iflow-mcp_zacarx-javasinktracer_mcp 0.1.5

Java源代码漏洞审计工具 - 基于函数级污点分析

JavaSinkTracer_MCP

基于函数级污点分析的 Java 源代码漏洞审计工具JavaSinkTracer，通过 Model Context Protocol (MCP) 为 AI 助手提供安全分析能力。

快速开始

1. 安装依赖

pip install -r requirements.txt

2. 配置 Claude Desktop

编辑配置文件并添加 MCP 服务器配置：

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json Windows: %APPDATA%/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "javasinktracer": {
      "command": "python",
      "args": [
        "/path/to/JavaSinkTracer/mcp_server.py"
      ],
      "description": "Java源代码漏洞审计工具 - 基于函数级污点分析"
    }
  }
}

注意：将 /path/to/JavaSinkTracer 替换为实际的项目路径。

3. 重启 Claude Desktop

配置完成后重启 Claude Desktop，MCP 工具将自动加载。

视频演示

https://www.bilibili.com/video/BV1XrxDz1EvF

核心功能

漏洞扫描

从危险函数（Sink）反向追踪到外部入口（Source），自动发现潜在的安全漏洞链路。

调用图分析

构建完整的 Java 项目函数调用关系图，支持跨文件、跨类的调用追踪。

智能分析

基于函数级污点分析，有效规避变量级追踪在复杂场景（线程、反射、回调）下的断链问题。

代码提取

自动提取漏洞链路上每个函数的完整源代码，便于人工或 AI 深入分析。

可用工具

工具名称	功能说明
build_callgraph	构建项目调用关系图
find_vulnerabilities	扫描安全漏洞
analyze_vulnerability_chain	分析漏洞调用链源代码
extract_method_code	提取指定方法源代码
list_sink_rules	查看漏洞规则配置
get_project_statistics	获取项目统计信息

使用示例

示例 1：全面漏洞扫描

请帮我扫描 /path/to/java-project 项目的安全漏洞

AI 会自动：

1. 构建调用关系图
2. 扫描所有类型的漏洞
3. 分析并报告发现的问题

示例 2：针对性检测

检查项目中是否存在 SQL 注入和命令执行漏洞

AI 会扫描特定类型的漏洞（SQLI、RCE）。

示例 3：深入分析

这个漏洞链路是真实漏洞吗？请分析调用链的源代码

AI 会提取完整的调用链代码并进行分析。

支持的漏洞类型

• RCE - 远程代码执行 (CWE-78)
• SQLI - SQL 注入 (CWE-89)
• XXE - XML 外部实体注入 (CWE-611)
• SSRF - 服务端请求伪造 (CWE-918)
• PATH_TRAVERSAL - 路径穿越 (CWE-22)
• DESERIALIZE - 反序列化漏洞 (CWE-502)
• XPATH_INJECTION - XPath 注入 (CWE-643)
• TEMPLATE_INJECTION - 模板注入 (CWE-94)
• JNDI_INJECTION - JNDI 注入 (CWE-74)
• REFLECTION_INJECTION - 反射注入 (CWE-470)
• LOG_INJECTION - 日志注入 (CWE-117)
• CRYPTO_WEAKNESS - 加密算法弱点 (CWE-327)

支持的框架

• Spring Boot / Spring MVC
• MyBatis / Hibernate / JPA
• Fastjson / Jackson / Gson
• OkHttp / Apache HttpClient
• Freemarker / Velocity / Thymeleaf
• Log4j / SLF4J

工作原理

函数级污点分析

不同于传统 SAST 工具的"变量级"污点分析，本工具采用"函数级"污点分析：

• 优势：有效规避线程调用、监听回调、反射调用等场景的断链问题
• 权衡：可能产生误报，需要结合 AI 或人工进一步分析确认

分析流程

1. 解析 Java 源代码，构建 AST
2. 提取所有类和方法信息
3. 构建函数调用关系图
4. 从 Sink 点（危险函数）反向追踪
5. 识别到达 Source 点（外部入口）的调用链
6. 过滤无参数的函数（排除不可控变量）
7. 提取调用链上所有函数的源代码

配置说明

规则文件

规则配置文件位于 Rules/rules.json，包含：

• sink_rules: 危险函数规则（如 Runtime.exec）
• source_rules: 外部输入源（如 HttpServletRequest.getParameter）
• sanitizer_rules: 净化函数（如 StringEscapeUtils.escapeHtml）

自定义规则

可以根据实际需求编辑 rules.json 添加新的 Sink、Source 或 Sanitizer 规则：

{
  "sink_rules": [
    {
      "sink_name": "CUSTOM_VULN",
      "sink_desc": "自定义漏洞类型",
      "severity_level": "High",
      "cwe": "CWE-XXX",
      "sinks": [
        "com.example.DangerousClass:dangerousMethod"
      ]
    }
  ]
}

性能优化

缓存机制

• 首次分析项目时构建 AST 和调用图
• 后续调用自动复用缓存，大幅提升速度
• 缓存 key：project_path:rules_path

轻量级模式

find_vulnerabilities 工具默认使用轻量级模式：

• 仅返回漏洞链路信息
• 不立即提取源代码
• 需要时使用 analyze_vulnerability_chain 获取详细代码

常见问题

工具未加载？

1. 检查配置文件中的路径是否正确
2. 确认已安装所有 Python 依赖
3. 查看 Claude Desktop 的开发者工具日志

分析速度慢？

• 大型项目首次分析需要时间构建 AST
• 使用缓存后速度会显著提升
• 可先调用 build_callgraph 预热缓存

结果有误报？

• 函数级污点分析会产生一定误报
• 使用 analyze_vulnerability_chain 查看源代码
• 结合 AI 分析或人工确认漏洞真实性

扩展开发

添加新的 MCP 工具

编辑 mcp_server.py：

@app.list_tools()
async def list_tools() -> list[Tool]:
    return [
        Tool(
            name="your_tool",
            description="工具描述",
            inputSchema={...}
        )
    ]

@app.call_tool()
async def call_tool(name: str, arguments: Any):
    if name == "your_tool":
        # 实现你的工具逻辑
        pass

相关资源

• 详细使用指南: 查看 MCP_GUIDE.md
• 原理说明: 查看 README.md
• 优化日志: 查看 UPGRADE_SUMMARY.md

致谢

JavaSinkTracer开发者 Tr0e

声明

本项目仅供学习与研究使用，请勿用于商业或非法用途。因使用本项目产生的任何后果由使用者自行承担。