GitHub Code Scanning สามารถทำงานร่วมกับเครื่องมือจาก Third Party ได้แล้ว

GitHub ได้ประกาศว่าฟีเจอร์ Code Scanning ได้เปิดให้เครื่องมือสแกนโค้ดจาก Third Party เข้ามาทำงานร่วมกันได้แล้ว

Credit: GitHub

เมื่อสัปดาห์ก่อน GitHub ได้มีประกาศฟีเจอร์ Code Scanning สู่สถานะพร้อมใช้งาน ที่เป็นการสแกนช่องโหว่ในโค้ดเมื่อมีการ Pull, Push, Merge หรืออื่นๆ โค้ด เพื่อช่วยนักพัฒนาในด้านความมั่นคงปลอดภัย ซึ่งวันนี้ฟีเจอร์ดังกล่าวยังอ้าแขนรับเครื่องมือจาก Third Party ซึ่งเป็นโอเพ่นซอร์สได้แล้วถึง 10 ตัว (คลิกลิงก์ที่ชื่อได้) คือ CheckmarxCodacy, CodeScan, DefenseCode ThunderScan, Fortify on Demand, Muse, Secure Code WarriorSynopsys Intelligent Security ScanVeracode Static Analysis และ Xanitizer

ผู้ใช้งานจะได้รับประโยชน์ดังนี้

  • องค์กรขนาดใหญ่ที่มีการควบรวมกิจการอาจมีเครื่องมือสแกนต่างกันก็มาทำงานร่วมกันได้
  • อยากสแกนโค้ดเฉพาะทาง เช่น Mobile, Salesforce หรือ Mainframe 
  • ต้องการรายงานที่ปรับแต่งได้หรือ Dashboard เฉพาะตัว
  • อยากใช้เครื่องมือของตัวเองแต่ก็ไม่อยากได้ประสบการณ์เดียวกันหรือใช้ API ตัวเดียว

ไอเดียก็คือ Endpoint Code Scanning มี API ให้ดึงเอาผลลัพธ์จากเครื่องมือภายนอกเข้ามาได้ แต่ต้องเป็นในรูปแบบของ Static Analysis Results Interchange Format (SARIF) ซึ่งเครื่องมือจะถูกเรียกโดย GitHub Action หรือ GitHub App ตามอีเว้นต์เช่น Pull จากนั้นผลลัพธ์ในรูปแบบของ SARIF จะถูกอัปโหลดเข้ามายัง GitHub Security Alert และจะถูกรวมเข้ากับแต่ละเครื่องมือ ที่ GitHub จึงสามารถติดตามและยกเลิก Alert ที่ซ้ำซ้อนได้นั่นเอง

ที่มา : https://github.blog/2020-10-05-announcing-third-party-code-scanning-tools-static-analysis-and-developer-security-training/

About nattakon

จบการศึกษา ปริญญาตรีและโท สาขาวิศวกรรมคอมพิวเตอร์ KMITL เคยทำงานด้าน Engineer/Presale ดูแลผลิตภัณฑ์ด้าน Network Security และ Public Cloud ในประเทศ ปัจจุบันเป็นนักเขียน Full-time ที่ TechTalkThai

Check Also

งานวิจัยใหม่เผยให้เห็นการเปลี่ยนแปลงของเศรษฐศาสตร์โครงสร้างพื้นฐาน AI ท่ามกลางปริมาณข้อมูลที่ถูกจัดเก็บและเพิ่มขึ้นอย่างต่อเนื่อง [PR]

ที่ผ่านมาบทสนทนาเกี่ยวกับโครงสร้างพื้นฐาน AI มักให้ความสำคัญกับพลังการประมวลผล (Compute) เป็นหลัก อย่างไรก็ตาม งานวิจัยทั่วโลกล่าสุดจาก IDC เผยให้เห็นอีกหนึ่งปัจจัยสำคัญที่องค์กรจำเป็นต้องให้ความสำคัญเมื่อขยายการใช้งาน AI นั่นคือข้อมูลที่ยังคงถูกจัดเก็บและสะสมเพิ่มขึ้นอย่างต่อเนื่อง แม้ว่ารอบการประมวลผลแต่ละรอบจะเสร็จสิ้นไปนานแล้วก็ตาม

วางอนาคตเครือข่ายรูปแบบใหม่ด้วย Self-Driving Network โดย HPE Networking

หลายคนคงเริ่มคุ้นเคยหรือได้สัมผัสกับเทคโนโลยีรถยนต์ไร้คนขับ (Self-driving Car) กันมาบ้างแล้ว กว่าที่นวัตกรรมเหล่านี้จะออกสู่ตลาดได้ ต้องผ่านการเรียนรู้สถานการณ์และแก้ไขปัญหามานับครั้งไม่ถ้วน เพราะความผิดพลาดเพียงเล็กน้อยอาจอันตรายถึงชีวิต เช่นเดียวกันในวันนี้ ทราบหรือไม่ว่าผู้ดูแลระบบ (Network Admin) ก็สามารถยกระดับองค์กรด้วยระบบเครือข่ายอัจฉริยะที่ขับเคลื่อนได้เองอัตโนมัติหรือ Self-Driving Network ได้แล้วเช่นกัน …