BlkSword/CTX-Audit

# CTX-Audit ## 目录 - [快速开始](#快速开始) - [命令](#命令) - [LLM 协作审计](#llm-协作审计推荐方式) - [配置文件](#配置文件) - [检测能力](#检测能力) - [架构](#架构) - [基准测试](#基准测试) - [项目状态](#项目状态) ## 快速开始 git clone https://github.com/BlkSword/CTX-Audit.git cd CTX-Audit cargo build --release # 扫描 ctx-audit scan ./myproject # 规则扫描 ctx-audit scan ./myproject --deep # 规则 + AST 污点 + 跨文件追踪 ctx-audit scan ./myproject --deep -o report.json # 单文件分析 ctx-audit analyze ./src/main.rs --symbols # 持续监控 ctx-audit watch ./myproject # MCP Server（LLM 协作） ctx-audit mcp # 守护进程（增量缓存） ctx-audit daemon start ctx-audit scan ./myproject --daemon ctx-audit daemon stop ## 命令 ### `scan` — 项目扫描 ctx-audit scan ./project [OPTIONS] OPTIONS: --deep 启用 AST 污点 + 跨文件追踪 --taint 仅启用 AST 污点分析 --cross-file 仅启用跨文件追踪 --min-severity <级别> 最低严重程度 (critical/high/medium/low) -o, --output <文件> 输出文件 (llm/json/sarif/markdown) -t, --threads 并行线程数 -r, --rules <目录> 自定义规则目录 -e, --exclude <模式> 追加排除 --daemon 通过守护进程执行 --sca 启用 SCA 依赖扫描 **扫描引擎**: RuleScanner（默认）→ AstTaintScanner（`--taint`，单文件 source→sink）→ CrossFileTaintAnalyzer（`--cross-file`，跨文件调用图 + 函数摘要）。每个引擎可独立启用。 ### `analyze` / `watch` / `daemon` ctx-audit analyze ./src/main.py --symbols # 单文件分析 ctx-audit watch ./myproject # 持续监控 ctx-audit daemon start # 启动守护进程 ctx-audit daemon status # 查询状态 ctx-audit daemon stop # 停止 ### `mcp` — LLM 协作（推荐） ctx-audit mcp # 启动 MCP Server（stdio JSON-RPC） 通过 MCP 协议暴露 32+ 工具给 Claude Code / Cursor / 任何 MCP Agent，让 LLM 自主驱动安全审计流程。详见 [LLM-AUDIT-SKILL.md](LLM-AUDIT-SKILL.md)。 MCP 集成配置（`.claude/settings.json`）： { "mcpServers": { "ctx-audit": { "command": "ctx-audit", "args": ["mcp"] } } } ### `audit` — 扫描 + 规则审计 ctx-audit audit ./project # 扫描 + 规则审计（无 LLM 调用） ctx-audit audit ./project --agent # [已搁置] 内部 Agent 模式 ### `config` — 配置管理 ctx-audit config show # 显示当前配置 ctx-audit config set # 设置配置 ctx-audit config list # 列出所有配置键 ## LLM 协作审计（推荐方式） CTX-Audit 通过 MCP 协议让外部 LLM 自主完成安全审计。核心差异：**不是让 LLM 看扫描结果猜 TP/FP，而是给 LLM 32+ 个工具去查调用图、读代码、追踪数据流，基于确定性证据做判定。** ### 工作流 1. security_scan → 获取 findings（含 enclosing_function + evidence_refs） 2. 对每个 high/critical finding: a. get_code_context → 理解代码 b. query_callers / find_call_path → 追踪数据来源 c. search_code → 搜索相关模式 d. check_sanitizer / query_middleware_chain → 排除误报 e. 判定 → TP / FP / Needs Review 3. 输出审计报告（证据链完整、可追溯） ### 已验证的审计效率 | 项目 | 审计方式 | 耗时 | 产出 | |------|---------|------|------| | Shiro 1.2.4 | MCP 协作 | ~15min | 确认 CVE-2016-4437 + gadget chain | | Shiro 1.2.4 | 纯手工 | ~2h | 同上 | | RuoYi 4.7.3 | 扫描 | ~5s | 355 findings，含 6 个 MyBatis SQL 注入 | 完整指南和示例见 **[LLM-AUDIT-SKILL.md](LLM-AUDIT-SKILL.md)** 和 **[docs/MCP-AUDIT-EXAMPLE.md](docs/MCP-AUDIT-EXAMPLE.md)**。 ## 配置文件 配置文件位于 `~/.config/ctx-audit/config.toml`（Linux）/ `~/Library/Application Support/ctx-audit/config.toml`（macOS）/ `%APPDATA%\ctx-audit\config.toml`（Windows）。 首次运行 `ctx-audit config set` 时自动生成。 **常用配置**： [scan] threads = 4 min_severity = "medium" exclude_patterns = ["node_modules", ".git", "target", "build", "dist", "vendor", "test", "tests"] [agent] llm_mode = "noop" # noop / http（MCP 模式不需配置此项） [agent.llm] provider = "openai" model = "deepseek-chat" endpoint = "https://api.deepseek.com/v1/chat/completions" [daemon] listen_addr = "127.0.0.1:19527" ## 检测能力 ### 漏洞覆盖 | 类型 | CWE | 检测方式 | |------|-----|---------| | SQL 注入 | CWE-89 | AST 污点 + MyBatis XML `${}` + 规则 | | 命令注入 | CWE-78 | AST 污点 + 多语言规则 | | 代码注入 | CWE-94 | AST 污点 + 模板注入（SSTI） | | 路径遍历 | CWE-22 | AST 污点 + 多语言规则 | | XSS | CWE-79 | AST 污点 + sanitizer 检测 | | SSRF | CWE-918 | 跨文件追踪 + Host Header 规则 | | 不安全反序列化 | CWE-502 | 规则 + 方法参数 source + 调用者链 | | XXE | CWE-611 | YAML sink 规则 | | 日志注入 | CWE-117 | 跨文件追踪 + logger sink | | 开放重定向 | CWE-601 | 规则 + sendRedirect 检测 | | 硬编码密码 | CWE-259 | 模式匹配 | | 弱哈希 | CWE-328 | YAML sink 规则 | | 不安全 Cookie | CWE-614 | 规则 + sanitizer 检测 | | 信任边界 | CWE-501 | 跨文件追踪 | ### 跨文件追踪 - **调用图构建**：Import-Aware 别名解析 + Callback 注册 + receiver 追踪 + 类型层次虚方法分发 - **函数摘要**：自底向上计算污点签名，`param_to_calls` 多跳传播，返回值 LHS 回传 - **路径追踪**：BFS source→sink 跨文件路径查找 - **中间件建模**：Express app.use() / Django MIDDLEWARE 虚拟边 - **CPG 引擎**：路径敏感分析 + AccessPath 前缀匹配 + sanitizer 净化检测 - **YAML 规则**: 68 sinks + 101 sanitizers，覆盖 7 语言 + 框架（Spring/React/Django/Express） ### 误报控制 - 文件角色标签（production/test/build/vendor） - Sanitizer 净化检测（101 个模式） - 安全屏障检测（shell:false、数组参数等） - 构造函数 FP 过滤 - 基线抑制（`.ctx-audit/baseline.json`） - 置信度评分 + 多引擎交叉确认 ### 语言支持 Java / Python / JavaScript / TypeScript / Go / Rust / C / C++ / PHP — AST 分析 12 种语言，文件扫描 18 种扩展名。 ## 架构 CTX-Audit ├── core/ # 确定性分析引擎 │ ├── analysis/ │ │ ├── taint.rs # 污点分析核心（Source/Sink/Flow/Sanitizer） │ │ ├── ast_taint.rs # AST 污点分析器（CFG + CPG 路径敏感） │ │ ├── cross_file.rs # 跨文件分析（调用图 + 函数摘要 + BFS） │ │ ├── cpg/ # 代码属性图引擎（构建/查询/摘要） │ │ ├── query.rs # 调用图查询引擎（LLM 证据 API） │ │ ├── framework_detector.rs # 安全框架检测（pom.xml/gradle） │ │ ├── imports.rs / type_hierarchy.rs / middleware.rs │ │ └── attack_surface.rs / risk_patterns.rs │ ├── scanner/ │ │ ├── mod.rs # 扫描管道 + Finding + 证据富化 │ │ ├── source_sink_patterns.rs # 本地 source→sink 模式匹配 │ │ └── sca_scanner.rs # SCA 依赖扫描 │ ├── rules/ # YAML 规则引擎 │ └── ast/ # AST 引擎（tree-sitter，12 语言） │ ├── tools/ # MCP 工具集 │ ├── bridge.rs # 内置工具（read_file/list_files/search） │ └── registry.rs / executor.rs │ ├── cli/ # CLI 客户端 │ ├── commands/ │ │ ├── scan.rs / analyze.rs / watch.rs │ │ ├── mcp.rs # MCP Server（32+ 工具） │ │ └── daemon.rs / config.rs / rules.rs │ ├── agent/ # 内部 Agent（已搁置） │ │ ├── supervisor.rs # 并发调度器 │ │ ├── investigator/ # ReAct 调查器 + TaintWalk │ │ ├── specialist/ # CWE Specialist │ │ └── prompts.rs / evidence.rs / llm_client.rs │ └── config.rs │ ├── daemon/ # 守护进程 │ └── src/{protocol,server,engine,state,client}.rs │ ├── rules/ # YAML 规则（68 sinks, 101 sanitizers） │ ├── *.yaml # 模式规则 │ └── taint/frameworks/ # 框架污点规则（7 语言） │ └── docs/ # 文档 ├── MCP-AUDIT-EXAMPLE.md # MCP 审计实战（Shiro CVE-2016-4437） ├── MCP-INTEGRATION.md # MCP 集成配置指南 └── research/ # 研究报告 + 基准汇总 ## 基准测试 ### 7 项目跨语言基准 | 语言 | 项目 | 文件 | Findings | Critical 检出 | Evidence | 已知命中 | |------|------|------|----------|-------------|----------|---------| | Java | WebGoat | 404 | 231 | 9 | 14% | 教学项目 | | Java | Shiro 1.2.4 | 619 | 57 | 9 CWE-502 | 61% | ✅ CVE-2016-4437 | | Java | RuoYi 4.7.3 | 266 | 355 | 6 CWE-89 | 4% | ⚠️ MyBatis XML | | Java | Fastjson 1.2.24 | 2035 | 10 | 7 CWE-502 | 70% | ⚠️ 入口待关联 | | Python | pygoat | 80 | 104 | 23 | 49% | 教学项目 | | Go | govwa | 20 | 5 | 1 | 60% | 教学项目 | | JS | NodeGoat | 50 | 57 | 4 | 19% | 教学项目 | ## 项目状态 | 维度 | 状态 | |------|------| | 跨文件分析 | 调用图 + Import 别名 + Callback + receiver + 类型层次 + 虚方法 + 中间件 | | 语言覆盖 | Java/Python/JS/TS/Go/Rust/C/C++/PHP — 12 种 AST，7 种污点规则 | | YAML 规则 | 68 sinks + 101 sanitizers（Spring/React/Django/Express 框架感知） | | MCP 工具 | 32+（扫描/调用图查询/代码搜索/污点追踪/审计会话） | | 证据质量 | enclosing_function 97%，evidence_refs 4-70%（项目类型决定） | | Agent 模式 | 已搁置（`llm_mode=noop`）。MCP 协作是推荐方向 | | 测试 | 239 passed，0 failed | | 基准 | 7 项目，819 findings 验证 | | 已知 CVE 检出 | ✅ CVE-2016-4437（Shiro），⚠️ CVE-2017-18349（Fastjson），CVE-2023-27025（RuoYi 部分） | ### 关于 0-day 发现 工具**能发现 0-day 的组件和模式**（如反序列化 sink、MyBatis 动态 SQL、库 API 危险入口），但**不能自动确认为 0-day**。需要安全研究员或 MCP LLM 逐 finding 追踪调用者链、确认外部可达性、判定可利用性。在合适的场景（未审计的 Java 库/框架），效率提升约 8-10x（vs 全文阅读）。 0-day 发现依赖安全研究员或 MCP LLM 逐 finding 追踪调用者链、确认外部可达性。 ## 许可证 Apache License 2.0

标签：IPv6支持, LLM协作, MCP, Rust, SAST, 可视化界面, 安全专业人员, 安全漏洞利用, 盲注攻击, 网络流量审计, 通知系统, 错误基检测, 静态代码分析