capitalone/VulnHunter

解决的问题

VulnHunter 解决了传统静态分析安全测试（SAST）工具中常见的高误报率问题。它不简单地标记可疑的代码模式，而是采用代理型 AI 方法，通过模拟攻击者视角并尝试证伪自身发现，来判断漏洞是否真正可利用。

工作原理

VulnHunter 作为 Claude Code 的一组技能运行，利用 Claude Opus 的推理能力。它采用“前向分析”模型，从攻击者可访问的入口点（如 API）开始，向前推理是否存在通往危险接收点的路径。

它采用三阶段闭环流程：

1. 探测：/vulnhunt 技能将入口点映射到接收点，并运行多阶段证伪流水线，排除不支持的假设。
2. 修复：/vulnhunter-fix 技能实施测试驱动的修复流程，创建失败的安全测试（RED），应用修复（GREEN），并验证修复块。
3. 验证：/vulnhunt-fix-verify 技能作为独立的只读代理，验证修复是否成功。

适用人群

希望以最小噪声识别并修复源代码中高优先级、可操作安全缺陷的安全研究人员和开发者。

主要亮点

• 攻击者优先分析：模拟真实攻击者的路径，而非从接收点向后搜索。
• 证伪引擎：一种结构化推理工作流，旨在主动证伪潜在漏洞，以减少误报。
• 自动化修复循环：将探测、修复和独立验证整合为单一工作流。
• 无头运行时：包含 vulnhunter-agent 用于 CI/CD 流水线中的非交互式使用，以及用于准确率评估的基准测试工具包。