Zikkyrat4/Verified-Taint-Chains

# VTC — Verified Taint Chains Java 代码静态安全分析工具。利用 LLM 通过构建和验证数据传播链（taint chains）来检测漏洞。 ## 工作原理 分析分为 4 个阶段进行： 1. **LLM 推理** — LLM 分析代码并识别不安全数据源（sources）和危险操作点（sinks） 2. **路径搜索** — 构建数据流图，使用 A* 或 BFS 算法寻找从 sources 到 sinks 的路径 3. **验证** — 通过控制流分析（CFG）和符号执行（Z3）对找到的链进行验证 4. **解释** — 为确认的漏洞生成描述、修复建议和 CWE 分类 ### 支持的漏洞类型 - SQL Injection (CWE-89) - XSS (CWE-79) - Command Injection (CWE-78) - Path Traversal (CWE-22) - XXE (CWE-611) - SSRF (CWE-918) - Unsafe Deserialization (CWE-502) - Code Injection (CWE-94) - Open Redirect (CWE-601) ## 安装 ``` # 克隆仓库 git clone cd verified-taint-chains # 创建虚拟环境 python -m venv venv source venv/bin/activate # 安装依赖 pip install -e ".[dev]" # 复制并配置 configuration cp .env.example .env # 编辑 .env — 指定 LLM-provider 和 API-keys ``` ### 前置条件 - Python >= 3.10 - 对于 OpenAI：API 密钥（`OPENAI_API_KEY`） - 对于 Ollama：已启动加载了模型的 Ollama 服务器 ## 使用说明 ``` # 基础分析 vtc analyze code.java # 将结果保存为 JSON vtc analyze code.java -o results.json # 附带解释的详细输出 vtc analyze code.java -v # 使用 Ollama 替代 OpenAI vtc analyze code.java --llm-provider ollama --llm-model llama3.2:latest # 选择验证级别 vtc analyze code.java --verification-level both # 选择路径搜索算法 vtc analyze code.java --pathfinding-algorithm bfs ``` 完整选项列表：`vtc analyze --help` ### 真实 CVE 评估 包含真实漏洞的 fixture 集位于 `tests/fixtures/real_world/` （7 个项目，6 个 CWE 类别）。运行评估测试： ``` # 单个项目 — 结果保存在 evaluation//after.{json,md} python scripts/evaluate.py --project keycloak # 所有项目同时运行 + 汇总表格 python scripts/evaluate.py --all-projects # 比较两次运行（baseline 与 after） python scripts/evaluate.py --diff evaluation/keycloak/baseline.json \ evaluation/keycloak/after.json ``` 添加新项目 = 在以下位置创建新目录 `tests/fixtures/real_world//`，包含 `ground_truth.json` 和 .java 文件。Schema 和已覆盖的 CWE 列表请参见： [`tests/fixtures/real_world/README.md`](tests/fixtures/real_world/README.md)。 ## 配置 配置从 `.env` 文件加载。主要参数： | 变量 | 含义 | 默认值 | |-----------|----------|-------------| | `LLM_PROVIDER` | `openai` 或 `ollama` | `openai` | | `OPENAI_API_KEY` | OpenAI 的 API 密钥 | — | | `LLM_MODEL` | 模型名称 | `gpt-4-turbo` / `llama3:latest` | | `PATHFINDING_ALGORITHM` | `astar` 或 `bfs` | `astar` | | `VERIFICATION_LEVEL` | `cfg`、`symbolic` 或 `both` | `cfg` | | `MIN_CONFIDENCE` | 置信度阈值 (0.0–1.0) | `0.5` | | `MAX_PATH_LENGTH` | 最大路径长度 | `15` | 更多详情：[docs/configuration.md](docs/configuration.md) ## 项目结构 ``` src/ ├── core/ # Pydantic-модели, конфигурация ├── stage1_llm_inference/ # LLM-клиенты, парсер, промпты ├── stage2_path_discovery/ # Граф, A*, BFS, Joern ├── stage3_verification/ # CFG-верификатор, символьное выполнение ├── stage4_explanation/ # Шаблоны объяснений, генератор ├── pipeline/ # Оркестратор, CLI └── utils/ # Логирование, утилиты tests/ ├── unit/ # Модульные тесты ├── integration/ # Интеграционные тесты ├── performance/ # Тесты производительности └── fixtures/ # Тестовые Java-файлы docs/ # Документация ``` ## 开发 ``` # 运行测试 pytest # 带覆盖率的测试 pytest --cov=src # Linting ruff check src tests black --check src tests # 类型检查 mypy src ``` ## 文档 - [架构](docs/architecture.md) — 4 阶段 pipeline 说明 - [配置](docs/configuration.md) — 所有配置参数 - [使用说明](docs/usage.md) — CLI、输出格式、示例 - [测试](docs/testing.md) — 运行测试、fixture ## 许可证 MIT License

标签：AI风险缓解, Petitpotam, Z3求解器, 代码安全审计, 安全专业人员, 逆向工具, 错误基检测, 静态代码分析