claudit 是一个面向 Python 代码库的 AI 安全审计工具：先用 tree-sitter 索引仓库、识别危险 sink（危险函数）与用户输入 source（攻击面），再用 semgrep 做确定性静态预扫，然后交给 Claude 做语义级漏洞分析，最后用对抗式验证（POC 参考库佐证 + OCR 截图兜底）压低误报。产出带 file:line / CWE / 严重度 / 验证结论的发现，支持 CLI、Web dashboard 复核与 SARIF 交付。
- 五层流水线：索引 → semgrep 预扫 → AI 审计 → 对抗式验证 → 人工复核
- 确定性 + 语义结合：semgrep 规则零 token 抓确定性问题；AI 专注静态工具抓不到的业务逻辑与跨函数污点
- 对抗式验证：质疑者 agent 主动反驳每条发现，只有「sink 危险 + 输入可控 + 无净化」才 confirmed
- POC 参考库：本机 Threekiii/Awesome-POC 库（1103 个真实漏洞，834MB，需自行下载，不入库）按标题检索，验证阶段读 md 内容佐证；截图 OCR 兜底
- Web dashboard：浏览选取审计目标（文件或整个文件夹）、按键扫描（SSE 实时进度）、统计筛选、批量三态复核、一键修复（AI 生成补丁 → 预览 diff → 应用并自动备份）、网页设置 API 参数；与 CLI 共享同一数据库
- 分部分析与 token 控制：AI 阶段按「每批切片」分批处理（sink 级
analyzed标记，重扫自动续跑剩余）；超长函数切片截断为 sink 为中心窗口；token 预算（默认 50 万）超了自动停止并提示续扫；扫描可选排除目录 - SARIF 2.1.0 导出：兼容 GitHub code scanning / VS Code
- 全程把被审计代码与 POC 内容视为不可信数据（提示注入防御）
# 1. conda 环境
conda create -n claudit python=3.11 -y
conda activate claudit
# 2. 安装（semgrep 为可选 extras；dev 含 pytest）
pip install -e .[dev,semgrep]
# 3. 配置 API key（.env 放在项目根目录，从任何目录运行都能读到）
cp .env.example .env # 填入 ANTHROPIC_API_KEY可选：CLAUDIT_POC_DIR（POC 库路径）、CLAUDIT_OCR_PYTHON（有 easyocr 的解释器，默认 base conda）、CLAUDIT_MODEL、CLAUDIT_LIMIT、CLAUDIT_VERIFY_LIMIT、CLAUDIT_EXCLUDE。
📦 POC 参考库不入库（834MB 本地资料，含 3000+ 截图）。需要验证佐证功能时，自行下载：
git clone --depth 1 https://github.com/Threekiii/Awesome-POC.git # 工具默认在项目根目录找 Awesome-POC-2.0 或 Awesome-POC 目录名 # 也可把克隆目录放到任意位置，设 CLAUDIT_POC_DIR 指向它缺失时验证降级为无 POC 参考（阶段二 OCR 兜底也跳过），其余功能不受影响。
# 自带一个故意留漏洞的 Flask 夹具，5 秒内看到全流程效果
claudit audit tests/fixtures/vuln_app --limit 5 --verify
claudit findings --target tests/fixtures/vuln_app
claudit dashboard --target tests/fixtures/vuln_app # 网页复核# 静态全量扫描（不调 AI、零 token）：tree-sitter 索引 + semgrep 确定性预扫
claudit audit <目标仓库> --no-ai
# 完整审计：索引 + semgrep 预扫 + AI 分析 + 自动对抗式验证
claudit audit <目标仓库> --limit 10 --verify # --no-semgrep 可跳过预扫
# 单独跑验证（阶段一 md 参考 → 阶段二 uncertain OCR 兜底）
claudit verify --target <目标仓库> --limit 10
# POC 参考库
claudit poc-index # 重建 md 索引
claudit poc-search "SQL注入" --top 5 # 按标题检索漏洞
claudit poc-ocr <截图路径...> # 手动 OCR 截图（复用 easyocr）
# 查看 / 详情 / 人工复核标记
claudit findings --target <目标仓库> # 含 Source 列（ai/semgrep）
claudit show <id> --target <目标仓库>
claudit mark <id> --status confirmed|fp --target <目标仓库>
# Web dashboard：选取目标 → 扫描（SSE 进度）→ 复核 → 一键修复 → 设置
claudit dashboard [--target <初始目标>] --port 8000
# 或者直接双击项目根目录的 启动.bat（免参数直达 dashboard）
# 导出 SARIF 2.1.0（兼容 GitHub code scanning / VS Code）
claudit export --target <目标仓库> --out findings.sarif [--status confirmed]审计结果存在 <目标仓库>/.claudit/audit.db（SQLite），CLI 与 dashboard 共享。
⚠️ dashboard 默认只绑定127.0.0.1。发现包含源码与敏感信息，勿通过--host对外暴露。
① 索引 (M1) tree-sitter 解析 → 函数/调用图/source(用户输入)/sink(危险函数)
② 预扫 (M2) semgrep 策展规则 → 确定性发现（source=semgrep，零 token）
③ AI 审计 (M3) 对「sink + 可达污点路径」切片 → Claude 结构化输出（CWE/severity/证据/修复）
④ 对抗验证 (M4) 质疑者 agent 反驳每条发现
├ 命中 POC 标题 → 读 md 内容佐证
├ confirmed / refuted
└ uncertain → OCR 相关 POC 截图 → 再验证（stage=ocr）
⑤ 复核 (M6) CLI mark / Web dashboard 批量三态复核
⑥ 交付 (M7) SARIF 2.1.0 导出
Z:\py\代码审计\
├── claudit/
│ ├── config.py # .env 加载（cwd + 项目根目录双保险）+ 配置
│ ├── store.py # SQLite DAO（runs/files/functions/sinks/sources/findings/verifications）
│ ├── core/
│ │ ├── rules.py # 漏洞分类法 → source/sink AST 匹配规则
│ │ ├── indexer.py # tree-sitter 解析、提取函数、匹配 source/sink
│ │ ├── callgraph.py # 调用图 + 污点可达性（切片优先级）
│ │ ├── semgrep.py # M2 预扫：扫描 + 归一化 + 入库（source=semgrep）
│ │ ├── ai.py # LLM 基类 + 分析器（tool-use 结构化输出）
│ │ ├── finder.py # 切片选择 → AI → 去重 → 入库
│ │ ├── verifier.py # M4 对抗式验证（md → OCR 两阶段）
│ │ ├── sarif.py # M7 SARIF 2.1.0 导出
│ │ └── poc/ # POC 参考库：indexer / retriever（标题检索）/ ocr（子进程复用 easyocr）
│ ├── rules/semgrep/ # 18 条策展规则（纯 ASCII，含 UPLOAD/SSTI/XXE/重定向等）
│ ├── web/ # FastAPI dashboard + 原生 JS 前端（无构建）
│ └── cli/app.py # audit / verify / findings / show / mark / export / dashboard / poc-*
├── tests/ # 29 个用例（索引/semgrep/验证/dashboard/SARIF/迁移）
│ └── fixtures/ # vuln_app（漏洞夹具）、pocs（迷你 POC 库）、semgrep_target
└── Awesome-POC-2.0/ # POC 参考库（1103 个真实漏洞，含截图）
| 变量 | 默认 | 说明 |
|---|---|---|
ANTHROPIC_API_KEY |
— | 必填，AI 分析/验证 |
CLAUDIT_MODEL |
claude-sonnet-4-5 |
审计模型 |
CLAUDIT_LIMIT |
50 |
单次审计最多分析切片数 |
CLAUDIT_VERIFY_LIMIT |
50 |
单次验证最多发现数 |
CLAUDIT_POC_DIR |
项目根/Awesome-POC-2.0 | POC 参考库（不设则默认；设相对路径按 cwd 解析） |
CLAUDIT_OCR_PYTHON |
C:/ProgramData/miniconda3/python.exe |
OCR 兜底用的解释器（需有 easyocr） |
CLAUDIT_EXCLUDE |
— | 索引排除目录（逗号分隔） |
CLAUDIT_SLICE_MAX_LINES |
250 |
超长函数切片截断阈值 |
CLAUDIT_MAX_TOKENS |
500000 |
AI 阶段 token 预算（超出停止，续扫继续） |
- XSS 服务端渲染场景弱检测；FastAPI 依赖注入式参数（
Depends）暂不识别为 source - POC 检索为标题加权关键词（无向量 embedding）
- 搜寻参考仍是规则表 + 模型知识（POC 参与分析阶段的增强暂缓）
- 被审计代码与 POC 内容都视为数据而非指令（提示注入防御）
python -m pytest tests/ # 29 个用例；semgrep 用例在未装 semgrep 时自动跳过