OWASP Top 10:2025 年版——新变化及 SCW 如何助您保持合规

每隔几年,安全领域就会出现一个重塑行业对话的时刻。OWASP Top 10: 2025 版的发布正是这样一个时刻。这是自 2021 年以来的首次重大更新,虽然许多常见威胁依然在列,但新的结构重点突出了现代软件团队当前面临的风险。例如依赖项混乱、复杂的分布式系统,以及人工智能在代码编写和部署中日益增长的作用。
在 2025 年的榜单中,有两个领域尤为引人瞩目:软件供应链故障以及异常情况处理不当。这两者都印证了当下的现实——开发者早已不再是在整洁、孤立的环境中构建应用程序。他们需要使用第三方库、包管理器、API、分布式服务,以及能够代写代码的 AI 工具。开发团队早就意识到,一旦出现上游问题或意外的错误状态,其影响便会迅速引发连锁反应。OWASP 对这一现状的认可,正是对各大团队多年来切身体会的证实。
Secure Code Warrior 已将平台全面对齐至 OWASP Top 10 2025,我们致力于让这一过渡尽可能顺畅且实用。以下是关于我们更新的内容、其重要性以及团队如何立即开始使用新材料的详细介绍。
为何此次更新至关重要
OWASP Top 10 2025 的修订不仅仅是类别的重新排列。它认可了当今开发环境的现实,包括现代身份验证模式、依赖链、分布式架构以及 AI 生成代码日益增长的影响力。这些变化强调了开发人员需要培养实用的现实技能,以便及早识别并预防问题。
这正是 Secure Code Warrior 更新后的 OWASP 内容发挥关键作用的地方。供应链暴露、安全错误处理和自动化风险等主题需要的是动手实践,而非纸上谈兵。SCW 更新后的任务、漏洞主题、Learn 中的自学内容以及课程,使这些知识变得易于获取且可操作,让开发人员有机会在他们日常使用的语言和框架中建立真正的能力。
Secure Code Warrior 让一切变得简单
OWASP Top 10 2025 的体系现已全面融入 SCW 的整个学习体验之中,涵盖了任务挑战(Quests)、漏洞专题(Vulnerability Topics)、Learn 中的自主学习内容、课程(Courses)以及 SCW 信任评分(SCW Trust Score)® 框架的更新。开发者现在可以在所使用的 Web 语言环境中自然掌握 OWASP Top 10 2025 技能,管理者也能依据最新的行业标准来评估团队的技术能力。
任务与漏洞主题
SCW 的一大核心优势在于 OWASP 标准已内置于我们基于漏洞的任务中。新的 OWASP Top 10 现已直接融入塑造所有任务目标的标准之中。这意味着:
- 每个使用 OWASP Top 10 2021 标准的 Web 语言任务,现在都在其结构中使用了更新后的 OWASP Top 10 2025
- Top 3、Top 5 和 Top 10 漏洞任务目标将自动从 2025 OWASP Web Top 10 中提取,适用于所有相关的 Web 语言
- 我们使用 OWASP Top 10 标准以及 CERT-C 等其他关键行业标准,确保开发人员培训包含针对其所用语言和框架最相关、最重要的主题
课程及更多内容
所有与 OWASP 相关的任务和课程均已刷新并重新组织,以匹配新的结构。Learn 中的自学内容也已同步更新。模块顺序、术语和类别映射均已更新,确保开发人员能够获得与 2025 标准一致的清晰、准确的指导。
SCW Trust Score®
SCW Trust Score 现在反映了开发人员在更新后的 OWASP Top 10 2025 类别结构中的能力和进度。作为此次对齐的一部分,客户可能会看到全栈开发人员评分有细微调整。这是预期之中的,旨在确保信任评分保持准确、及时,并与 OWASP Top 10 2025 分类法保持一致。
迈向 OWASP Top 10 2025
OWASP Top 10 2025 的更新是行业的一个重要里程碑。OWASP 创建的结构更好地反映了当今软件的构建方式,Secure Code Warrior 很荣幸能支持各团队快速、自信地采用这一标准。对任务、漏洞主题、课程和信任评分的所有更新均已在平台中应用。您的开发人员现在拥有构建更安全软件所需的内容、指导和结构,而您的领导团队也拥有了根据最新全球标准跟踪能力的洞察力。
如果您需要关于如何将这些更新整合到现有项目中的指导,您的 Secure Code Warrior 代表或客户成功经理随时为您提供帮助。他们可以为您详细介绍变化内容、对团队的影响,以及充分利用新 OWASP Top 10 2025 内容的最佳方式。
在 AI 驱动的开发成果发布前实现有效治理
评估 AI 辅助风险,在提交代码时强制执行安全编码策略,并加速整个软件开发生命周期的安全交付。
探索更多博客
获取有关安全编码、人工智能治理和软件风险管理的专家内容。

如果模型只是安全保障中最小的一环,那么究竟是什么让 AI 生成的代码更安全?
今年早些时候,我们发布了 SCW AI 信任指数,并与皇家墨尔本理工大学(RMIT University)合作,对来自 OpenAI、Anthropic、Google 等机构的 16 款主流 AI 模型进行了评估,共生成 1760 个代码库,平均每个代码库检测出 15 个安全漏洞。基于我们首创的评估方法,这些数据最终证实:安全风险在特定模型和技术栈框架下是具有可预测性的。
在产品发布前确保 AI 驱动的开发安全
洞察开发风险,执行安全策略,并在整个软件开发生命周期中预防漏洞。



