VulnHunter：智慧體驅動的AI安全工具

VulnHunter 是一個開源的智慧體AI安全工具，由 Capital One 內部開發並貢獻給社群。它採用攻擊者優先的主動分析方法，直接對原始碼進行安全分析，旨在解決傳統靜態應用安全測試（SAST）工具誤報率高、無法區分可利用漏洞的問題。

與傳統的被動式SAST掃描器不同，VulnHunter 模擬攻擊者的思維過程，從潛在的攻擊入口（如API、網路訊息、檔案上傳）開始正向推理，評估攻擊者是否能夠真正突破安全防線。這種攻擊者優先的路徑分析大大減少了誤報，只輸出高優先順序、可操作的漏洞報告。

VulnHunter 的核心創新在於其假證引擎（Falsification Engine）。在發現潛在漏洞後，該引擎會執行一個結構化的推理步驟，專門試圖否定自身的發現——尋找有缺陷的假設、邏輯漏洞或可能阻斷攻擊的安全控制。只有透過這一嚴格驗證的缺陷才會被提交給開發者，確保了報告的質量。

工具以三個可組合的 Claude Code 技能形式交付，形成完整的自動修復迴圈：

1. /vulnhunt（掃描階段）：對映入口點到危險函式，透過多級假證管道過濾，只輸出可執行的利用路徑和修復建議。
2. /vulnhunter-fix（修復階段）：開發者主導的測試驅動修復，包括編寫利用演示、建立安全測試（RED）、實施程式碼修復（GREEN），並驗證漏洞已被阻斷，最終生成可供審查的PR。
3. /vulnhunt-fix-verify（驗證階段）：獨立的只讀代理，獨立驗證漏洞是否成功修復，給出明確裁決。

此外，還提供了 vulnhunter-agent/ 用於無頭執行，支援大規模批次掃描，以及 harness/ 用於開發測試和基準評估。

VulnHunter 專為 Claude Opus 模型最佳化，執行在 Claude Code 環境中。使用者需要自行配置模型訪問許可權，並確保僅掃描獲得授權的程式碼庫。安裝簡單，透過提供的 install.sh 指令碼即可將技能複製到本地技能目錄。

專案採用 Apache 2.0 許可證，歡迎社群貢獻。Capital One 表示，由於軟體供應鏈安全問題複雜，沒有任何組織能獨自解決，因此將 VulnHunter 開源，希望集結社群力量共同提升安全水平。