文章总结： DeepAudit是一款基于Multi-Agent协作架构的AI代码安全审计平台，通过Orchestrator、Recon、Analysis、Verification四个智能体自主协作，实现代码深度理解、漏洞挖掘及自动化沙箱PoC验证。核心解决传统SAST工具误报率高、业务逻辑理解不足及缺乏验证手段的痛点，支持本地Ollama部署保障数据隐私，覆盖SQL注入、XSS、命令注入等十余种漏洞类型，兼容OpenAI、Claude、DeepSeek等主流LLM平台。 综合评分： 82 文章分类： 安全工具,AI安全,代码审计,漏洞分析,安全建设
【网络安全】DeepAudit – 人人拥有的 AI 审计战队，让漏洞挖掘触手可及
利刃信安 利刃信安
利刃信安
2026年2月11日 10:44 北京
DeepAudit – 人人拥有的 AI 审计战队，让漏洞挖掘触手可及 🦸♂️
⚡ 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。它不仅仅是一个静态扫描工具，而是模拟安全专家的思维模式，通过多个智能体（Orchestrator, Recon, Analysis, Verification）的自主协作，实现对代码的深度理解、漏洞挖掘和 自动化沙箱 PoC 验证。
致力于解决传统 SAST 工具的三大痛点：
- • 误报率高 — 缺乏语义理解，大量误报消耗人力
- • 业务逻辑盲点 — 无法理解跨文件调用和复杂逻辑
- • 缺乏验证手段 — 不知道漏洞是否真实可利用
用户只需导入项目，DeepAudit 便全自动开始工作：识别技术栈 → 分析潜在风险 → 生成脚本 → 沙箱验证 → 生成报告，最终输出一份专业审计报告。
核心理念: 让 AI 像黑客一样攻击，像专家一样防御。
💡 为什么选择 DeepAudit？
| 😫 传统审计的痛点 | 💡 DeepAudit 解决方案 | | — | — | | 人工审计效率低 跨不上 CI/CD 代码迭代速度，拖慢发布流程 | 🤖 Multi-Agent 自主审计 AI 自动编排审计策略，全天候自动化执行 | | 传统工具误报多 缺乏语义理解，每天花费大量时间清洗噪音 | 🧠 RAG 知识库增强 结合代码语义与上下文，大幅降低误报率 | | 数据隐私担忧 担心核心源码泄露给云端 AI，无法满足合规要求 | 🔒 支持 Ollama 本地部署 数据不出内网，支持 Llama3/DeepSeek 等本地模型 | | 无法确认真实性 外包项目漏洞多，不知道哪些漏洞真实可被利用 | 💥 沙箱 PoC 验证 自动生成并执行攻击脚本，确认漏洞真实危害 |
🏗️ 系统架构
整体架构图
DeepAudit 采用微服务架构，核心由 Multi-Agent 引擎驱动。
🔄 审计工作流
| 步骤 | 阶段 | 负责 Agent | 主要动作 | | — | — | — | — | | 1 | 策略规划 | Orchestrator | 接收审计任务，分析项目类型，制定审计计划，下发任务给子 Agent | | 2 | 信息收集 | Recon Agent | 扫描项目结构，识别框架/库/API，提取攻击面（Entry Points） | | 3 | 漏洞挖掘 | Analysis Agent | 结合 RAG 知识库与 AST 分析，深度审查代码，发现潜在漏洞 | | 4 | PoC 验证 | Verification Agent | (关键) 编写 PoC 脚本，在 Docker 沙箱中执行。如失败则自我修正重试 | | 5 | 报告生成 | Orchestrator | 汇总所有发现，剔除被验证为误报的漏洞，生成最终报告 |
📂 项目代码结构
DeepAudit/
├── backend/ # Python FastAPI 后端
│ ├── app/
│ │ ├── agents/ # Multi-Agent 核心逻辑
│ │ │ ├── orchestrator.py # 总指挥：任务编排
│ │ │ ├── recon.py # 侦察兵：资产识别
│ │ │ ├── analysis.py # 分析师：漏洞挖掘
│ │ │ └── verification.py # 验证者：沙箱 PoC
│ │ ├── core/ # 核心配置与沙箱接口
│ │ ├── models/ # 数据库模型
│ │ └── services/ # RAG, LLM 服务封装
│ └── tests/ # 单元测试
├── frontend/ # React + TypeScript 前端
│ ├── src/
│ │ ├── components/ # UI 组件库
│ │ ├── pages/ # 页面路由
│ │ └── stores/ # Zustand 状态管理
├── docker/ # Docker 部署配置
│ ├── sandbox/ # 安全沙箱镜像构建
│ └── postgres/ # 数据库初始化
└── docs/ # 详细文档
🚀 快速开始
方式一：一行命令部署（推荐）
使用预构建的 Docker 镜像，无需克隆代码，一行命令即可启动：
curl -fsSL https://raw.githubusercontent.com/lintsinghua/DeepAudit/v3.0.0/docker-compose.prod.yml | docker compose -f - up -d
🇨🇳 国内加速部署（作者亲测非常无敌之快）
使用南京大学镜像站加速拉取 Docker 镜像（将 ghcr.io 替换为 ghcr.nju.edu.cn）：
# 国内加速版 - 使用南京大学 GHCR 镜像站
curl -fsSL https://raw.githubusercontent.com/lintsinghua/DeepAudit/v3.0.0/docker-compose.prod.cn.yml | docker compose -f - up -d
手动拉取镜像（如需单独拉取）（点击展开）
💡 镜像源由 南京大学开源镜像站[1] 提供支持
💡 配置 Docker 镜像加速（可选，进一步提升拉取速度）（点击展开）
🎉 启动成功！ 访问 http://localhost:3000 开始体验。
方式二：克隆代码部署
适合需要自定义配置或二次开发的用户：
# 1. 克隆项目
git clone https://github.com/lintsinghua/DeepAudit.git && cd DeepAudit
# 2. 配置环境变量
cp backend/env.example backend/.env
# 编辑 backend/.env 填入你的 LLM API Key
# 3. 一键启动
docker compose up -d
首次启动会自动构建沙箱镜像，可能需要几分钟。
🔧 源码开发指南
适合开发者进行二次开发调试。
环境要求
- • Python 3.11+
- • Node.js 20+
- • PostgreSQL 15+
- • Docker (用于沙箱)
1. 手动启动数据库
docker compose up -d redis db adminer
2. 后端启动
cd backend
# 配置环境
cp env.example .env
# 使用 uv 管理环境（推荐）
uv sync
source .venv/bin/activate
# 启动 API 服务
uvicorn app.main:app --reload
3. 前端启动
cd frontend
# 配置环境
cp .env.example .env
pnpm install
pnpm dev
3. 沙箱环境
开发模式下需要本地 Docker 拉取沙箱镜像：
# 标准拉取
docker pull ghcr.io/lintsinghua/deepaudit-sandbox:latest
# 国内加速（南京大学镜像站）
docker pull ghcr.nju.edu.cn/lintsinghua/deepaudit-sandbox:latest
🤖 Multi-Agent 智能审计
支持的漏洞类型
| | | | | | | | | | | | | | | |
| — | — | — | — | — | — | — | — | — | — | — | — | — | — | — |
| | 漏洞类型 | 描述 | | — | — | | sql_injection | SQL 注入 | | xss | 跨站脚本攻击 | | command_injection | 命令注入 | | path_traversal | 路径遍历 | | ssrf | 服务端请求伪造 | | xxe | XML 外部实体注入 | |
| | | | | | | | | | | | | | | |
| — | — | — | — | — | — | — | — | — | — | — | — | — | — | — |
| | 漏洞类型 | 描述 | | — | — | | insecure_deserialization | 不安全反序列化 | | hardcoded_secret | 硬编码密钥 | | weak_crypto | 弱加密算法 | | authentication_bypass | 认证绕过 | | authorization_bypass | 授权绕过 | | idor | 不安全直接对象引用 | |
🔌 支持的 LLM 平台
| | | | | — | — | — | | 🌍 国际平台 OpenAI GPT-4o / GPT-4 Claude 3.5 Sonnet / Opus Google Gemini Pro DeepSeek V3 | 🇨🇳 国内平台 通义千问 Qwen 智谱 GLM-4 Moonshot Kimi 文心一言 · MiniMax · 豆包 | 🏠 本地部署 Ollama Llama3 · Qwen2.5 · CodeLlama DeepSeek-Coder · Codestral 代码不出内网 |
🎯 功能矩阵
| 功能 | 说明 | 模式 | | — | — | — | | 🤖 Agent 深度审计 | Multi-Agent 协作，自主编排审计策略 | Agent | | 🧠 RAG 知识增强 | 代码语义理解，CWE/CVE 知识库检索 | Agent | | 🔒 沙箱 PoC 验证 | Docker 隔离执行，验证漏洞有效性 | Agent | | 🗂️ 项目管理 | GitHub/GitLab/Gitea 导入，ZIP 上传，10+ 语言支持 | 通用 | | ⚡ 即时分析 | 代码片段秒级分析，粘贴即用 | 通用 | | 🔍 五维检测 | Bug · 安全 · 性能 · 风格 · 可维护性 | 通用 | | 💡 What-Why-How | 精准定位 + 原因解释 + 修复建议 | 通用 | | 📋 审计规则 | 内置 OWASP Top 10，支持自定义规则集 | 通用 | | 📝 提示词模板 | 可视化管理，支持中英文双语 | 通用 | | 📊 报告导出 | PDF / Markdown / JSON 一键导出 | 通用 | | ⚙️ 运行时配置 | 浏览器配置 LLM，无需重启服务 | 通用 |
🦖 发展路线图
- • 基础静态分析，集成 Semgrep
- • 引入 RAG 知识库，支持 Docker 安全沙箱
- • Multi-Agent 协作架构 (Current)
- • 支持更真实的模拟服务环境，进行更真实漏洞验证流程
- • 沙箱从function_call优化集成为稳定MCP服务
- • 自动修复 (Auto-Fix): Agent 直接提交 PR 修复漏洞
- • 增量PR审计: 持续跟踪 PR 变更，智能分析漏洞，并集成CI/CD流程
- • 优化RAG: 支持自定义知识库
引用链接
[1] 南京大学开源镜像站: https://mirrors.nju.edu.cn/
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：利刃信安 利刃信安 利刃信安《【网络安全】DeepAudit – 人人拥有的 AI 审计战队，让漏洞挖掘触手可及》
版权声明
本站仅做备份收录，仅供研究与教学参考之用。
读者将信息用于其他用途的，全部法律及连带责任由读者自行承担，本站不承担任何责任。
评论