跳到正文
Shopify Engineering·· 4 天前精选AI 评分79

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

AI 导读

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。

推荐理由

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。

正文 · AI 翻译

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。

Sample app security review listing attack surfaces, inventories, and issue verdicts for deep links, WebViews, and stored data.

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。

Deep-link inventory linking routes and parameters to code, with a coupon link flagged because its next-page URL is not checked.

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。

Deep-link security review flagging a coupon link that opens any HTTPS page, with past incident checks and link-handling best practices.

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:

  1. 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”。
  2. 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。
  3. 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。

Sample app security changes between two commits, showing new and fixed deep-link issues and a WebView moved into a sandbox.

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

EVAOO 主站实战落地 · AI Agent 与研发提效

看完情报?回到 EVAOO 主站直接上手工具与完整 SOP

返回 EVAOO 主站