DeepAudit：AI 驱动的代码漏洞挖掘多智能体系统，让安全审计触手可及

在数字化时代，代码安全已成为软件开发的核心挑战。传统代码审计往往依赖人工专家，成本高昂、效率低下，且容易遗漏潜在漏洞。随着人工智能技术的迅猛发展，一款名为 DeepAudit 的开源项目应运而生。它是国内首个开源的代码漏洞挖掘多智能体系统，通过 AI 协作模拟安全专家的思维流程，实现自动化、精准的漏洞检测与验证。本文将详细介绍 DeepAudit 项目，帮助开发者、安全从业者和研究者快速了解并上手这一强大工具。如果你对更多 AI 工具感兴趣，可以参考 AI225 导航，那里汇集了各种前沿 AI 资源。

项目概述

DeepAudit（原名 XCodeReviewer）是一个基于 Multi-Agent（多智能体）架构的下一代代码安全审计平台。其核心理念是“人人拥有的 AI 黑客战队”，旨在降低安全审计的门槛，让漏洞挖掘“触手可及”。项目利用大型语言模型（LLM）结合知识增强检索（RAG）和自动化沙箱 PoC（Proof of Concept）验证，实现从信息收集到漏洞确认的全流程自动化。

DeepAudit 支持多种编程语言（超过 10 种），覆盖 OWASP Top 10 等常见安全规则集。它不仅能检测 Bug、安全漏洞、性能问题、代码风格和可维护性，还能生成“What-Why-How”式的报告：问题定位（What）、原因分析（Why）和修复建议（How）。此外，项目强调数据隐私，支持本地化部署，确保敏感代码不出内网。

项目地址：https://github.com/lintsinghua/DeepAudit

主要功能亮点

DeepAudit 的强大在于其 Multi-Agent 协作机制，由四个核心智能体组成：

• Orchestrator（协调者）：负责整体策略规划，模拟安全专家的顶层决策。
• Recon（侦察者）：收集代码信息、依赖关系和潜在风险点。
• Analysis（分析者）：结合 RAG 知识库（包括 CWE/CVE 数据库）进行深度漏洞挖掘，降低误报率。
• Verification（验证者）：自动生成攻击脚本，在 Docker 隔离沙箱中执行 PoC，确认漏洞真实性。

其他关键功能包括：

• 项目管理：支持 GitHub/GitLab 导入、ZIP 文件上传，或直接分析代码片段。
• 五维检测：全面覆盖代码的 Bug、安全、性能、风格和可维护性。
• 报告导出：一键生成 PDF、Markdown 或 JSON 报告，便于分享和归档。
• 运行时配置：浏览器内动态选择 LLM 模型，无需重启服务。
• 提示词模板管理：支持中英文双语，可视化编辑模板，提升自定义能力。
• API 中转站支持：解决国内网络访问限制，确保顺畅使用国际模型。

支持的漏洞类型丰富，包括 SQL 注入、XSS、命令注入、路径遍历、SSRF、XXE、不安全反序列化、硬编码密钥等常见安全隐患。

支持的模型与平台

DeepAudit 兼容多种 LLM 模型，覆盖国际和国内平台，以及本地部署选项，确保灵活性和隐私保护：

• 国际模型：OpenAI GPT-4o、Claude 3.5 Sonnet、Google Gemini Pro、DeepSeek V3。
• 国内模型：通义千问 Qwen、智谱 GLM-4、Moonshot Kimi、文心一言、MiniMax、豆包。
• 本地模型：Ollama 支持 Llama3、Qwen2.5、CodeLlama、DeepSeek-Coder、Codestral 等，确保数据不出内网。

这种多平台支持让用户可以根据需求选择最优模型，避免单一依赖。

安装与部署指南

DeepAudit 的部署极其简便，支持一键 Docker 启动，适合小白用户。

快速启动（推荐）

使用以下命令一键部署：

curl -fsSL https://raw.githubusercontent.com/lintsinghua/DeepAudit/v3.0.0/docker-compose.prod.yml | docker compose -f - up -d

国内用户可使用加速镜像：

curl -fsSL https://raw.githubusercontent.com/lintsinghua/DeepAudit/v3.0.0/docker-compose.prod.cn.yml | docker compose -f - up -d

部署后，访问http://localhost:3000即可进入前端界面。

源码部署

git clone https://github.com/lintsinghua/DeepAudit.git && cd DeepAudit cp backend/env.example backend/.env # 编辑 .env 文件，配置 LLM API Key docker compose up -d

环境要求：

• Python 3.11+
• Node.js 20+
• PostgreSQL 15+
• Docker

使用示例

1. 启动系统：部署完成后，打开浏览器访问前端。
2. 上传项目：通过 GitHub 链接、ZIP 文件或直接粘贴代码片段导入项目。
3. 选择模式：推荐使用 Agent 模式（多智能体协作），或选择简单模式进行快速扫描。
4. 运行审计：系统自动启动 Multi-Agent 流程，实时显示日志。
5. 查看报告：审计完成后，浏览仪表盘，导出报告。报告包括漏洞详情、PoC 验证结果和修复建议。

例如，审计一个包含 SQL 注入漏洞的 PHP 项目：上传代码后，系统会自动检测、生成 PoC 脚本，并在沙箱中验证攻击有效性，最终输出修复指导。

系统架构简析

• 后端：基于 Python FastAPI，实现 Agent 逻辑、RAG 服务和沙箱接口。
• 前端：React + TypeScript，提供用户友好的仪表盘和报告查看。
• 数据库：Supabase（PostgreSQL）管理项目和审计记录。
• 沙箱：Docker 隔离环境，确保 PoC 验证安全无风险。

项目基于 LangChain、LangGraph、ChromaDB 和 LiteLLM 等开源框架构建，架构模块化，便于扩展。

结语与贡献

DeepAudit 不仅仅是一个工具，更是 AI 在代码安全领域的创新实践。它显著降低了误报率，提升了审计效率，特别适合个人开发者、企业安全团队和研究机构使用。项目强调合规使用：仅限教育和研究目的，禁止未经授权的渗透测试。同时，提供隐私警告：敏感代码建议使用本地模型。

让安全不再昂贵，让审计不再复杂——DeepAudit，正待你探索！