JavaSecAtlasV1.2SAST 编排项目复盘
01. JavaSecAtlas V1.2:我没有继续造一个低配 SAST
最初的定位很具体:给 Java / Spring 项目做一个白盒审计辅助工具,把项目识别、路由提取、权限注解提取、启发式规则扫描和报告生成串起来。
做到 V1.2 的时候卡住了。继续沿着“自己写更多规则”往下堆,最后大概率会变成一个低配版 SAST。这就很尴尬——安全圈并不缺工具。
Semgrep 规则好写,适合快速做模式匹配和工程化落地;CodeQL 适合做数据流、调用链和变体分析;Fortify 那类商业产品更偏企业治理、规则库和合规流程。一个个人项目,既没有规则库的积累,也没有专门的人去维护规则质量,硬碰这些方向没什么胜算。
所以 V1.2 换了个问题:JavaSecAtlas 不跟成熟 SAST 比扫描能力,把它们的结果接进来,当成 Java / Spring 审计流程里的一段。
中间缺的那一段
扫描器输出的是 finding,审计最后要的是能复核、能解释、能写进报告的线索。两头之间隔着一层很实在的工作:
- 这个点属于哪个 Controller?
- 对应哪个路由?
- 有没有权限注解?
- 参数是不是用户可控?
- 它是真实风险还是误报?
- 修复建议怎么写才不空?
这些问题扫描器不回答,报告模板也回答不了。JavaSecAtlas 想补的就是这一层:把扫描结果放回 Java 项目的上下文里,再往审计线索、人工复核和报告交付推。
V1.2 实际做了什么
python -m javasecatlas scan \
-t examples/spring-vuln-demo \
-o reports \
-f all \
--import-sarif semgrep.sarif \
--import-sarif codeql.sarif
跑起来是这个顺序:先执行自己的扫描逻辑,再导入外部 SARIF,最后统一出 JSON、Markdown、HTML、SARIF 四种报告。
别把定位说大
我不会说 JavaSecAtlas 比 Semgrep、CodeQL、Fortify 强。这种话既不准,也容易被真正做过 SAST 的人一眼看穿。能说清楚的是分工:Semgrep / CodeQL 负责发现候选 finding,JavaSecAtlas 负责导入、归一化、补上下文、组织报告,Agent 只做辅助复核和表达整理。谁是裁判这件事,不因为多了个 Agent 就变了。
SARIFSemgrepCodeQLFinding Normalize
02. SARIF 导入:把外部扫描结果接进来
SARIF 是静态分析结果的通用交换格式。对 JavaSecAtlas 来说,支持它的实际好处很直接:能接住 Semgrep、CodeQL 已经跑出来的结果,不必要求用户只用自家的规则。
V1.2 新增的导入模块只有一个核心函数:
load_sarif_findings(path: Path) -> list[Finding]
做的事不复杂:读 SARIF,把外面的 result 转成自己的 Finding。转完之后,报告、过滤、Agent 复核就能用同一套结构处理,不用为每个工具写一遍分支。
字段怎么映射
导进来长什么样
rule_id: external.semgrep.java.lang.security.audit.crypto.use-of-md5.use-of-md5
severity: medium
file: src/main/java/demo/WeakCrypto.java
line: 12
column: 20
tags: external-sarif, tool:semgrep, CWE-328
这一步解决的问题很窄:以前只能处理自己的规则结果,现在外部结果也进得来。关联、去重、排序、复核,都排在它后面。
顺序反了很容易出问题。我见过不少工具先做“智能优先级排序”,数据源却只有一家扫描器的输出,排出来的东西没人信。先让数据进来,再谈怎么排。
SpringRoute BindingPermission ContextAudit Leads
03. 下一步:把 finding 绑到 Spring 路由上
只做导入的话,JavaSecAtlas 跟一个 SARIF 查看器没多大区别。真正想拉开差距的地方,是把 finding 放回 Java / Spring 项目的入口上。
真实审计里,看到一个 sink 不会马上下结论。下一步通常是往上追:这个代码点被哪个 Controller 调到了?URL 是什么?有没有权限注解?参数能不能从请求一路传到危险函数?这些问题答完,才知道要不要继续。
希望生成的线索长什么样
风险类型:路径穿越候选点
入口路由:POST /api/file/read
Controller:FileController#readFile
权限情况:未发现方法级权限注解
可控参数:filename
命中来源:JavaSecAtlas heuristic + Semgrep SARIF
复核建议:检查 filename 是否进入 Path.resolve / File 构造逻辑,确认是否有目录白名单、路径归一化和越权读取限制
实现上的五步
- 提取 Spring Controller、方法、路由和权限注解;
- 记录每个方法的大致文件路径和行号范围;
- 把 finding 的文件和行号落到对应方法附近;
- 把路由、HTTP 方法、权限注解补回 finding;
- 报告按“入口接口”组织,而不是按规则 ID 排。
这套东西不完美。行号落在方法附近靠的是范围匹配,嵌套类、内部类、多模块同名文件都会出偏差。但作为第一版 correlation 够用——先把 60 分的上下文补上,再谈跨函数调用链和数据流。
LLM AgentTriageFalse PositiveReport Draft
04. Agent 复核:让 AI 干适合它干的活
“把整份代码丢给大模型,让它自动审计”这种说法我不太认同。听起来很爽,实际很容易变成幻觉生成器——尤其在没有上下文的时候,它给出的结论往往比人更自信。
规则扫描 / SARIF 导入
↓
路由、权限、依赖、代码片段上下文整理
↓
Agent 辅助判断:可控参数、利用条件、误报可能、修复建议
↓
人工复核
↓
报告输出
它可以做
- 根据命中点和上下文,解释这里为什么可能有风险;
- 把扫描器的英文描述改写成审计报告里的说法;
- 列出需要人工确认的条件,比如“参数是否可控”“有没有白名单”;
- 写修复建议草稿;
- 把几个工具的 findings 合并成一段能读的复核说明。
它不该做
- 不该凭空说“这里一定能 RCE”;
- 不该在没有上下文的情况下编攻击链;
- 不该替代人工做最终确认;
- 不该接触未脱敏的业务代码、凭据或真实资产信息。
我不想把 JavaSecAtlas 写成“AI 自动挖洞神器”。更实际的定位是:成熟工具发现候选点,JavaSecAtlas 把候选点整理成人能看的线索,Agent 负责解释和草稿,最后一步还是人。
如果继续迭代,我会先做 finding correlation,而不是先堆 AI 功能。上下文没整理干净的时候,Agent 接得越深,说胡话的概率越高——这一点和 prtseek 那边踩过的坑是一样的。