Audit Code

核心用法

audit-code 是一个面向项目源代码的安全审计技能，通过调用 audit_code.py 脚本对指定路径进行静态分析。默认扫描 $PROJECT_ROOT，也可通过参数指定目标目录。

检测能力

| 类别 | 具体检查项 |

|------|-----------|

| 硬编码密钥 | AWS/GitHub/Stripe/OpenAI/Slack API密钥、令牌、私钥、连接字符串、密码 |

| 危险函数 | `eval`, `exec`, `subprocess(shell=True)`, `child_process.exec`, `pickle`, `system()`, `gets()` |

| 注入漏洞 | SQL字符串拼接/插值 |

| 依赖风险 | 已知的幻觉包名、未经验证的安装 |

| 敏感文件 | 已提交的 `.env` 文件、凭据文件 |

| 权限问题 | 过度宽松的 `chmod` 模式 |

| 数据外泄 | Base64编码+网络发送、DNS外泄、凭据文件读取 |

输出格式

生成结构化报告，按严重级别排序，包含文件路径、问题描述及可操作的修复建议。

显著优点

1. AI开发场景适配：专门针对AI辅助生成代码的安全验证需求设计，填补生成后审查空白
2. 覆盖全面：整合OWASP漏洞、密钥泄露、危险模式等多维度检查
3. 工具链集成：与 .claude/settings.json 的 PreToolUse hooks 形成检测+预警的互补体系
4. 非侵入式：disable-model-invocation: true 确保纯本地脚本执行，无外部依赖
5. 上下文隔离：fork 上下文保证审计过程不影响主会话状态

局限性与风险

1. 静态分析边界：无法检测运行时行为、逻辑漏洞或业务层安全风险
2. 规则覆盖局限：依赖内置规则集，新型攻击模式（如高级供应链投毒）可能遗漏
3. 误报可能：合法的安全测试代码、文档示例可能被标记为敏感
4. 无强制阻断：Advisory hooks 仅产生警告，需手动配置 {"decision": "block"} 才能阻止执行
5. 脚本依赖：需要 Python3 环境，且 $SKILL_DIR/scripts/audit_code.py 必须存在

适用人群

• 使用AI辅助编码的开发团队
• 需要定期安全审计的DevSecOps工程师
• 审查第三方PR/MR的维护者
• 追求"shift-left"安全实践的项目

功能概述

audit-code 是一款面向 AI 辅助开发场景的专业代码安全审计工具，通过本地静态分析识别项目源代码中的安全隐患。核心功能覆盖六大检测维度：硬编码敏感信息（API 密钥、令牌、私钥）、危险函数调用（eval/exec/subprocess shell/反序列化）、SQL 注入模式、依赖风险（幻觉包名识别）、敏感文件泄露（.env 提交至 Git）以及数据外泄行为（Base64 编码后网络发送）。

显著优点

零依赖架构：纯 Python 标准库实现（os, sys, re, pathlib, urllib, json, stat），完全规避供应链攻击风险，依赖审计得分 100/100。

网络访问可控：仅在验证包名真实性时访问 PyPI/npm 官方 Registry，设 5 秒超时保护，无数据外泄通道。

隐私优先设计：完全本地扫描，不上传用户代码或收集敏感信息，符合 GDPR 数据最小化与 CCPA 透明度要求。

场景适配性强：针对 AI 代码生成特性优化，可检测 AI 幻觉导致的危险模式引入，适合作为 CI/CD 前置检查或预提交钩子。

潜在局限

来源可信度 T3：当前为个人开发者/社区项目，未建立公开透明的开源社区治理流程，信任基础弱于企业级安全工具。

规则库维护成本：patterns.py 含 1,563 行检测规则，需持续跟进新型漏洞模式，存在规则滞后风险。

无强制阻断能力：依赖 advisory-only 的 PreToolUse 钩子，无法直接阻止危险操作执行，需配合 CI 策略实现强制管控。

覆盖语言有限：主要聚焦 Python/JavaScript 生态，对 Go/Rust 等语言的原生危险模式支持不足。

适合人群

• 独立开发者或小型团队进行代码提交前自检
• 使用 AI 编码助手（Claude、Copilot 等）后的输出验证
• 需要轻量级安全扫描且拒绝第三方依赖的安全敏感场景
• 教育用途学习 OWASP 漏洞模式识别

常规风险

• 误报风险：基于正则的模式匹配可能将合法字符串误判为密钥泄露
• 漏报风险：编码混淆、自定义加密的外泄通道可能逃逸静态检测
• 运行时无关：纯静态分析无法发现依赖实际执行路径的逻辑漏洞
• T3 来源长期维护不确定性：建议企业用户结合自身安全团队能力评估是否引入