JFrog 与 NanoClaw 如何将软件供应链安全带入自主 AI 时代

随着 AI 服务快速进入生产应用，组织必须能够保护进入软件供应链的 AI/ML 组件。好消息是，即使没有专门扫描模型本身的工具，你仍然可以沿用同样的 DevSecOps 最佳实践来保障……

XBOW 推出自主暴露管理（Autonomous Exposure Management）：以攻击者视角、无需源码与凭据，对企业整个外部应用资产并行发起测试，为每个发现附上可复现的利用证据。企业自有应用数量往往是渗透测试覆盖量的 3–10 倍，未被测试的应用并非低风险；AI 让软件产出与漏洞发现同时变便宜，证明可利用性成为把漏洞队列转化为处置决策的关键环节。

Wiz 的 MCP agent 集成现已允许合作方的 AI agent 按需从客户租户拉取实时 Wiz 上下文——包括 Issue、发现结果和攻击路径；面向 WIN 合作伙伴的集成端点已正式 GA。

Wiz 将运行时传感器的实时网络遥测（容器间连接、DNS 查询、AI 与远程 MCP 服务器通信）接入 Security Graph，暴露只在运行期存在、配置扫描无法发现的攻击路径。

JFrog AI Catalog 演进为面向智能体开发的 AI 控制平面：模型、skills、插件与 MCP server 作为原生制品统一纳管，策略在各处强制执行，确保智能体只消费经批准的 AI 资产。

JFrog Beyond Tokens 旧金山开发者之夜回顾：三场分享分别聚焦 Fly 将发布上下文沉淀为可追溯制品、Boost 削减 token 浪费，以及 NanoClaw 为智能体建立不可绕过的安全边界。