2026-01-22 00:35:57 网络安全文章来源：ZONE.CI 全球网 0 阅读模式

文章总结： DeepAudit是国内首个基于Multi-Agent架构的开源代码安全审计平台，利用多智能体协作解决传统SAST高误报及验证痛点。系统集成策划、侦察、分析与验证四个智能体，结合RAG与Docker沙箱自动挖掘并验证漏洞，已发现48个CVE。支持多LLM平台与本地部署，提供五维检测与自动化PoC生成，显著提升代码审计效率。 综合评分： 100 文章分类： 代码审计,AI安全,安全工具

cover_image

DeepAudit——代码漏洞挖掘多智能体ai系统

原创

一个人挺好一个人挺好

一个人挺好zhy

2026年1月20日 21:35 日本

项目地址

https://github.com/lintsinghua/DeepAudit

项目概述

DeepAudit是一个基于 Multi-Agent 协作架构的下一代代码安全审计平台，旨在通过人工智能自动化漏洞挖掘流程。该项目是国内首个开源的代码漏洞挖掘多智能体系统，已成功发现 48 个 CVE 漏洞，覆盖 16 个知名开源项目。

项目核心理念是”让 AI 像黑客一样攻击，像专家一样防御”，通过模拟安全专家的思维方式，解决传统 SAST 工具的三大痛点：

高误报率（缺乏语义理解）

业务逻辑盲点（无法理解跨文件调用）

缺乏验证手段（无法确认漏洞可利用性）

核心架构

系统架构图

DeepAudit 采用微服务架构，核心由 Multi-Agent 引擎驱动，包含四个专用智能体：

┌─────────────────────────────────────────────────────────────┐

│ User Interface │

│ (React + TypeScript) │

└─────────────────────────────────────────────────────────────┘

│

▼

┌─────────────────────────────────────────────────────────────┐

│ FastAPI Backend │

│ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ │

│ │Orchestrat│ │ Recon │ │ Analysis │ │Verification│ │

│ │ or Agent│◄─┤ Agent │◄─┤ Agent │◄─┤ Agent │ │

│ │ │ │ │ │ │ │ │ │

│ └────┬─────┘ └────┬─────┘ └────┬─────┘ └────┬─────┘ │

│ │ │ │ │ │

│ └─────────────┴─────────────┴─────────────┘ │

│ RAG + LLM Service │

│ (ChromaDB) │

└─────────────────────────────────────────────────────────────┘

│

▼

┌─────────────────────────────────────────────────────────────┐

│ Docker Sandbox Environment │

│ (Automated PoC Testing & Validation) │

└─────────────────────────────────────────────────────────────┘

Multi-Agent 工作流

表格

技术栈

后端技术栈

框架: Python FastAPI + Uvicorn

Multi-Agent: LangGraph + LangChain

向量数据库: ChromaDB (RAG 知识库)

AST 解析: Tree-sitter (支持 10+ 语言)

任务队列: Celery + Redis

数据库: PostgreSQL 15+

前端技术栈

框架: React 18 + TypeScript

构建工具: Vite

样式: TailwindCSS + shadcn/ui

状态管理: Zustand

图表: Recharts

部署技术

容器化: Docker + Compose

沙箱: 隔离 Docker 容器

镜像仓库: GitHub Container Registry (ghcr.io)

支持的漏洞类型

表格

| 类型 | 描述 | 危害等级 | | — | — | — | | sql_injection | SQL 注入 | 严重 | | xss | 跨站脚本攻击 | 中等 | | command_injection | 命令注入 | 严重 | | path_traversal | 路径遍历 | 中等 | | ssrf | 服务端请求伪造 | 严重 | | xxe | XML 外部实体注入 | 严重 | | insecure_deserialization | 不安全反序列化 | 严重 | | hardcoded_secret | 硬编码密钥 | 中等 | | weak_crypto | 弱加密算法 | 中等 | | authentication_bypass | 认证绕过 | 严重 | | authorization_bypass | 授权绕过 | 严重 | | idor | 不安全直接对象引用 | 中等 |

LLM 平台支持

国际平台

OpenAI: GPT-4o / GPT-4 / GPT-3.5

Anthropic: Claude 3.5 Sonnet / Opus

Google: Gemini Pro

国内平台

阿里: 通义千问 Qwen

智谱: GLM-4

月之暗面: Kimi

百度: 文心一言

字节: 豆包

本地部署（支持 Ollama）

Llama3(8B/70B)

Qwen2.5(7B/14B/32B)

DeepSeek-Coder(6.7B/33B)

CodeLlama(7B/13B)

API 中转支持: 支持自定义 API Base URL，解决网络访问限制

部署方案

方案一：生产环境一键部署（推荐）

bash

标准部署

curl-fsSLhttps://raw.githubusercontent.com/lintsinghua/DeepAudit/v3.0.0/docker-compose.prod.yml|dockercompose-f- up-d

国内加速（南京大学镜像站）

curl-fsSLhttps://raw.githubusercontent.com/lintsinghua/DeepAudit/v3.0.0/docker-compose.prod.cn.yml|dockercompose-f- up-d

访问地址:http://localhost:3000

方案二：源码开发部署

bash

1. 克隆代码

gitclone https://github.com/lintsinghua/DeepAudit.git&&cdDeepAudit

2. 配置环境变量

cpbackend/env.example backend/.env

编辑 .env 文件，配置 LLM API Key

3. 启动服务

dockercompose up-d

方案三：源码本地开发

环境要求:

Python 3.11+

Node.js 20+

PostgreSQL 15+

Docker (用于沙箱)

启动步骤:

bash

启动数据库

dockercompose up-dredis db adminer

后端开发

cdbackend

uvsync

source.venv/bin/activate

uvicorn app.main:app–reload

前端开发

cdfrontend

pnpminstall

pnpmdev

沙箱镜像

dockerpull ghcr.io/lintsinghua/deepaudit-sandbox:latest

核心功能矩阵

表格

配置说明

环境变量配置 (backend/.env)

bash

LLM API 配置

OPENAI_API_KEY=sk-xxx

ANTHROPIC_API_KEY=sk-ant-xxx

DEEPSEEK_API_KEY=sk-xxx

数据库配置

DATABASE_URL=postgresql://user:pass@localhost:5432/deepaudit

沙箱配置

SANDBOX_IMAGE=ghcr.io/lintsinghua/deepaudit-sandbox:latest

SANDBOX_TIMEOUT=300

RAG 配置

CHROMA_PERSIST_DIR=./chroma_db

EMBEDDINGS_MODEL=text-embedding-3-small

前端配置 (frontend/.env)

bash

VITE_API_URL=http://localhost:3000

VITE_WS_URL=ws://localhost:3000

API 接口参考

核心 REST API 端点

http

项目管理

POST /api/projects

创建项目

GET /api/projects/{id}

获取项目详情

POST /api/projects/{id}/scan

启动审计任务

Agent 审计

POST /api/agent/audit

启动 Multi-Agent 审计

GET /api/agent/status/{task_id}

获取审计状态

GET /api/agent/logs/{task_id}

获取审计日志

即时分析

POST /api/analysis/code

代码片段分析

POST /api/analysis/file

文件上传分析

报告

GET /api/reports/{project_id}

获取审计报告

POST /api/reports/export

导出报告 (PDF/MD/JSON)

WebSocket 实时通信

JavaScript

// 连接审计日志实时推送

constws=newWebSocket(‘ws://localhost:8000/ws/agent/{task_id}’);

ws.onmessage=(event)=>{

constlog=JSON.parse(event.data);

console.log([${log.agent}]${log.message});

};

沙箱安全机制

隔离策略

Docker 容器隔离: 每个 PoC 在独立容器中运行

资源限制: CPU/Memory 配额限制

网络隔离: 沙箱内禁止外网访问（SSRF 测试除外）

文件系统: 只读挂载，防止逃逸

验证流程

Verification Agent 生成 PoC 脚本

沙箱动态构建目标应用环境

在隔离环境中执行攻击脚本

捕获响应/异常，验证漏洞存在性

失败时自动修正 PoC 并重试（最多 3 次）

性能指标

并发审计: 支持多项目并行扫描

响应时间: 代码片段分析 < 5 秒

Agent 循环: 平均 3-5 轮完成深度审计

PoC 成功率: > 85%（常见漏洞类型）

误报率: < 15%（相比传统 SAST 降低 60%）

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：一个人挺好zhy 一个人挺好一个人挺好《DeepAudit——代码漏洞挖掘多智能体ai系统》