ajinkyab9/ai-vulnerability-scanner

# AI 辅助代码漏洞扫描器（本地 LLM） 这是一个多语言微服务架构，旨在使用量化 LLM 在本地执行源代码的离线安全审计。 ## 系统架构 * 前端：React、Tailwind CSS、Monaco Editor 引擎 * 网关 API：Node.js、Express、PostgreSQL * 安全微服务：Python、FastAPI、Uvicorn * 本地 AI 引擎：Ollama（`qwen2.5-coder:7B`，你可以根据个人偏好和硬件容量使用任何本地 LLM） ## 核心架构特性 * 离线与自主执行：本项目完全不依赖外部 API（例如 OpenAI、Anthropic 等），从而确保了严格的数据隐私和 GDPR 合规性 * 混合存储层：使用带有结构化外键关联的 PostgreSQL 来进行用户管理，并结合 `JSONB` 列来索引灵活的 AI 分析 payload * 多语言服务编排：Node.js（网关）和 FastAPI（AI 数据工作进程）之间的异步进程间通信 ## 开发路线图 阶段 1：AI 沙盒与微服务层 ``` * Setup isolated FastAPI worker * Integrate Ollama API calls with context window validation using `tiktoken` ``` 阶段 2：核心网关与路由 ``` * Build Express API gateway * Implement service-to-service communication (`Node.js``FastAPI`) ``` 阶段 3：关系型持久化与安全 ``` * Implement PostgreSQL schema (Users, Projects, Scans) * Add `JSONB` query capabilities for vulnerability payloads * Secure routes via JSON Web Tokens (JWT) ``` 阶段 4：开发者仪表盘 ``` * Construct React UI with Monaco Editor integration * Implement async stream loading indicators for scan results ``` 阶段 5：优化与边缘情况 ``` * Add error bounds for context overruns and model timeouts ```

标签：AI代码审计, AI风险缓解, AV绕过, DLL 劫持, FastAPI, MITM代理, React, Syscalls, 代码漏洞扫描, 大语言模型, 微服务架构, 本地部署, 测试用例, 自定义脚本, 逆向工具