DeepAudit - 开源的代码审计智能体平台 🦸♂️
让代码漏洞挖掘像呼吸一样简单，小白也能当黑客挖洞
DeepAudit - 开源的代码审计智能体平台 🦸♂️1
DeepAudit - 开源的代码审计智能体平台 🦸♂️
📸 界面预览
🤖 Agent 审计入口
Agent审计入口
首页快速进入 Multi-Agent 深度审计
📋 审计流日志 审计流日志 实时查看 Agent 思考与执行过程 | 🎛️ 智能仪表盘 仪表盘 一眼掌握项目安全态势 |
⚡ 即时分析 即时分析 粘贴代码 / 上传文件，秒出结果 | 🗂️ 项目管理 项目管理 GitHub/GitLab 导入，多项目协同管理 |
⚡ 项目概述
DeepAudit 是一个基于 Multi-Agent 协作架构的下一代代码安全审计平台。它不仅仅是一个静态扫描工具，而是模拟安全专家的思维模式，通过多个智能体（Orchestrator, Recon, Analysis, Verification）的自主协作，实现对代码的深度理解、漏洞挖掘和 自动化沙箱 PoC 验证。
我们致力于解决传统 SAST 工具的三大痛点：
- 误报率高 — 缺乏语义理解，大量误报消耗人力
- 业务逻辑盲点 — 无法理解跨文件调用和复杂逻辑
- 缺乏验证手段 — 不知道漏洞是否真实可利用
用户只需导入项目，DeepAudit 便全自动开始工作：识别技术栈 → 分析潜在风险 → 生成脚本 → 沙箱验证 → 生成报告，最终输出一份专业审计报告。
核心理念: 让 AI 像黑客一样攻击，像专家一样防御。
💡 为什么选择 DeepAudit？
| 😫 传统审计的痛点 | 💡 DeepAudit 解决方案 |
|---|---|
| 人工审计效率低 跨不上 CI/CD 代码迭代速度，拖慢发布流程 | 🤖 Multi-Agent 自主审计 AI 自动编排审计策略，全天候自动化执行 |
| 传统工具误报多 缺乏语义理解，每天花费大量时间清洗噪音 | 🧠 RAG 知识库增强 结合代码语义与上下文，大幅降低误报率 |
| 数据隐私担忧 担心核心源码泄露给云端 AI，无法满足合规要求 | 🔒 支持 Ollama 本地部署 数据不出内网，支持 Llama3/DeepSeek 等本地模型 |
| 无法确认真实性 外包项目漏洞多，不知道哪些漏洞真实可被利用 | 💥 沙箱 PoC 验证 自动生成并执行攻击脚本，确认漏洞真实危害 |
🏗️ 系统架构
整体架构图
DeepAudit 采用微服务架构，核心由 Multi-Agent 引擎驱动。
DeepAudit 架构图
🔄 审计工作流
| 步骤 | 阶段 | 负责 Agent | 主要动作 |
|---|---|---|---|
| 1 | 策略规划 | Orchestrator | 接收审计任务，分析项目类型，制定审计计划，下发任务给子 Agent |
| 2 | 信息收集 | Recon Agent | 扫描项目结构，识别框架/库/API，提取攻击面（Entry Points） |
| 3 | 漏洞挖掘 | Analysis Agent | 结合 RAG 知识库与 AST 分析，深度审查代码，发现潜在漏洞 |
| 4 | PoC 验证 | Verification Agent | (关键) 编写 PoC 脚本，在 Docker 沙箱中执行。如失败则自我修正重试 |
| 5 | 报告生成 | Orchestrator | 汇总所有发现，剔除被验证为误报的漏洞，生成最终报告 |
📂 项目代码结构
DeepAudit/
├── backend/ # Python FastAPI 后端
│ ├── app/
│ │ ├── agents/ # Multi-Agent 核心逻辑
│ │ │ ├── orchestrator.py # 总指挥：任务编排
│ │ │ ├── recon.py # 侦察兵：资产识别
│ │ │ ├── analysis.py # 分析师：漏洞挖掘
│ │ │ └── verification.py # 验证者：沙箱 PoC
│ │ ├── core/ # 核心配置与沙箱接口
│ │ ├── models/ # 数据库模型
│ │ └── services/ # RAG, LLM 服务封装
│ └── tests/ # 单元测试
├── frontend/ # React + TypeScript 前端
│ ├── src/
│ │ ├── components/ # UI 组件库
│ │ ├── pages/ # 页面路由
│ │ └── stores/ # Zustand 状态管理
├── docker/ # Docker 部署配置
│ ├── sandbox/ # 安全沙箱镜像构建
│ └── postgres/ # 数据库初始化
└── docs/ # 详细文档🚀 快速开始 (Docker)
1. 启动项目
复制一份 backend/env.example 为 backend/.env，并按需配置 LLM API Key。
然后执行以下命令一键启动：
# 1. 准备配置文件
cp backend/env.example backend/.env
# 2. 构建沙箱镜像 (首次运行必须)
cd docker/sandbox && chmod +x build.sh && ./build.sh && cd ../..
# 3. 启动服务
docker compose up -d🎉 启动成功！ 访问 http://localhost:3000 开始体验。
🔧 源码启动指南
适合开发者进行二次开发调试。
环境要求
- Python 3.10+
- Node.js 18+
- PostgreSQL 14+
- Docker (用于沙箱)
1. 后端启动
cd backend
# 激活虚拟环境 (推荐 uv/poetry)
source .venv/bin/activate
# 安装依赖
pip install -r requirements.txt
# 启动 API 服务
uvicorn app.main:app --reload2. 前端启动
cd frontend
npm install
npm run dev3. 沙箱环境
开发模式下，仍需通过 Docker 启动沙箱服务。
cd docker/sandbox
./build.sh🤖 Multi-Agent 智能审计
支持的漏洞类型
| 漏洞类型 | 描述 |
|---|---|
sql_injection | SQL 注入 |
xss | 跨站脚本攻击 |
command_injection | 命令注入 |
path_traversal | 路径遍历 |
ssrf | 服务端请求伪造 |
xxe | XML 外部实体注入 |
| 漏洞类型 | 描述 |
|---|---|
insecure_deserialization | 不安全反序列化 |
hardcoded_secret | 硬编码密钥 |
weak_crypto | 弱加密算法 |
authentication_bypass | 认证绕过 |
authorization_bypass | 授权绕过 |
idor | 不安全直接对象引用 |
📖 详细文档请查看 Agent 审计指南
🔌 支持的 LLM 平台
🌍 国际平台 OpenAI GPT-4o / GPT-4 | 🇨🇳 国内平台 通义千问 Qwen | 🏠 本地部署 Ollama |
💡 支持 API 中转站，解决网络访问问题 | 详细配置 → LLM 平台支持
🎯 功能矩阵
| 功能 | 说明 | 模式 |
|---|---|---|
| 🤖 Agent 深度审计 | Multi-Agent 协作，自主编排审计策略 | Agent |
| 🧠 RAG 知识增强 | 代码语义理解，CWE/CVE 知识库检索 | Agent |
| 🔒 沙箱 PoC 验证 | Docker 隔离执行，验证漏洞有效性 | Agent |
| 🗂️ 项目管理 | GitHub/GitLab 导入，ZIP 上传，10+ 语言支持 | 通用 |
| ⚡ 即时分析 | 代码片段秒级分析，粘贴即用 | 通用 |
| 🔍 五维检测 | Bug · 安全 · 性能 · 风格 · 可维护性 | 通用 |
| 💡 What-Why-How | 精准定位 + 原因解释 + 修复建议 | 通用 |
| 📋 审计规则 | 内置 OWASP Top 10，支持自定义规则集 | 通用 |
| 📝 提示词模板 | 可视化管理，支持中英文双语 | 通用 |
| 📊 报告导出 | PDF / Markdown / JSON 一键导出 | 通用 |
| ⚙️ 运行时配置 | 浏览器配置 LLM，无需重启服务 | 通用 |
🦖 发展路线图
我们正在持续演进，未来将支持更多语言和更强大的 Agent 能力。
- v1.0: 基础静态分析，集成 Semgrep
- v2.0: 引入 RAG 知识库，支持 Docker 安全沙箱
- v3.0: Multi-Agent 协作架构 (Current)
- 支持更多漏洞验证 PoC 模板
- 支持更多语言
- 自动修复 (Auto-Fix): Agent 直接提交 PR 修复漏洞
- 增量PR审计: 持续跟踪 PR 变更，智能分析漏洞，并集成CI/CD流程
- 优化RAG: 支持自定义知识库
- 优化Agent: 支持自定义Agent
评论区(暂无评论)