前LLM时代:规则驱动与特征拟合
24 浏览2026年03月10日作者:iwsi

早期的自动化漏洞挖掘高度依赖于静态应用程序安全测试(SAST)工具,如CodeQL、Tabby等。这类工具的核心逻辑是通过词法分析与语法分析,将源代码标准化为抽象语法树(AST),进而构建控制流图(CFG)与数据依赖图(DDG),最终通过污点分析(Taint Analysis)来追踪不可信的外部输入(Source)是否能够未经验证地到达敏感的执行节点(Sink) 。但这种模式存在两大难以逾越的障碍:

  1. 无止尽的规则维护: 覆盖率极度依赖人工定义规则,对抗新型漏洞疲于奔命。
  2. 动态特性的“断流”: 尽管应对显式语法漏洞(如SQLi、XSS)卓有成效,但在现代高级语言面前极其脆弱。以Java语言为例,其广泛使用的反射机制、动态代理等特性,会在静态分析过程中导致调用图的极度碎片化 。当程序在运行时通过反射动态决定调用哪一个类或方法时,基于静态源码的分析器无法预知确切的执行路径。即使引入类层次结构分析(CHA)等辅助手段,静态分析也必须采取极其保守的策略,穷举所有潜在的执行路径,这不可避免地导致了路径爆炸与海量的误报 。

此外,SAST本质是在“寻找已知的不安全模式”,因此对因逻辑缺失导致的“逻辑漏洞”(如越权访问)几乎完全免疫。前LLM时代的静态分析,本质上是在用人工规则的确定性换取覆盖率,代价是面对复杂业务时必然的断流、误报与逻辑盲区。

最后一次编辑于 2026 年 03 月 10 日
共 0 条评论

相关文章

专题推荐

热门文章

热门问答