我用Claude和Codex构建了一个AI漏洞扫描器。它失败了
本文介绍了Janitor——一个基于Rust的确定性安全工具，用于在代码合并前检测漏洞。它采用形式化方法、零拷贝执行和双PQC认证，能在8GB笔记本上6.7秒内扫描350万行代码的PR。与基于云的AI安全方案不同，Janitor在本地运行，不泄露代码，提供数学可证明的安全保障。
我尝试用Claude和Codex构建一个AI漏洞扫描器，但最终失败了。然而，在这个探索过程中，我发现了一个真正有效的工具——Janitor。
Janitor是一个用Rust编写的结构防火墙，专为代码仓库的Pull Request（PR）设计。它不是传统的linter，而是一个确定性的防御层，在每次合并前运行。它使用树状语法解析（tree-sitter）生成抽象语法树（AST），结合IFDS过程间污点分析、Kani证明的布尔谓词和Z3 SMT漏洞见证合成，从结构上验证代码意图。性能方面，Janitor在350万行代码的Godot引擎上，仅需6.7秒完成全PR扫描，峰值内存58MB，零崩溃。它通过内存映射文件实现零拷贝执行，整个分析过程中不产生任何网络调用。
Janitor的核心特性包括双PQC认证（ML-DSA-65和SLH-DSA），确保链上托管；僵尸依赖检测，利用BLAKE3布隆过滤器识别AI生成的虚假包名；以及决策胶囊，每次阻断决策都被密封为可离线验证的证明。此外，Janitor还提供了“氛围检查门”（Vibe-Check Gate），通过压缩率检测AI生成的“氛围编码”PR，并配有零向量碰撞护盾和净负豁免机制，有效消除误报。
与市场的AI安全方案不同，Janitor的设计哲学是确定性和本地化。它不需要云连接，不将代码上传至第三方集群，因此适合IL5/IL6级别的高安全环境。它还支持WebAssembly（Wasm）自定义规则，允许用户带入自己的策略模块。在供应链安全方面，Janitor实现了SLSA Level 4可重现构建，并自动为每次干净合并签发CycloneDX v1.6 CBOM加密证明。对于离线环境，Janitor提供空气间隙情报传输胶囊，可以通过物理方式传递加密签名包，无需网络即可更新威胁情报。
总体而言，Janitor提供了一个数学可证明的安全方案，而不是基于概率的AI评分。对于需要严格供应链安全的企业，这无疑是一个值得关注的选择。