gadievron/raptor

解決的問題

RAPTOR 是一個自主安全研究框架，旨在自動化程式碼庫與二進位檔中漏洞的發現、驗證與修補。它取代手動安全審計，透過串接靜態分析、二進位分析與 LLM 驅動的驗證，建立一個能找出真實可利用漏洞的流程，而非僅是模式比對的雜訊。

工作原理

RAPTOR 作為建構於 Claude Code 之上的編排層，整合多個專用工具：

• 掃描： 使用 Semgrep、CodeQL 與 Coccinelle 進行靜態分析，識別潛在漏洞。
• 驗證流程： 多階段程序（A-F 階段），利用 LLM 判斷發現項目是否為真實漏洞、是否可從外部攻擊者到達，以及是否真正可利用。
• 二進位分析： 使用 radare2 與 Frida 等工具對編譯產物進行證據導向的調查，建立呼叫圖並映射入口點，以識別二進位檔中的漏洞。
• SMT 整合： 使用 Z3 檢查 CodeQL 中路徑的可滿足性，並驗證二進位 gadget 的可行性。
• SCA： 執行軟體組成分析，識別脆弱的相依性與供應鏈風險。
• 自動化： 執行 /agentic 命令，即可從攻擊面映射到產生漏洞 PoC 與安全修補程式，完成端對端的完整工作流程。

適用對象

需要自動化源碼與編譯二進位檔漏洞研究流程的安全研究人員、滲透測試人員與開發者。

主要亮點

• 自主工作流程： 完全自動化從初始掃描到漏洞利用產生與修補撰寫的整個流程。
• 多模型支援： 支援多種 LLM（Claude、GPT、Gemini、Mistral、Ollama）用於分析調度層。
• 深度二進位分析： 包含黑箱二進位調查、使用 AFL++ 的模糊測試，以及 C/C++ 崩潰的根本原因分析功能。
• SCA 整合： 超越簡單 CVE 查詢的全面供應鏈分析，包含可達性與程式碼健康檢查。
• 離線支援： 可快取靜態分析規則，用於離線環境。
• 沙箱執行： 使用 Linux 命名空間與 seccomp 在受限環境中執行 LLM 產生的程式碼，安全處理不可信倉儲。