问题 #1
一个人工智能研究团队正在开发一个依赖于多个开源库的自然语言处理模型。为了确保所用软件包的完整性，以下哪项是该团队的最佳行动方案？
答案: C
本题考察All AAISM认证体系中AI开发供应链安全的核心要求，题目核心目标是保障开源依赖软件包的完整性，即确保所用库未被非法篡改、不含恶意植入内容。安装前扫描软件包和库中的恶意软件，能够直接识别出依赖包被篡改、植入恶意代码等破坏完整性的风险，从引入环节筑牢依赖安全防线，是保障软件包完整性的最佳实践，完全匹配题目需求。
各选项分析：
A. 错误，维护常用库列表的核心作用是保障项目不同开发、部署环境下依赖版本的一致性，避免版本差异导致的模型运行异常，无法对软件包本身是否被篡改、是否存在恶意内容进行校验，不能实现保障软件包完整性的目标。
B. 错误，定期重新训练模型适配软件包和库的更新，是保障模型功能适配性、性能稳定性的措施，和软件包本身的完整性校验无关联，无法满足题目要求。
C. 正确，该措施属于AI供应链安全的标准最佳实践，通过恶意软件扫描可以直接排查开源依赖被非法篡改、植入恶意代码等破坏完整性的问题，能够有效保障所用软件包的完整性，符合题目要求。
D. 错误，公共存储库的最新版本同样可能遭受供应链攻击，存在被植入恶意代码、自带安全漏洞的风险，仅使用最新版本无法验证软件包的完整性，反而可能引入未知安全风险。
关键知识点：
1. AI供应链安全管理：All AAISM认证核心考点之一，要求对AI开发全流程引入的第三方开源组件、依赖包进行全生命周期的安全校验，防范供应链攻击风险。
2. 开源软件包完整性校验：AI开发安全的基础环节，需通过恶意代码扫描、官方哈希值比对等方式，验证依赖包与官方发布版本一致，未被非法篡改。
3. AI项目依赖管理规范：需同时兼顾依赖的版本一致性、安全性与合规性，不能仅追求版本更新或仅统一版本而忽略安全校验环节。
参考资料：
NIST AI风险管理框架(AI RMF), https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.100-1.pdf
OWASP机器学习安全Top 10, https://owasp.org/www-project-machine-learning-security-top-10/