归原生开发、如何在 12 周内重写 Shopify 应用、Helix 如何协助智能体重构应用内的 300 多个页面,以及 Remote Dev 如何让智能体并行完成构建与测试。
我们现有的漏洞扫描机制已经能够检测代码变更中的漏洞。但我们希望更进一步:在最大程度收敛攻击面的同时,推行最佳实践,从源头上杜绝漏洞的产生。移动应用涉及的领域繁多,且每个领域都有各自的最佳实践;我们处理过的每次安全事件也都沉淀出了宝贵经验,并融入到后续的工作中。因此,我们需要纵览每个应用的完整攻击面,及时捕捉其变化,并依据已积累的经验逐一核查各个环节。
本文将介绍我们的具体做法,并为所有使用智能体构建应用的人提供一些建议。
先从绘制攻击面地图开始
针对每款应用,我们都会整理一份包含所有安全敏感要素的清单,并按攻击面划分类别:深度链接(Deep Links)、WebView、存储数据、权限、依赖项等。对于每个攻击面,我们会用一两句话简述其关键意义。清单上的每一项都包含判定结论以及指向对应源代码的链接。
我们将每一项的判定结论归入以下五种之一:
- 待修复(附带严重等级)
- 权衡折中
- 安全
- 已修复
- 仅限调试
将经验知识固化为技能
这份地图由一组技能生成,每个攻击面对应一项技能。我们以 OWASP 的移动应用安全标准(MASVS)和测试指南(MASTG)为基础,并结合以往(包括我们自身)移动应用上报漏洞中总结的经验。每项技能都会明确列举内容、合格标准以及具体检查项。
由于它们被设计为独立技能,因此不与任何特定工具绑定。定时审查会调用它们,我们进行单次专项安全审查时也会用到,甚至任何在代码库中工作的智能体都能加载它们。每当我们沉淀出新经验,只需更新对应技能,后续的所有运行都会自动应用。
保持单次审查粒度精简
如果直接让模型去通盘排查整个应用的漏洞,得到的往往是一份又长又泛的清单。因此,每项技能会先做一个彻底的盘点:清点所有深度链接路由及其读取的参数、每个 WebView 及其加载的主机、WebView 的每个 JavaScript 接口方法、Keychain 和 Keystore 的每条条目,以及所有依赖项及其版本。接着,模型每次只审查一项,且仅调阅与该项相关的代码。

包含模拟数据的示例应用
以 deep link 为例,这意味着要深入一条路由,审视它读取的每个参数以及读取参数的代码,并推演参数带有恶意时会发生什么。模型给出的结论非常具体,足以验证。如果还需要判断该问题是否真能被利用,模型则会把问题转交给顶尖的网络安全模型。
汲取每次安全事件的经验
每当我们处理一次安全事件或一份 HackerOne 报告时,在修复 Bug 之余,还会将这类问题沉淀为技能。每次运行都会拿现有代码对照所有这些问题类别进行检查,并且每个攻击面都配有一份精简的最佳实践核对清单。

使用模拟数据的示例应用
每日审查代码变更
每个工作日,最新的前沿模型都会审查应用的代码变更并更新攻击面。接着,它们会深入攻击面上的每一处变动,结合网络安全模型排查漏洞:
- 准备阶段(Prepare)会抓取最新 commit 的资产清单,并与上一份已确认的图谱对比。只有当引用的代码行发生变动,或者清单报告了变动时,某项内容才会被计为“已变更”。
- 审查阶段(Review)要求模型仅依托代码本身和只读工具,对每个变更或新增项进行评估。随后进行第二轮扫描,通读变更文件,查找未被任何条目覆盖但与安全相关的内容。在采纳每个结论前,我们都会仔细核对:检查其格式、代码行范围和措辞,并确保其中不含敏感机密。
- 发布阶段(Publish)会生成新的攻击面图谱和变更详情页,并将摘要推送到 Slack。
变更页面列出了自上次运行以来涉及安全的所有改动,并附带针对每一项的判定结果。

使用模拟数据的示例应用
紧盯代码库之外的变动
有些问题根本不会出现在我们自己的代码 diff 中。我们所依赖的平台和软件包越来越频繁地曝出全行业性的漏洞,我们必须迅速应对。虽然我们有自动化的依赖追踪和升级机制,但有些问题仍需额外关注。为了及时跟进最新动态,智能体会定期阅读安全资讯,并对照攻击面图谱和我们的代码逐条核实。智能体会生成一份简报,只有在确实波及我们时才会提醒团队。以下便是一份简报示例:
🟢 移动端安全简报 · 应用未受影响。
🔁 处理中
- Example package 2.3 安全版本发布:修复定于周四上线,两款应用的依赖升级已就绪,自 11 月 3 日周一起跟踪。
⚪ 值得关注
- Example 浏览器引擎更新:包含三处严重修复,均未被利用。与我们无关:手机端会自动接收系统更新。
💤 无异常:平台公告、已知被利用漏洞、研究博客。
在引入第三方库之前,我们也会对其运用同样的技能进行检查,从而为依赖项建立与自研代码同等标准的图谱和判定结果。
以智能体的节奏保障安全
智能体让我们能够更频繁、更快速地交付变更。为了保障安全性,我们采取了以下举措:
- 为每个应用维护一份攻击面图谱,清楚掌握每次交付的内容,以及可以缩减攻击面的切入点。
- 将最佳实践和过往安全事件的教训整理沉淀为技能,并在每个应用中严格执行。
- 将审查拆解为范围明确的小问题,比如一次只看一个 deep link 或 WebView,让模型在清晰界定的问题空间内运作。
- 每个工作日审查代码变动,并对照安全动态排查应用,找出非自身代码导致的隐患。
除了使用我们的智能体漏洞扫描工具 Dispatch, 我们还会运行这些检查。Dispatch 负责发现并验证变更代码中的漏洞,攻击面图谱则确保每个应用整体保持精简,并遵循最佳实践。
每发现并修复一个漏洞,下一次变更时的检查机制就会更加完善。这正是我们在智能体时代打造安全移动应用的方式。
想解决这类棘手难题吗?我们正在招人。
来源:Shopify Engineering · shopify.engineering