AI 驱动的 Java 1Day 挖掘:配置/语言/代码/依赖四维拆解与原子 Agent 编排
code-analysis/vuln-discovery · verified
一句话结论
面对大型 Java 项目,直接把整库丢给大模型会被上下文上限和幻觉拖垮;更可运营的做法是按“配置项、原生语言与环境变量、代码主体、项目依赖”四个维度拆解,用 ConfSafe、LangSafe、LibSafe 等原子 Agent 分别构建高密度上下文,再由 Source/Sink/Research/CPG/Dataflow Agent 围绕 sink-source 做 CPG 数据流追踪与 PoC 验证,最后交人工确认有效路径。
原理
- 为什么四维拆解:Java 项目的攻击面并不只在业务代码。配置项(Shiro 过滤链、Servlet 映射、数据库/密钥)、语言版本与环境变量、代码主体(source/sink)、第三方依赖(带版本 CVE)各自独立且噪声很大;把整库塞入一个上下文会让模型注意力被稀释,且难以给出可验证的行号与数据流。
- 配置即攻击面:很多 1Day 不是代码写错,而是默认配置/错误配置。典型例子:
beans-security.xml中 ShirofilterChainDefinitions把敏感接口配成anon,攻击者无需认证即可访问;web.xml暴露 HessianDispatcherServlet(load-on-startup=1)且无访问控制,攻击者可构造恶意序列化数据触发反序列化 RCE。配置 Agent 先把 xml/json/yaml、nginx.conf、Configuration.java等多格式配置归一化为统一 JSON,再用规则/LLM 识别风险项、定级并交人工复核。 - 依赖即 1Day 知识图谱:从构建文件提取带版本的依赖清单 → 还原依赖树/二分法归类(框架类 vs 工具类)→ 用 CVE/补丁/PoC 构建 RAG 知识库 → 在隔离环境搭建复现环境 → 生成并验证 PoC → 输出“带 PoC 的 sink 清单”。这样模型不必凭记忆猜 CVE,而是检索已验证的利用事实。
- 代码主体用 sink-source 上下文:SourceAgent 规划外部可控输入(HTTP 参数、Header、上传、反序列化入口等),SinkAgent 规划危险调用(模板渲染、命令执行、反序列化、SQL、JNDI 等);ResearchAgent 生成约束条件与验证计划;CPGAgent 用 Joern MCP 构建代码属性图,产出数据流/控制流;DataflowAgent 逐跳追踪并验证约束(是否可达、是否有 sanitizer、前置条件是否默认满足),最终由人工确认有效路径。
- 为什么要 CPG + PoC:LLM 单独判断“看起来像漏洞”误报很高;代码属性图把调用/数据依赖显式化,能验证 source 到 sink 的真实路径;PoC 进一步证明可达性与可利用性。原子 Agent 职责单一、知识域受限,能压缩推理不确定性、抑制幻觉。
- 人机边界:AI 负责提出候选、构建上下文、追踪数据流与生成 PoC;是否成立、危害如何由人工复核。文章将其表述为“AI 是副驾驶,不是飞行员”。
触发条件
- 有授权的代码审计/漏洞挖掘目标,能获取源码、构建文件、配置与依赖清单。
- 有 LLM/Agent 编排环境,以及 Joern 等 CPG 工具(MCP 方式接入更便于 Agent 调用)。
- 目标可构建或在隔离环境可复现,用于 PoC 验证。
- 有安全工程师做最终复核;接受“AI 出候选、人做判断”的流程。
- 项目具备一定规模,单靠人工通读成本高;小项目直接用人工审计可能更高效。
利用步骤
- 四维盘点:整理配置项(xml/json/yaml/nginx.conf/Configuration.java)、语言与版本/环境变量、代码主体(入口与危险调用)、依赖清单(含版本)。
- 配置维度(ConfSafeAgent):多格式配置归一化为统一 JSON → 正则 + LLM 语义切分识别非常规配置 → LLM 做风险识别与等级划分 → 输出风险项(如 Shiro anon 路径、暴露的 Hessian Servlet、硬编码密钥)→ 人工复核。
- 依赖维度(LibSafeAgent):提取带版本依赖 → LibResolverAgent 还原依赖树并分类 → KnowledgeAgent 收集 CVE/补丁/PoC 构建 RAG → VulnEnvAgent 搭建复现环境 → PoCBuilderAgent 构造并验证 PoC → 输出带 PoC 的 sink 清单。
- 语言维度(LangSafeAgent):按语言与版本构建高危函数知识图谱(危险 API、触发条件、版本差异),作为 sink 规划的输入。
- 代码维度(MainAgent):SourceAgent/SinkAgent 分别产出 source/sink 规则;ResearchAgent 结合前三个维度生成约束条件与验证计划;CPGAgent 用 Joern MCP 构建数据流/控制流;DataflowAgent 逐跳追踪 source→sink 并验证 sanitizer、可达性与前置条件。
- PoC 与复核:对候选路径做 PoC 变形与验证;人工核对行号、参数可控性、认证/配置前提,剔除 AI 编造或不可达的路径。
- 闭环:把确认的漏洞、配置错误、依赖 CVE 与 PoC 回流到知识库/规则,供下一轮挖掘复用。
PoC
配置风险归一化输出的示意(ConfSafeAgent 风格):
{
"file": "src/main/resources/beans/beans-security.xml",
"type": "bean",
"risk": "critical",
"finding": "Shiro filterChainDefinitions 将敏感接口配置为 anon",
"evidence": "<bean id=\"shiroFilter\" class=\"org.apache.shiro.spring.web.ShiroFilterFactoryBean\"> ... </bean>"
}
{
"file": "src/main/webapp/WEB-INF/web.xml",
"type": "servlet",
"risk": "critical",
"finding": "Hessian DispatcherServlet 暴露且无访问控制",
"evidence": "<servlet-class>org.springframework.web.servlet.DispatcherServlet</servlet-class>"
}
代码路径验证的示意:
HTTP 参数 templateContent
-> Controller 接收(source)
-> FreeMarkerUtils.generateStringByString(templateContent, ...)(sink)
-> CPG 数据流确认无 sanitizer、分支可达
-> 构造模板内容 PoC 验证
说明:以上为架构与输出形态示意,不对应可直接执行的漏洞利用;实际 Agent 提示词、Joern 查询与 PoC 需按项目实现。
变体与关联
- 变体:配置维度可扩展到权限注解、Actuator 暴露、CORS、日志/调试开关、云密钥与环境变量;依赖维度可扩展到容器镜像、前端 npm 包、系统库。
- 变体:代码维度可用 CodeQL/Semgrep 作为候选种子,再由 Agent 做语义可达性判断;或用 Tabby 等 CPG 工具挖 gadget 链。
- 变体:没有 Joern 时,可退化为“LLM + 逐跳 grep/read 证据卡”的轻量流程,但可达性与 sanitizer 判断的可靠性下降。
- 关联:[[code-analysis-vuln-discovery-multi-agent-adversarial-pipeline]](Finder/Refuter/Reproducer 对抗式流水线,强调证伪与证据卡)、[[code-analysis-vuln-discovery-tabby-cpg-gadget-chain-mining]](代码属性图挖 Java gadget 链)、[[code-analysis-vuln-discovery-llm-sast-vulnhuntr-python-audit-pipeline]](LLM SAST 审计流水线)、[[code-analysis-source-audit-ai-sast-java-gadget-chain-mining]](AI 辅助 Java gadget 链挖掘)。
- 边界:项目过大/依赖缺失导致 CPG 不完整、配置格式无法归一化、PoC 环境无法搭建、人工复核缺位时,误报与漏报都会上升;该方法论本身不产生可直接利用的漏洞。
检测与防御
- 对防守方:AI 驱动的 1Day 挖掘会显著缩短“补丁发布 → 扫描 → 利用”的窗口;应及时修补依赖 CVE、清理默认/错误配置(Shiro anon、暴露的 Hessian/Servlet、Actuator)、收敛外部入口、启用最小权限与网络隔离。
- 对建设方:原子 Agent 职责单一、输出必须带文件/行号与可复现证据;用 CPG 与 PoC 做机器闸门;人工复核最终成立与否;把确认结果与误报回流知识库。
- 检测 AI 扫描流量:短时间内大量请求探测配置端点、模板参数、反序列化入口;同一来源对多个 path/参数做系统性枚举;结合 WAF/网关日志与依赖清单做资产-漏洞匹配。
- 治理:AI 挖掘仅在授权范围与隔离环境内进行;PoC 不得直接打生产;敏感配置与密钥不进入模型上下文。