DeepAudit - 人人拥有的 AI 审计战队，让漏洞挖掘触手可及 🦸‍♂️

📸 界面预览

🤖 Agent 审计入口

首页快速进入 Multi-Agent 深度审计

📋 审计流日志 实时查看 Agent 思考与执行过程	🎛️ 智能仪表盘 一眼掌握项目安全态势
⚡ 即时分析 粘贴代码 / 上传文件，秒出结果	🗂️ 项目管理 GitHub/GitLab/Gitea 导入，多项目协同管理

📊 专业报告

一键导出 PDF / Markdown / JSON（图中为快速模式，非Agent模式报告）

🏆 CVE 漏洞发现

OpenClaw🦞 漏洞挖掘成果

DeepAudit 内测版本对 OpenClaw 项目进行了深度安全审计，目前已发现 6 个安全漏洞，均已被官方确认并发布安全公告（GHSA）。漏洞类型覆盖命令注入、签名验证绕过、远程代码执行、凭证泄露、资源耗尽及敏感信息泄露，其中包含多个 High 级别漏洞。更多漏洞仍在持续挖掘中。

GHSA 编号	项目	项目热度	漏洞类型	严重性
GHSA-g353-mgv3-8pcj	OpenClaw		Signature Verification Bypass	8.6
GHSA-99qw-6mr3-36qr	OpenClaw		Code Execution	8.5
GHSA-7h7g-x2px-94hj	OpenClaw		Credential Exposure	6.9
GHSA-g2f6-pwvx-r275	OpenClaw		Command Injection	Medium
GHSA-jq3f-vjww-8rq7	OpenClaw		Resource Exhaustion	High
GHSA-xwcj-hwhf-h378	OpenClaw		Information Disclosure	Medium

CVE 编号	项目	项目热度	漏洞类型	CVSS
CVE-2026-1884	禅道项目管理软件		SSRF	5.1
CVE-2025-13789	禅道项目管理软件		SSRF	5.3
CVE-2025-13787	禅道项目管理软件		权限提升	9.1
CVE-2025-64428	Dataease		JNDI 注入	9.8
CVE-2025-13246	Modulithshop		SQL 注入	6.3
CVE-2025-64163	Dataease		SSRF	9.8
CVE-2025-64164	Dataease		JNDI 注入	9.8
CVE-2025-11581	PowerJob		权限提升	7.5
CVE-2025-11580	PowerJob		权限提升	5.3
CVE-2025-10771	Jimureport		反序列化	9.8
CVE-2025-10770	Jimureport		反序列化	6.5
CVE-2025-10769	H2o-3		反序列化	9.8
CVE-2025-10768	H2o-3		反序列化	9.8
CVE-2025-58045	Dataease		JNDI 注入	9.8
CVE-2025-10423	Newbee-mall		可猜测的验证码	3.7
CVE-2025-10422	Newbee-mall		权限提升	4.3
CVE-2025-9835	Mall		权限提升	4.3
CVE-2025-9737	O2oa		XSS	5.4
CVE-2025-9736	O2oa		XSS	5.4
CVE-2025-9735	O2oa		XSS	5.4
CVE-2025-9734	O2oa		XSS	5.4
CVE-2025-9719	O2oa		XSS	5.4
CVE-2025-9718	O2oa		XSS	5.4
CVE-2025-9717	O2oa		XSS	5.4
CVE-2025-9716	O2oa		XSS	5.4
CVE-2025-9715	O2oa		XSS	5.4
CVE-2025-9683	O2oa		XSS	5.4
CVE-2025-9682	O2oa		XSS	5.4
CVE-2025-9681	O2oa		XSS	5.4
CVE-2025-9680	O2oa		XSS	5.4
CVE-2025-9659	O2oa		XSS	5.4
CVE-2025-9658	O2oa		XSS	5.4
CVE-2025-9657	O2oa		XSS	5.4
CVE-2025-9655	O2oa		XSS	5.4
CVE-2025-9646	O2oa		XSS	5.4
CVE-2025-9602	RockOA		数据库后门	6.5
CVE-2025-9514	Mall		权限提升	3.7
CVE-2025-9264	Xxl-job		权限提升	5.4
CVE-2025-9263	Xxl-job		权限提升	4.3
CVE-2025-9241	Eladmin		CSV/XLSX 注入	7.5
CVE-2025-9240	Eladmin		敏感信息泄露	4.3
CVE-2025-9239	Eladmin		硬编码凭据	3.7
CVE-2025-8974	Litemall		硬编码凭据	9.8
CVE-2025-8852	Wukong CRM		敏感信息泄露	4.3
CVE-2025-8840	Jsherp		权限提升	5.4
CVE-2025-8839	Jsherp		权限提升	8.8
CVE-2025-8764	Litemall		XSS	5.4
CVE-2025-8753	Litemall		任意文件删除	5.4
CVE-2025-8708	White-Jotter		反序列化	7.5

👉 查看完整 CVE 列表详情

以上漏洞由 DeepAudit 团队成员 @lintsinghua @ez-lbz 使用 DeepAudit 挖掘发现

如果您使用 DeepAudit 发现了漏洞，欢迎在 Issues 中留言反馈。您的贡献将极大地丰富这份漏洞列表，非常感谢！

⚡ 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。

我们致力于解决传统 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？

🏗️ 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

📂 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

# 前端镜像
docker pull ghcr.nju.edu.cn/lintsinghua/deepaudit-frontend:latest

# 后端镜像
docker pull ghcr.nju.edu.cn/lintsinghua/deepaudit-backend:latest

# 沙箱镜像
docker pull ghcr.nju.edu.cn/lintsinghua/deepaudit-sandbox:latest

💡 镜像源由 南京大学开源镜像站 提供支持

{
  "registry-mirrors": [
    "https://docker.1ms.run",
    "https://dockerproxy.com",
    "https://hub.rat.dev"
  ]
}

# Linux
sudo systemctl restart docker

# macOS / Windows
# 重启 Docker Desktop 应用

🎉 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lon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

📖 详细文档请查看 Agent 审计指南

🔌 支持的 LLM 平台

💡 支持 API 中转站，解决网络访问问题 | 详细配置 → LLM 平台支持

🎯 功能矩阵

🦖 发展路线图

我们正在持续演进，未来将支持更多语言和更强大的 Agent 能力。

• 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 (当前)
• 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

🤝 贡献与社区

贡献指南

我们非常欢迎您的贡献！无论是提交 Issue、PR 还是完善文档。 请查看 CONTRIBUTING.md 了解详情。

📬 联系作者

📄 许可证

本项目采用 AGPL-3.0 License 开源。

📈 项目热度

致谢

感谢以下开源项目的支持：

FastAPI · LangChain · LangGraph · ChromaDB · LiteLLM · Tree-sitter · Kunlun-M · Strix · React · Vite · Radix UI · TailwindCSS · shadcn/ui

⚠️ 重要安全声明

法律合规声明

1. 禁止任何未经授权的漏洞测试、渗透测试或安全评估
2. 本项目仅供网络空间安全学术研究、教学和学习使用
3. 严禁将本项目用于任何非法目的或未经授权的安全测试

漏洞上报责任

1. 发现任何安全漏洞时，请及时通过合法渠道上报
2. 严禁利用发现的漏洞进行非法活动
3. 遵守国家网络安全法律法规，维护网络空间安全

使用限制

• 仅限在授权环境下用于教育和研究目的
• 禁止用于对未授权系统进行安全测试
• 使用者需对自身行为承担全部法律责任

免责声明

作者不对任何因使用本项目而导致的直接或间接损失负责，使用者需对自身行为承担全部法律责任。

📖 详细安全政策

有关安装政策、免责声明、代码隐私、API使用安全和漏洞报告的详细信息，请参阅 DISCLAIMER.md 和 SECURITY.md 文件。

快速参考

• 代码隐私警告: 您的代码将被发送到所选择的LLM服务商服务器
• 敏感代码处理: 使用本地模型处理敏感代码
• 合规要求: 遵守数据保护和隐私法律法规
• 漏洞报告: 发现安全问题请通过合法渠道上报

DeepAudit 快速上手指南

DeepAudit 是一款基于 Multi-Agent 的 AI 安全审计工具，旨在让漏洞挖掘触手可及。它支持从 GitHub/GitLab/Gitea 导入项目，提供实时审计流日志、智能仪表盘及专业报告导出功能。

1. 环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统: Linux (推荐 Ubuntu 20.04+/Debian) 或 macOS
• Python: 3.11 或更高版本
• Node.js: 18.x 或更高版本 (用于前端构建)
• 包管理器: pip 和 npm (或 yarn/pnpm)
• 内存: 建议至少 8GB RAM (运行 AI 模型时需求可能更高)
• 网络: 需能访问外部 API (如 LLM 服务商) 及代码仓库平台

国内开发者提示： 为加速依赖下载，建议配置国内镜像源：

• Python: pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
• Node.js: npm config set registry https://registry.npmmirror.com

2. 安装步骤

第一步：克隆项目

git clone https://github.com/lintsinghua/DeepAudit.git
cd DeepAudit

第二步：安装后端依赖

创建虚拟环境并安装 Python 依赖：

python3.11 -m venv venv
source venv/bin/activate  # Windows 用户使用: venv\Scripts\activate

pip install -r requirements.txt

第三步：安装前端依赖

进入前端目录并安装节点依赖：

cd frontend
npm install
npm run build
cd ..

第四步：配置环境变量

复制示例配置文件并根据实际需求修改（特别是 LLM API Key）：

cp .env.example .env
# 使用编辑器修改 .env 文件，填入您的 API_KEY 等配置
# vim .env 或 nano .env

第五步：启动服务

方式 A：开发模式（前后端分离启动）

终端 1 (启动后端):

uvicorn main:app --reload --host 0.0.0.0 --port 8000

终端 2 (启动前端):

cd frontend
npm run dev

方式 B：生产模式（如需部署） 确保前端已执行 npm run build，然后直接运行后端服务，通常配置 Nginx 反向代理前端静态文件至后端或直接由后端 serve。

3. 基本使用

安装完成后，即可通过浏览器访问进行安全审计。

1. 访问界面 打开浏览器访问前端地址（开发模式通常为 http://localhost:5173，生产模式为 http://localhost:8000 或您配置的域名）。

2. 创建审计任务

   • 点击首页 "Agent 审计入口"。
   • 导入项目：支持直接粘贴 GitHub/GitLab/Gitea 仓库链接，或上传本地代码压缩包。
   • 即时分析：也可选择“即时分析”模式，直接粘贴单段代码或上传单个文件进行秒级检测。

3. 监控审计过程

   • 在 "审计流日志" 面板中，您可以实时查看 AI Agent 的思考路径、工具调用及执行细节。
   • 通过 "智能仪表盘" 概览当前项目的安全态势和风险分布。

4. 查看与导出报告

   • 审计完成后，系统将生成详细的安全报告。
   • 点击报告页面右上角，支持一键导出为 PDF、Markdown 或 JSON 格式，便于归档或协同修复。

提示：首次运行建议先使用小型开源项目进行测试，熟悉 Agent 的工作流程后再对大型核心项目进行深度审计。