2013 年棱镜门爆发后不久Linux 基金会执行董事Jim Zemlin接受采访时说了一句很有底气的话开源天然安全Linux 没有后门。他的理由是代码公开几千名开发者盯着看恶意改动很难不被发现。当时很多人都认同这个说法——大家正对闭源系统的黑箱感到不安。13 年后再看我觉得 Zemlin 的方向大致没错但这个论断的成立条件比当时想象的要苛刻得多。代码公开只是起点真正的安全来自持续的审查、清晰的责任和有效的兜底机制。当时的两个核心假设Zemlin 的自信主要建立在两个假设上。第一代码公开就等于可审计。源码摆在那儿理论上谁都能看总有人会发现问题。第二社区规模够大监督就够强。人多眼杂恶意代码应该混不进来。这两个假设听起来很有道理但它们都忽略了一个关键现实审计是需要真实成本的。代码公开不等于有人真的在看看了也不等于看得及时看得及时也不等于问题能被快速修复和分发。透明本身不产生安全审查行为才产生安全。透明并没有消灭漏洞后来的事实反复打了脸。2014 年的 Heartbleed 漏洞在 OpenSSL 里隐藏了两年影响了全球大量服务器。代码一直是公开的但没人及时发现。类似的还有 Linux 内核的dirty COW潜伏近 9 年以及 2021 年的Log4Shell。2024 年的xz-utils 后门事件更直接有人长期潜伏向开源项目植入后门最终是一个微软工程师因为 sshd 登录变慢才偶然发现的。这些案例没有推翻开源本身但清楚地说明了一点代码看得见不代表真的有人在认真看。从“透明”转向”治理”当透明不足以保证安全时问题就自然转向了治理层面。最基础的是SBOM软件物料清单至少要知道自己用的到底是哪些依赖。进一步还需要签名验证和可重复构建确保下载的二进制确实来自公开源码。更现实的挑战在于维护者结构。很多关键项目长期依赖少数甚至单个维护者企业大量使用却很少提供人力或资金支持。xz-utils 后门就把这个结构性风险暴露得非常清楚。治理还包括激励机制、责任分散、漏洞响应速度等。透明让问题变得可见但真正解决问题还是得靠持续的治理动作。AI 时代让事情更复杂现在的情况还在继续恶化。AI 代码生成工具大量使用后代码的来源和许可证边界变得模糊。你能审计人类写的代码但很难完全审计 AI 生成的部分。开源大模型也带来类似问题。权重文件可以公开下载但权重不等于行为可解释。模型的行为是否可解释、训练数据是否有污染、是否存在隐藏的后门远不是看代码就能解决的。AI Agent 自动提交 PR、自动修复漏洞的时代责任归属也会变得更加模糊。真正该做的事完全审计所有依赖对大多数人和企业来说都不现实但有一些基础动作还是可以先做起来引入依赖前看看维护者是谁、更新频率如何生成并保留 SBOM出事时至少知道从哪里查起对关键组件做签名验证不要完全信任包管理器定期关注 CVE 和安全公告。这些事情不能消灭风险但至少能先解决“不知道自己用了什么”这个最基础的问题。公开是起点不是终点Zemlin 当年的判断没有完全错开源的透明度确实是优势。但他和当时的很多人一样低估了把透明转化为真实安全的难度。开源安全从来不是”代码公开就安全了”这么简单。它需要透明 治理 合理的经济激励 对 AI 时代新风险的应对。代码公开只是第一步。后面还有很长的路要走而这条路需要更多人真正去负责。