Back to search
JavaSinkTracer_MCP
SkillGitHub
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。
Safety scan
A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.
Checked today
Badge for your README
Markdown
[](/listings/zacarx--javasinktracer-mcp)HTML
<a href="/listings/zacarx--javasinktracer-mcp"><img src="/api/listings/zacarx--javasinktracer-mcp/badge.svg" alt="findsafeskills safety rating" /></a>Install
i
What was scanned
The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.
README.md · README · 240 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- # 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
- ```bash
- 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`
- ```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:
- ```json
- {
- "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`:
- ```python
- @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](https://github.com/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。
Ratings and comments
Sign in to rate this skill.
Sign inFree to use. If it’s helped, pass it on.