AI 生成的 IaC 防护措施：MyCoCo 如何实现速度的可持续性

Source: Dev.to

TL;DR

问题： AI 生成的 Terraform 能通过 terraform validate，但不符合组织合规——缺少标签、IAM 权限过宽、资源暴露。

解决方案： 在 PR 级别实现基于 OPA 的策略防护栏，在代码进入生产前捕获 AI 的盲点。

影响： MyCoCo 将每个 AI 生成模块的安全发现从 47 降至 3，同时保留 70 % 的速度提升。

关键实现： 针对常见 AI 漏洞的自定义 OPA 策略：必需标签、加密强制、最小特权 IAM。

结论： AI 能加速 IaC 开发，但只有通过自动化策略强制注入组织上下文，才能实现可持续的速度。

挑战：MyCoCo 的 AI 实验

Jordan，MyCoCo 的平台工程师，坚信 AI 能彻底改变他们的基础设施交付。随着一次重要产品发布临近，平台团队面临一个不可能的时间表：在六周内交付 30 个全新 Terraform 模块。借助 GitHub Copilot 和 Claude，Jordan 的团队在两周内完成了这些模块。

“我们交付基础设施的速度前所未有。AI 完全懂得 Terraform 语法。每个模块第一次就通过了验证。”

Maya，安全工程师，执行了预生产的 Checkov 扫描。结果让发布计划瞬间停摆：平均每个模块出现 47 条安全发现——未加密的 S3 桶、带通配符 IAM 权限的 Lambda 函数，以及 缺少必需的 Environment、Owner、CostCenter 标签。

“AI 写出了语法完美的 Terraform，但它根本不了解我们的标签策略、命名约定或安全基线。它生成的代码更像是一个全新创业公司，而不是准备通过 SOC 2 审计的公司。”

Sam，高级 DevOps 工程师，从一开始就警告团队。信任缺口真实存在——团队对 AI 生成的代码的信任度甚至超过了手写代码，尽管对其逻辑的可见性更低。

Alex，工程副总裁，面临两难：要么推迟发布手动修复每个模块，要么找到一种让 AI 生成的代码自动符合 MyCoCo 标准的办法。

解决方案：针对 AI 生成代码的 OPA 防护栏

MyCoCo 的解决方案并不是放弃 AI，而是教会流水线 AI 所不知道的内容。团队采用 Open Policy Agent (OPA) 并结合 Conftest 实现了 三层策略强制。

第 1 层：必需标签策略

AI 最常遗漏的是资源标签。该 OPA 策略会阻止任何缺少必需标签的 PR：

# policy/tags.rego
package terraform.tags

required_tags := ["Environment", "Owner", "CostCenter"]

deny[msg] {
    resource := input.resource_changes[_]
    resource.change.actions[_] == "create"

    tags := object.get(resource.change.after, "tags", {})
    missing := [tag | tag := required_tags[_]; not tags[tag]]

    count(missing) > 0
    msg := sprintf(
        "%s '%s' missing required tags: %v",
        [resource.type, resource.name, missing]
    )
}

第 2 层：加密强制

AI 生成的 S3 桶和 RDS 实例经常缺少加密，这违反了 SOC 2 要求：

# policy/encryption.rego
package terraform.encryption

deny[msg] {
    resource := input.resource_changes[_]
    resource.type == "aws_s3_bucket"
    resource.change.actions[_] == "create"

    # Check for server‑side encryption configuration
    not has_encryption_config(resource.address)

    msg := sprintf(
        "S3 bucket '%s' must have encryption enabled",
        [resource.name]
    )
}

第 3 层：IAM 最小特权

最危险的 AI 模式是使用通配符 IAM 权限。此策略在代码进入生产前捕获过宽的策略：

# policy/iam.rego
package terraform.iam

deny[msg] {
    resource := input.resource_changes[_]
    resource.type == "aws_iam_policy"

    policy_doc := json.unmarshal(resource.change.after.policy)
    statement := policy_doc.Statement[_]

    statement.Effect == "Allow"
    statement.Action[_] == "*"

    msg := sprintf(
        "IAM policy '%s' contains wildcard Action - use least privilege",
        [resource.name]
    )
}

流水线集成

这些策略被集成到 GitHub Actions 工作流中，对每一次 Terraform plan 运行 Conftest：

- name: Policy Check
  run: |
    terraform plan -out=tfplan
    terraform show -json tfplan > tfplan.json
    conftest test tfplan.json --policy policy/

任何策略违规都会阻止 PR 合并，并提供明确的错误信息，说明具体需要修复的内容。Jordan 发现，当 AI 助手收到具体错误信息后，往往能够自行修复违规——这让防护栏成为了一个反馈回路。

结果：MyCoCo 的转型

实施 OPA 防护栏三周后，MyCoCo 的关键指标出现显著变化：

“我们不再把 AI 当作代码生成器，而是把它当作快速的第一稿。防护栏不是减速带，而是让速度可持续的质量门。”

Maya 将这些策略写入 MyCoCo 的安全文档，创建了一个 “AI 生成代码检查清单”，新成员在使用编码助手前必须审阅。发布按计划进行，基础设施在首次审计即通过了 SOC 2。

关键要点

• 语法正确并不等同于安全合规。 即使 terraform validate 通过，AI 生成的代码仍可能不满足 90 % 以上的安全要求。
• 组织上下文至关重要。 防护栏注入了 AI 所缺乏的标签、加密和最小特权策略。
• Policy‑as‑code 构建反馈回路。 清晰的错误信息让 AI 助手（或开发者）能够自动纠正问题。
• 防护栏惠及所有代码。 一旦部署，手写模块同样会变得更合规。
• 可持续的速度需要自动化质量门。 将 AI 辅助与 OPA 策略相结合，既保持了开发速度，又确保了合规性。