AI Skill 大全

源码污点分析与漏洞排查

接收多语言代码仓库与构建环境,通过构建高质量CodeQL数据库、补充项目自定义数据流模型并执行精准规则集,输出包含污点传播路径的标准化SARIF漏洞扫描报告。

功能与用途

基于 CodeQL 引擎对代码库进行深度跨过程数据流与污点追踪分析。支持 Python、JavaScript/TypeScript、Go、Java/Kotlin、C/C++、C#、Ruby 及 Swift。通过严谨的数据库质量门禁、框架私有 API 数据扩展模型补齐以及显式规则套件(.qls)校验,有效避免编译提取不足、规则被静默过滤或漏报问题,生成可溯源的漏洞调用链路与修复日志。

适用场景

  • 项目源码污点分析与漏洞追踪:对 Java、Go 等多语言代码执行跨过程数据流分析,追踪用户输入至危险汇聚点。
  • 私有框架API自定义数据扩展:为内部封装框架补充 Source 和 Sink 扩展模型,消除静默漏报并提升分析精度。
  • 门禁套件验证与SARIF报告导出:通过显式 .qls 规则套件排查漏洞,核验数据库构建质量并导出标准扫描报告。

适用人群

  • 安全研发工程师
  • 安全审计与渗透测试人员
  • DevSecOps 工程师
  • 后端架构师

使用步骤

  1. 环境检查:校验 codeql、jq、uv 可用性并初始化独立的隔离输出目录
  2. 数据库构建与验证:自动选择编译策略生成 CodeQL 数据库,并运行 check_db_quality.py 确保源码提取率达标
  3. 数据扩展评估:检查框架私有封装并按需在 extensions/ 目录编写 Source/Sink 数据模型
  4. 规则套件编译:通过 generate_suite.sh 生成显式 .qls 套件文件并经 verify_query_suite.py 校验查询有效性
  5. 执行分析与报告导出:运行分析引擎并分别归档未过滤原始结果与最终标准化 SARIF 审计报告

开始使用

将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。

查看 MCP 接入说明

技术信息

分类
IT运维与安全
适用工具
Codex、Claude Code、OpenClaw、Hermes、国内 Agent
使用难度
专业
版本
main
最近更新
2026-09-24
文件数
3
安装包大小
自动生成 ZIP
安全检查
基础检查通过

>-

使用前准备

  • 本地已正确安装并配置 CodeQL CLI,且可执行文件在系统 PATH 中
  • 已安装 jq 命令行工具(用于解析数据库元数据和处理分析结果)
  • 已安装 uv(用于运行数据库质量门禁与查询套件校验脚本)
  • 编译型语言需具备完整的编译依赖与构建工具链

依赖与权限

  • PATH
  • 读取用户主动提供的内容

同类 Skill