核心用法
agent-bom-runtime 是一款专为AI应用运行时安全设计的开源监控工具，通过三大核心模块实现纵深防御：
1. context_graph：构建Agent上下文图谱，可视化展示组件依赖关系，支持横向移动分析（lateral movement analysis），帮助识别潜在攻击路径
2. runtime_correlate：将运行时审计日志（JSONL格式）与CVE漏洞库进行交叉关联，实现漏洞的实时暴露面评估
3. analytics_query：提供趋势查询能力，支持TOP CVE统计、安全态势历史追踪等分析场景
数据流设计为内存优先模式——直接处理扫描结果和用户提供的审计日志文件，可选配置ClickHouse实现持久化分析存储。全程无需API密钥，不发起自动网络请求。
显著优点
- 零凭证架构：遵循"credential_policy: none"设计，从根本上消除密钥泄露风险
- 开源可信：Apache-2.0协议，7,239项测试覆盖，集成OpenSSF Scorecard与CodeQL静态分析
- 隐私优先：无遥测、无追踪、无自动文件发现，审计数据处理严格隔离原始凭证值
- 部署灵活：支持pipx隔离安装，Python 3.11+跨平台运行（Darwin/Linux/Windows）
- 供应链安全：可通过securityscorecards.dev公开验证安全态势
潜在局限
- 依赖用户输入：审计日志需用户主动提供，无法实现完全自动化的运行时采集
- 可选组件门槛：高级分析需自建ClickHouse，增加运维复杂度
- Kubernetes深度集成有限：kubectl为可选而非必需，K8s原生Sidecar监控能力待加强
- 告警机制待完善：当前聚焦于分析与关联，实时告警通道（Slack/PagerDuty等）需外部集成
适合人群
- AI Agent开发者：需要理解模型调用链中的安全暴露面
- 安全运维工程师：负责LLM应用运行时威胁检测与漏洞响应
- 合规审计人员：需生成可审计的安全态势报告与CVE关联证据
- 红队/攻防研究人员：进行AI系统横向移动路径分析
常规风险
- 审计日志敏感信息：虽工具本身不记录凭证值，但处理的日志可能包含环境变量名等元数据，需确保输入文件权限管控
- ClickHouse配置泄露：如启用外部分析存储，连接URL需通过安全渠道配置，避免硬编码提交至版本控制
- 误报CVE关联：静态CVE匹配可能产生误报，需结合运行时上下文人工研判
- 内存处理限制：大规模日志分析时，需注意进程内存占用，建议分批处理或启用ClickHouse卸载