核心用法
agent-bom-runtime 是一款专为 AI 运行时安全设计的监控与分析工具，聚焦三大核心能力：
1. 上下文图谱构建 (`context_graph`) — 生成智能体运行时的上下文关系图谱，支持横向移动路径分析，帮助识别潜在的安全边界突破风险
2. 审计日志关联 (`runtime_correlate`) — 将运行时审计日志（JSONL 格式）与 CVE 漏洞数据库进行交叉验证，快速定位实际暴露的攻击面
3. 漏洞分析查询 (`analytics_query`) — 提供趋势分析、安全态势历史回溯及运行时事件统计，支持 30/60/90 天等多时间窗口查询
典型工作流：先构建上下文图谱掌握系统拓扑，再关联审计日志发现 CVE 命中，最后通过分析查询追踪修复效果。
显著优点
- 零凭证架构：无需 API Key，零自动发现机制，可选 ClickHouse 仅由运维人员显式配置
- 数据隐私优先：审计日志仅处理环境变量名（脱敏值）、全内存运算、无持久化遥测
- 供应链可信：Apache-2.0 开源协议，7,100+ 测试覆盖，集成 CodeQL 与 OpenSSF Scorecard
- 轻量部署：Python 3.11+ 单二进制，支持 pipx 隔离安装，跨平台兼容（macOS/Linux/Windows）
潜在局限
- 前置依赖：需配合 agent-bom proxy 生成标准 JSONL 审计日志，独立运行价值有限
- 可选存储：无内置持久化层，大规模历史分析需自建 ClickHouse 基础设施
- 分析深度：聚焦运行时关联，不含静态代码审计或二进制逆向能力
- 生态成熟度：v0.91.0 仍属早期版本，企业级 SLA 与合规认证待完善
适合人群
- AI 平台运维团队（追踪多智能体系统的运行时行为）
- 安全运营中心（SOC）分析师（快速定位 CVE 与实际资产的映射关系）
- DevSecOps 工程师（构建 CI/CD 中的安全门禁与趋势监控）
- 红队/渗透测试人员（绘制横向移动路径辅助攻防演练）
常规风险
| 风险类型 | 说明 | 缓解措施 |
|---------|------|---------|
| 敏感元数据泄露 | 审计日志含服务名称、调用关系图谱 | 确保日志存储加密、访问审计 |
| 可选存储注入 | ClickHouse URL 配置错误导致数据外泄 | 强制 TLS、网络隔离、URL 白名单校验 |
| 分析误报 | CVE 关联基于组件版本号，存在 FP/FN | 结合运行时行为进行二次确认 |
| 权限滥用 | kubectl 可选依赖可能暴露集群权限 | 遵循最小权限原则，独立只读 ServiceAccount |
综上，该工具适合已具备基础 AI 可观测性能力、追求零信任架构的安全团队作为运行时威胁检测层部署。