gadievron/raptor

解决的问题

RAPTOR 是一个自主安全研究框架，旨在自动化代码库和二进制文件中漏洞的发现、验证和修补。它取代了手动安全审计，通过将静态分析、二进制分析和基于 LLM 的验证串联成一个流水线，寻找真实可利用的漏洞，而非仅是模式匹配的噪声。

工作原理

RAPTOR 作为构建在 Claude Code 之上的编排层，集成了多个专用工具：

• 扫描： 使用 Semgrep、CodeQL 和 Coccinelle 执行静态分析，识别潜在漏洞。
• 验证流水线： 多阶段流程（A-F 阶段），利用 LLM 判断发现项是否为真实漏洞、是否可从外部攻击者到达，以及是否真正可利用。
• 二进制分析： 使用 radare2 和 Frida 等工具对编译产物进行证据优先的调查，构建调用图并映射入口点，以识别二进制文件中的漏洞。
• SMT 集成： 使用 Z3 检查 CodeQL 中路径的可满足性，并验证二进制 gadget 的可行性。
• SCA： 执行软件组成分析，识别脆弱依赖项和供应链风险。
• 自动化： /agentic 命令运行从攻击面映射到生成漏洞 PoC 和安全补丁的完整端到端工作流。

适用人群

需要对源代码和编译二进制文件进行漏洞研究流程自动化的安全研究人员、渗透测试人员和开发者。

主要亮点

• 自主工作流： 完全自动化从初始扫描到漏洞利用生成和补丁编写的整个流程。
• 多模型支持： 支持多种 LLM（Claude、GPT、Gemini、Mistral、Ollama）用于分析调度层。
• 深度二进制分析： 包含黑盒二进制调查、使用 AFL++ 的模糊测试，以及 C/C++ 崩溃的根本原因分析功能。
• SCA 集成： 超越简单 CVE 查询的全面供应链分析，包含可达性与代码健康检查。
• 离线支持： 可缓存静态分析规则，用于离线环境。
• 沙箱执行： 使用 Linux 命名空间和 seccomp 在受限环境中运行 LLM 生成的代码，安全处理不可信仓库。