前言
在代码审计工作中，传统的人工审计方式不仅耗时耗力，而且对于复杂的代码逻辑和海量代码库来说，难免存在疏漏。ChatGPT 的出现，为代码审计带来了新的思路和方法。本文基于ChatGPT实现代码审计
github地址：https://github.com/honysyang/AICodeScan.git
项目架构
该项目架构设计如下，主要包含输入层、预处理层、分析引擎层、输出层。
其中，输入层用于指定目标源文件；预处理层用于标准化分析文件，去除空格、特殊字符等内容；分析引擎层包含本地漏洞库扫描、AI分析等，支持本地和云端AI模型；输出层主要用于可视化。
项目运行逻辑
项目运行逻辑如下，目标源文件输入程序后，会对源文件进行预处理，生成待检测文件（AST、标准化后的文件），然后调用本地的漏洞库对文件进行快速扫描，此时会生成漏洞扫描结果，然后将待检测文件和漏洞扫描结果一并传递给安全分析Agent，安全分析Agent会根据提示词从内存安全、控制流安全、数据安全等维度进行分析，并按照特定规范输出结果，最后再将前面的输出结果一并打包输入攻防分析Agent，该Agent会从攻击面、漏洞利用链的角度进行分析，最后会输出一份完整的报告文件。
项目关键代码
程序的核心检测模型如下：
def analyze(self, file_path: str) -> AnalysisResult:"""执行完整分析流程"""try:context = self._load_code(file_path)# 多引擎分析safety_data = self._safety_analysis(context)attack_data = self._attack_analysis(context, safety_data)return AnalysisResult(safety_report=safety_data,attack_report=attack_data)except Exception as e:self.logger.error(f"分析过程中发生错误: {str(e)}", exc_info=True)raise
本地漏洞扫描关键代码如下：
def scan_code(self, code: str) -> Dict:"""本地漏洞扫描"""findings = []for cwe_id, pattern in self.patterns.items():try:if re.search(pattern['regex'], code, re.MULTILINE):findings.append({'cwe_id': cwe_id,'type': pattern['type'],'description': pattern['description']})except re.error as e:self.logger.error(f"正则表达式解析失败: {e} (CWE: {cwe_id}, 模式: {pattern['regex']})")continuereturn {'local_findings': findings}
AI引擎扫描关键代码如下：
def _safety_analysis(self, context: CodeContext) -> Dict:"""安全分析阶段"""# 本地漏洞检测local_findings = self.vuln_db.scan_code(context.processed_content)# AI分析ai_report = self._call_ai_engine(prompt=SAFETY_PROMPT,code=context.processed_content,context=local_findings)return self._merge_reports(local_findings, ai_report)def _attack_analysis(self, context: CodeContext, safety_data: Dict) -> Dict:"""攻防分析阶段"""# AI分析ai_report = self._call_ai_engine(prompt=ATTACK_PROMPT,code=context.processed_content,context=safety_data)# 补充本地检测ai_report['mitigations'] = self.vuln_db.get_mitigations(ai_report.get('cwe_ids', []))return ai_report
项目测试效果
测试文件：
选取某缓冲区溢出文件，代码地址：
https://github.com/TouwaErioH/security/blob/master/stack%20overflow/vulnerables/vul1.c
源代码如下：
intbar(char *arg, char *out){strcpy(out, arg);return 0;}voidfoo(char *argv[]){char buf[256];bar(argv[1], buf);}intmain(int argc, char *argv[]){if (argc != 2){fprintf(stderr, "target1: argc != 2n");exit(EXIT_FAILURE);}setuid(0);foo(argv);return 0;}
项目检测结果
(.venv) PS D:codeguardiancore> python .analyzer.py C:Userszhongjie_yangDesktopvul1.cCurrent working directory: D:codeguardiancore2025-03-04 16:56:58,418 - CodeGuardian - INFO - ==================================================2025-03-04 16:56:58,418 - CodeGuardian - INFO - Initializing CodeGuardian Analyzer2025-03-04 16:56:58,418 - CodeGuardian - INFO - Log file: D:codeguardiancorelogsanalysis_20250304_165658.log2025-03-04 16:56:58,419 - VulnerabilityDB - INFO - Loading vulnerability patterns...2025-03-04 16:56:58,419 - VulnerabilityDB - INFO - Loaded 2 CWE patterns2025-03-04 16:56:58,420 - VulnerabilityDB - INFO - Loaded 1 mitigation methods2025-03-04 16:56:58,420 - CodeGuardian - INFO - Loading code file: C:Userszhongjie_yangDesktopvul1.c2025-03-04 16:56:58,420 - CodeGuardian - INFO - File loaded successfully. Size: 390 characters2025-03-04 16:56:58,421 - CodeGuardian - INFO - Extracted 3 functions2025-03-04 16:56:58,421 - CodeGuardian - INFO - Initiating AI analysis...2025-03-04 16:56:58,422 - CodeGuardian - INFO - Using OpenAI API for analysis2025-03-04 16:57:01,289 - httpx - INFO - HTTP Request: POST https://api.chatanywhere.tech/v1/chat/completions "HTTP/1.1 200 OK"2025-03-04 16:57:01,302 - CodeGuardian - INFO - Merging local and AI analysis results2025-03-04 16:57:01,302 - CodeGuardian - INFO - Initiating AI analysis...2025-03-04 16:57:01,303 - CodeGuardian - INFO - Using OpenAI API for analysis2025-03-04 16:57:05,100 - httpx - INFO - HTTP Request: POST https://api.chatanywhere.tech/v1/chat/completions "HTTP/1.1 200 OK"2025-03-04 16:57:05,102 - ReportGen - INFO - 生成规范化报告...2025-03-04 16:57:05,110 - ReportGen - INFO - 生成Markdown摘要：summary.md2025-03-04 16:57:05,113 - ReportGen - INFO - 报告已保存至：D:codeguardiancorereports分析完成！结果保存在reports目录
输出json文档
{"functions": [{"line": 6,"name": "bar","risks": [{"confidence": 92,"cwe": "CWE-121","evidence": "strcpy(out, arg)","trace": "main → foo → bar [L10→L6]","type": "栈溢出"}]}],"metadata": {"ai_findings": [],"local_findings": [{"cwe_id": "CWE-121","description": "栈缓冲区溢出是一种常见的缓冲区溢出漏洞，当程序向栈上的缓冲区写入数据时，写入的数据量超过了该缓冲区的边界，就会覆盖相邻的内存区域。这可能导致程序崩溃、执行任意代码、泄露敏感信息等严重后果，攻击者可以利用该漏洞来控制程序的执行流程，从而达到恶意目的。","severity": 5,"type": "栈缓冲区溢出"}]},"risks": [{"cwe_id": "CWE-121","description": "栈缓冲区溢出是一种常见的缓冲区溢出漏洞，当程序向栈上的缓冲区写入数据时，写入的数据量超过了该缓冲区的边界，就会覆盖相邻的内存区域。这可能导致程序崩溃、执行任意代码、泄露敏感信息等严重后果，攻击者可以利用该漏洞来控制程序的执行流程，从而达到恶意目的。","severity": 5,"type": "栈缓冲区溢出"}]}{"exploit_chain": {"entry_points": ["bar@L6"],"shellcode": {"constraints": {"bad_chars": ["0x00","0x0A"],"max_size": 256},"type": "staged"},"techniques": [{"description": "基于缓冲区溢出的控制流劫持","mitre_id": "T1203","probability": 0.9,"steps": ["构造超长输入以覆盖返回地址","利用控制流劫持执行任意代码"]}]},"mitigations": []}
项目当前局限性
1. 当前项目编程语言方面专注于C、C++，漏洞审计方面专注于缓冲区溢出。
2. 当前项目在单个源代码审计方面表现出色，但是在跨文本中还有不足，待后续完善。
原文始发于微信公众号（小杨时光智汇）：基于ChatGPT实现C语言代码审计
免责声明:文章中涉及的程序(方法)可能带有攻击性，仅供安全研究与教学之用，读者将其信息做其他用途，由读者承担全部法律及连带责任，本站不承担任何法律及连带责任；如有问题可邮件联系(建议使用企业邮箱或有效邮箱,避免邮件被拦截，联系方式见首页)，望知悉。
- 左青龙
- 微信扫一扫
-
- 右白虎
- 微信扫一扫
-
评论