Continuous Open Source License Compliance
Simon Phipps, Stefano Zacchiroli
在本文中，我们考虑了策略和流程在开源使用中的作用，并提出工作流中的自动化是促进合规性的最佳途径。
In this article we consider the role of policy and process in open source usage and propose in-workflow automation as the best path to promoting compliance.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
FOSS-chain: using blockchain for Open Source Software license compliance
FOSS-chain通过区块链技术自动化开源软件许可证合规流程，涵盖14种许可证，初步评估显示其在现实软件系统中的应用潜力
LicenseGPT: A Fine-tuned Foundation Model for Publicly Available Dataset License Compliance
本文提出LicenseGPT，一种专门用于数据集许可合规分析的微调基础模型，通过提升预测准确率和减少分析时间，为法律从业者提供高效工具。
Ensuring Open Source Integrity: The Intersection of Copy-Based Reuse and License Compliance
通过构建基于复制的代码重用网络，量化开源生态系统中潜在的许可证不合规程度，发现39.4%的项目组合存在风险，且仅2.43%的重用可通过依赖分析发现。
"The Law Doesn't Work Like a Computer": Exploring Software Licensing Issues Faced by Legal Practitioners
本研究通过调查30名法律从业者及16次访谈，揭示了开源软件许可证合规生态系统的现状、具体实践及面临的挑战，得出14项关键发现，填补了软件工程社区对法律从业者经验的认知空白。
AI Supply Chain Galaxy: 3D Visual Analytics for License Compliance
提出AI供应链星系（AISCG），一种交互式3D可视化分析系统，通过空间布局和规则引擎对Hugging Face上908,449个模型进行实证分析，发现55.46%的模型存在合规风险，并识别出适配器派生中56.67%的许可证遗漏和微调中8.05%的许可证漂移等风险模式。
LiCoEval: Evaluating LLMs on License Compliance in Code Generation
本研究提出LiCoEval基准，通过实证确定“显著相似性”标准，评估14个LLM在代码生成中的许可证合规能力，发现多数模型在Copyleft代码上无法提供准确许可证信息，凸显增强合规能力的紧迫性。
License Compliance in Open Source Cybersecurity Projects
本研究分析200多个开源网络安全项目，发现宽松许可证项目存在严格许可证污染及大量代码缺乏版权归属，旨在帮助管理者、社区和企业家理解许可证合规风险并改进决策。
OSS License Identification at Scale: A Comprehensive Dataset Using World of Code
本研究利用World of Code构建了包含550万个许可证blob的OSS许可证数据集，通过winnowing近似匹配实现高精度识别，准确率达92.08%，支持合规检测与许可趋势研究。
From Hugging Face to GitHub: Tracing License Drift in the Open-Source AI Ecosystem
研究开源人工智能生态系统中许可冲突，通过对大量数据集、模型及GitHub项目的端到端审核进行实证分析，开发可扩展规则引擎，揭示系统不合规情况，发布数据集和引擎，强调许可合规挑战并提供相关支持。
Small Changes, Big Trouble: Demystifying and Parsing License Variants for Incompatibility Detection in the PyPI Ecosystem
针对 PyPI 生态中许可证变体引发的合规难题，本研究开展了首次实证分析，并提出结合 diff 技术与大语言模型的 LV-Parser 解析方法及 LV-Compat 不兼容检测流水线，显著提升了分析准确率与检测效率。
Beyond Compliance: A Large Scale Study on the Completeness and Consistency of the GitHub SBOMs
研究针对GitHub软件物料清单（SBOMs）展开，通过对10000个跨十种编程语言生态系统的GitHub仓库分析，对比其他工具，发现GitHub SBOMs存在问题，组件版本和许可信息依赖生态系统，还讨论了其潜在不足。
Understanding and Remediating Open-Source License Incompatibilities in the PyPI Ecosystem
本文对 PyPI 生态系统的许可证不兼容问题进行了大规模实证研究，揭示了其普遍性及传递依赖带来的修复挑战，并提出了基于 SMT 求解器的 SILENCE 方法，以最小成本自动推荐修复方案，已在真实软件包中验证有效。
ARTENOLIS: Automated Reproducibility and Testing Environment for Licensed Software
动机：自动测试代码变更是持续集成的一个基本特性。对于开源代码，没有许可的依赖关系，存在各种持续集成服务。基于约束的重建和分析（COBRA）是一套用于计算建模的开源代码，依赖于许可软件。一个新的自动化框架的持续集成在半许可证的环境中需要开发的COBRA社区和相关工具的COBRA。结果如下：ARTENOLIS是一个通用的基础设施软件应用程序，它实现了开源软件与许可依赖项的持续集成。它使用主从框架，在多个操作系统和多个版本的许可软件依赖项上测试代码。ARTENOLIS确保COBRA工具和相关工具中代码的稳定性、完整性和跨平台兼容性。可用性和实施：可通过artenolis.lcsb.uni.lu免费访问持续集成服务器，该服务器是再现性和测试基础设施的核心。持续集成框架代码位于/.ci目录中，位于存储库的根目录下，可在github.com/opencobra/cobratoolbox上免费获得。
Towards Automated Continuous Security Compliance
针对高度监管领域中人工安全合规活动资源密集且易出错的问题，本文定义了持续安全合规概念，梳理了自动化持续安全合规面临的挑战，并提出研究路线图以推动自动化持续安全合规的实现。
GDPR Compliance in the Context of Continuous Integration
2018年颁布的《通用数据保护条例》（GDPR）迫使任何收集和/或处理欧盟个人数据的组织遵守严格的隐私法规。软件组织在GDPR截止日期之前和之后都在努力实现GDPR合规性。虽然一些研究依赖于调查或访谈来发现GDPR的一般影响，但缺乏深入的研究来调查软件组织的合规实践和合规挑战。特别是，没有关于中小企业（中小企业占欧盟组织的大多数）的资料，也没有关于实行持续一体化的组织的资料。使用设计科学方法，我们与一家小型初创企业合作，在20个月的时间里对GDPR合规实践和挑战进行了深入研究。我们首先确定了合作者的业务问题，然后迭代开发了两个工件来解决这些问题：一组可操作的GDPR原则，以及一个自动化的GDPR工具，用于测试这些GDPR衍生的隐私要求。这种设计科学的方法导致了四个研究和实践的影响。例如，我们的研究表明，GDPR法规可以通过自动化手段进行部分操作和测试，从而改善合规实践，但需要更多的研究来创建更高效和有效的方法来传播和管理软件开发人员的GDPR知识。
DevLicOps: A Framework for Mitigating Licensing Risks in AI-Generated Code
本文提出 DevLicOps 框架，通过治理、事件响应和知情权衡帮助 IT 领导者管理生成式 AI 编码助手带来的开源许可合规风险。
Logging Requirement for Continuous Auditing of Responsible Machine Learning-based Applications
针对机器学习应用因透明度等不足引发的伦理合规问题，研究指出传统日志监控可用于审计，但当前ML日志实践缺乏系统性且未充分捕获负责任AI指标，需加强相关实践与工具以开发可审计的负责任ML系统。
From Backlog Items to Security Guidance: Towards Continuous Security Compliance
本研究针对受监管领域持续软件工程中待办事项安全要求明确困难的问题，提出基于NLP的待办事项丰富系统，结合分类器与RAG管道，发布标注数据集，经评估可有效检测安全相关待办事项并关联安全要求，助力持续安全合规。
An Empirical Study of Complexity, Heterogeneity, and Compliance of GitHub Actions Workflows
本研究分析Java、Python、C++仓库的GitHub Actions工作流，量化其复杂性、异质性与合规性，发现工作流设计依赖生态惯例，为该领域提供了可复现的实证基准。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈
发表机构由 AI 从论文文本抽取，如发现错误，欢迎反馈修正建议。