ASL V6 是一款面向 Python 和 AI 代理代码库的研究级漏洞评估与红队测试引擎，由安全研究员 Siva Aditya Panuganti 开发。Panuganti 在负责任披露方面拥有良好记录，曾报告多个生产 AI 系统中的漏洞，包括 CVE-2026-22038（AutoGPT 秘密泄露）和 GHSA-x58f-9m57-qc4m（FlowiseAI 沙箱逃逸）等。
该工具的核心创新在于将抽象语法树（AST）代码分析与实时 Docker 运行时测试相结合。与传统的静态分析工具不同，ASL V6 不仅扫描代码中的潜在漏洞模式，还会在隔离的 Docker 容器中实际执行可疑代码片段，以验证漏洞的可利用性。这种方法显著降低了误报率，并提供了更高的准确性。
ASL V6 包含 10 种安全分析器，覆盖 OWASP Top 10 中针对 LLM 和代理的漏洞，包括提示注入、目标劫持、不安全的代码执行（eval/exec）以及工具滥用等。通过 AST 上下文过滤，该工具能够智能忽略测试套件、模拟文件和文档字符串，从而消除约 98% 的误报警报。
该工具完全免费开源，采用 MIT 许可证。所有分析、AST 过滤和 Docker 运行时测试均在本地执行，不发送任何数据到互联网。用户可以选择通过 NVIDIA_API_KEY 环境变量提供自己的免费开发者 API 密钥，以启用基于 LLM 的代码补丁建议；若不提供密钥，则自动使用基于确定性 AST 规则的离线补丁生成。
ASL V6 已在真实文件系统仓库上进行了基准测试。在 LangGraph 仓库（513 个文件）上，该工具生成了 606 条原始警报，验证后确认 13 个真实阳性，误报率降低 97.9%。工具自身代码（7 个文件）的测试中，未发现任何真实漏洞，验证了其自身的安全性。
安装和使用简单：克隆 GitHub 仓库，安装依赖，即可对目标项目运行安全审计。该工具还包含一个 GitHub Actions 工作流，可在 CI/CD 构建过程中自动检测拉取请求中的安全缺陷。
除了自动化工具，Panuganti 还提供人工安全咨询服务，包括月度架构审查、紧急安全评估以及符合欧盟 AI 法案的技术文档编写。这些服务按固定费用或 retain 收取，旨在补充自动化工具的不足。