skill-dfyx_code_security_review

东方隐侠团队出品，代码审计skill

dfyx_code_security_review

基于深度数据流分析和业务逻辑理解的专家级代码安全审计 Skill

简介

dfyx_code_security_review 是为 Claude Code、Trae 等 AI 客户端设计的专业代码安全审计 Skill。采用白盒静态分析方法论，通过五阶段标准化审计协议，系统性发现和验证源代码中的安全漏洞。

核心能力

• 9 种语言: Java, Python, Go, PHP, JavaScript/Node.js, C/C++, .NET/C#, Ruby, Rust
• 10 个安全维度: 注入、认证、授权、反序列化、文件操作、SSRF、加密、配置、业务逻辑、供应链
• 双轨审计模型: Sink-driven（注入/RCE）+ Control-driven（授权/业务逻辑）+ Config-driven（配置/加密）
• 五阶段审计协议: 侦察 → 模式匹配 → 污点追踪 → 验证 → 报告
• 丰富案例库: 基于 WooYun 真实漏洞案例（2010-2016）

---

快速开始

安装

将本 Skill 复制到 AI 客户端的 skills 目录：

# Claude Code
cp -r dfyx_code_security_review ~/.claude/skills/

# Trae
# 将文件夹复制到 Trae 的 skills 目录（具体路径取决于 Trae 版本）

触发方式

在 AI 客户端中，通过以下方式触发审计：

"审计这个项目"
"检查代码安全"
"找出安全漏洞"
"/audit" 或 "/code-audit"

使用示例

用户:

请审计 /path/to/project 项目的代码安全

AI 响应:

[MODE] deep
[RECON] 识别技术栈: PHP + MySQL + ProcessWire
[PLAN] 启动 3 个 Agent, D1-D10 覆盖
[SCOPE] 预估 50 turns, 发现 5-10 个漏洞
确认开始审计? (yes/no)

---

文档结构

dfyx_code_security_review/
├── SKILL.md                          # 核心技能文档（入口文件）
├── README.md                         # 本文件
├── requirements.txt                  # Python 依赖
├── resources/                        # 核心资源
│   ├── knowledge/                    # 知识库（13个文档）
│   │   ├── architecture_analysis.md      # Phase 1: 架构分析
│   │   ├── pattern_scanning.md           # Phase 2: 模式扫描
│   │   ├── data_flow_analysis.md         # Phase 3: 数据流分析
│   │   ├── taint_analysis_enhanced.md    # 增强污点分析
│   │   ├── vulnerability_validation.md   # Phase 4: 漏洞验证
│   │   ├── attack_chain_analysis.md      # 攻击链分析
│   │   ├── reporting.md                  # Phase 5: 报告生成
│   │   ├── secret_detection.md           # 敏感信息检测
│   │   ├── dependency_analysis.md        # 依赖分析
│   │   ├── anti_hallucination.md         # 防幻觉机制
│   │   ├── docker_verification.md        # Docker 验证
│   │   ├── phase2_deep_methodology.md    # Phase 2 深度方法论
│   │   └── security_controls_matrix.yaml # 安全控制矩阵
│   ├── checklists/                   # 检查清单
│   │   ├── architecture_level_checklist.md
│   │   ├── code_level_checklist.md
│   │   └── coverage_matrix.md
│   ├── rules/                        # 漏洞检测规则
│   │   ├── command_injection_rules.md
│   │   └── sql_injection_rules.md
│   ├── wooyun/                       # WooYun 漏洞案例库
│   │   └── wooyun_cases_by_vulnerability_type.md
│   ├── tools/                        # 工具说明
│   │   └── security_tools.md
│   └── compliance/                   # 合规框架
│       └── compliance_frameworks.md
├── scripts/                          # 辅助脚本（7个）
│   ├── code_scan.py                  # 主扫描入口
│   ├── pattern_scanner.py            # 模式扫描
│   ├── data_flow_analyzer.py         # 数据流分析
│   ├── secret_finder.py              # 敏感信息检测
│   ├── dependency_analyzer.py        # 依赖分析
│   ├── vulnerability_validator.py    # 漏洞验证
│   └── report_generator.py           # 报告生成
├── templates/                        # 报告模板
│   ├── report-templates/
│   │   └── web-app-report-template.md    # Web应用报告模板
│   ├── architecture_diagram_templates.md
│   └── reproduction_steps_template.md
└── examples/                         # 案例与示例
    ├── audit_examples.md             # 审计示例
    ├── vulnerability_cases.md        # 漏洞案例库
    ├── vulnerability_analysis.md     # 漏洞分析方法
    ├── detailed_vulnerability_chains.md  # 攻击链与POC
    ├── config_file_vulnerabilities.md    # 配置文件漏洞
    └── environment_simulation.md     # 环境模拟

---

核心概念

五阶段标准化审计协议

Phase 1: 侦察与绘图 (10%)
    ↓ 产出: 架构图、攻击面清单
Phase 2: 并行模式匹配 (30%)
    ↓ 产出: 高风险区域清单
Phase 3: 深度污点追踪与实际测试验证 (40%)
    ↓ 产出: 确认的漏洞清单、实际测试验证报告
Phase 4: 验证与攻击链构建 (15%)
    ↓ 产出: 漏洞验证报告
Phase 5: 结构化报告 (5%)
    ↓ 产出: 完整审计报告

双轨审计模型

10 个安全维度

---

扫描模式

---

使用流程

1. 启动审计

在 AI 客户端中输入：

请审计 /path/to/project 项目的代码安全

2. 确认审计计划

AI 会输出审计计划，确认后开始：

[MODE] deep
[RECON] 874 文件, Spring Boot 1.5 + Shiro 1.6 + JPA + Freemarker
[PLAN] 5 个 Agent, D1-D10 覆盖, 预估 125 turns
... (用户确认) ...
[REPORT] 10 Critical, 14 High, 12 Medium, 4 Low

3. 查看报告

审计完成后，AI 会生成：

• 安全审计报告 (Markdown)
• 漏洞详情（包含代码片段、数据流图、修复建议）
• 攻击链分析（漏洞组合利用场景）

---

辅助脚本（可选）

虽然 Skill 主要通过 AI 客户端使用，但也提供了 Python 辅助脚本：

# 安装依赖
pip install -r requirements.txt

# 代码扫描
python scripts/code_scan.py /path/to/project

# 生成报告
python scripts/report_generator.py --input results.json --output report.md

---

报告模板

提供标准化的报告模板：

• 快速版: 适合日常审计、CI/CD集成
• 完整版: 适合深度审计、渗透测试准备

模板位置：templates/report-templates/web-app-report-template.md

---

最佳实践

审计前准备

• 确保代码完整可访问
• 了解项目基本功能
• 确认审计范围

审计中配合

• 及时回答 AI 的澄清问题
• 提供额外的上下文信息
• 确认关键发现

审计后跟进

• 验证修复方案可行性
• 安排漏洞修复优先级
• 建立定期审计机制

---

常见问题

Q1: 这个 Skill 和传统的 SAST 工具有什么区别？

A: 传统 SAST 工具依赖预定义规则，误报率高。本 Skill 结合 AI 的推理能力和专家知识库，能够：

• 理解业务逻辑，发现规则无法覆盖的漏洞
• 追踪复杂的数据流，识别多阶段攻击
• 提供具体可操作的修复建议

Q2: 支持哪些编程语言和框架？

A: 支持 9 种语言和 14 种框架：

• 语言: Java, Python, Go, PHP, JavaScript/Node.js, C/C++, .NET/C#, Ruby, Rust
• 框架: Spring Boot, Django, Flask, FastAPI, Express, Koa, Gin, Laravel, Rails, ASP.NET Core, Rust Web, NestJS/Fastify, MyBatis

Q3: 审计过程需要多长时间？

A: 取决于项目规模和审计模式：

• Quick 模式：5-10 分钟
• Standard 模式：30-60 分钟
• Deep 模式：1-3 小时

Q4: 如何减少误报？

A: 本 Skill 采用多层验证机制：

• 静态分析 + 动态测试验证
• 多 Agent 交叉验证
• 实际测试验证（POC）
• 防幻觉机制（证据要求、路径完整、实际测试）

Q5: 发现漏洞后如何修复？

A: 审计报告包含：

• 漏洞代码和修复代码对比
• 多种修复方案（推荐方案 + 备选方案）
• 修复验证方法
• 优先级建议

---

贡献指南

欢迎贡献漏洞案例、改进建议或修复方案：

1. Fork 本项目
2. 创建特性分支
3. 提交更改
4. 创建 Pull Request

贡献内容

• 漏洞案例: 添加到 examples/vulnerability_cases.md
• 检测规则: 添加到 resources/rules/
• 知识文档: 添加到 resources/knowledge/

---

许可证

MIT License

---

联系方式

• 提交 Issue
• 邮件: [email protected]]

---

注意: 本 Skill 仅供安全研究和教育目的，请勿用于非法用途。