capitalone/VulnHunter

解決的問題

VulnHunter 解決了傳統靜態分析安全測試（SAST）工具常見的高誤報率問題。它不只簡單標記可疑的程式碼模式，而是採用代理型 AI 方法，透過模擬攻擊者視角並嘗試推翻自身發現，來判斷漏洞是否真正可被利用。

工作原理

VulnHunter 作為 Claude Code 的一組技能運作，利用 Claude Opus 的推理能力。它採用「前向分析」模型，從攻擊者可存取的入口點（如 API）開始，向前推理是否存在通往危險接收點的路徑。

它採用三階段封閉迴路流程：

1. 探測：/vulnhunt 技能將入口點映射到接收點，並執行多階段偽證明流水線，排除無支持的假設。
2. 修復：/vulnhunter-fix 技能實施測試驅動的修復流程，建立失敗的安全測試（RED），應用修復（GREEN），並驗證修復區塊。
3. 驗證：/vulnhunt-fix-verify 技能作為獨立的唯讀代理，驗證修復是否成功。

適用對象

希望以最小噪音識別並修復原始碼中高優先級、可操作安全缺陷的安全研究人員與開發者。

主要亮點

• 攻擊者優先分析：模擬真實攻擊者的路徑，而非從接收點向後搜尋。
• 偽證明引擎：一種結構化推理工作流程，旨在主動推翻潛在漏洞，以減少誤報。
• 自動化修復循環：將探測、修復與獨立驗證整合為單一工作流程。
• 無頭執行環境：包含 vulnhunter-agent 用於 CI/CD 流水線中的非互動式使用，以及用於準確率評估的基準測試工具包。