[原创] IVAgent - Multi-Agent 驱动的漏洞挖掘系统-安全工具-看雪安全社区

[原创] IVAgent - Multi-Agent 驱动的漏洞挖掘系统

发表于: 1天前 2212

[原创] IVAgent - Multi-Agent 驱动的漏洞挖掘系统

xxxxxxx_798269 活跃值

1天前

2212

IVAgent (Intelligent Vulnerability Analysis Agent) 是一个基于大语言模型(LLM)的智能漏洞挖掘系统，支持多种分析引擎和二进制/源码分析场景。

图片描述

核心特性

多引擎支持: IDA Pro (二进制)、JEB (Android)、ABC-Decompiler (HarmonyOS)、Source Code (源码)
递归深度分析: 基于调用链的深度漏洞挖掘，支持跨函数分析
约束传播: 支持污点源追踪和参数约束在调用链中的传播
智能调度: LLM 驱动的 Workflow 编排和任务调度
可视化: 完整的 Web 界面支持日志追踪、漏洞管理和 Agent 执行可视化

系统架构

IVAgent 采用分层设计，核心组件包括：

┌─────────────────────────────────────────────────────┐
│                 用户界面层                           │
│  (CLI / Web UI / API)                               │
├─────────────────────────────────────────────────────┤
│                 编排调度层                           │
│  (Orchestrator / Task Manager / Workflow Parser)    │
├─────────────────────────────────────────────────────┤
│                 智能分析层                           │
│  (DeepVulnAgent / FunctionSummaryAgent / ...)       │
├─────────────────────────────────────────────────────┤
│                 引擎抽象层                           │
│  (IDA Engine / JEB Engine / Source Engine / ...)    │
├─────────────────────────────────────────────────────┤
│                 数据存储层                           │
│  (Vuln Storage / Log Storage / Cache)               │
└─────────────────────────────────────────────────────┘

项目结构

ivas/
├── ivagent/                    # 核心包
│   ├── agents/                 # Agent 实现
│   │   ├── deep_vuln_agent.py  # 深度漏洞挖掘 Agent (核心)
│   │   ├── callsite_agent.py   # 调用点解析 Agent
│   │   ├── function_summary_agent.py  # 函数摘要 Agent
│   │   └── prompts.py          # 提示词模板
│   ├── backends/               # 后端适配器
│   │   ├── ida/                # IDA Pro 适配器
│   │   ├── jeb/                # JEB 适配器
│   │   └── abc_decompiler/     # ABC 反编译器适配器
│   ├── core/                   # 核心组件
│   │   ├── llm_logger.py       # LLM 调用日志
│   │   ├── agent_logger.py     # Agent 执行日志
│   │   ├── vuln_storage.py     # 漏洞存储
│   │   └── tool_llm_client.py  # Tool Call 客户端
│   ├── engines/                # 分析引擎
│   │   ├── base_static_analysis_engine.py  # 引擎基类
│   │   ├── ida_engine.py       # IDA 引擎
│   │   ├── jeb_engine.py       # JEB 引擎
│   │   ├── abc_engine.py       # ABC 引擎
│   │   ├── source_code_engine.py  # 源码引擎
│   │   └── factory.py          # 引擎工厂
│   ├── models/                 # 数据模型
│   │   ├── constraints.py      # 约束和上下文
│   │   ├── vulnerability.py    # 漏洞模型
│   │   └── workflow.py         # Workflow 模型
│   ├── orchestrator/           # 任务编排
│   │   ├── orchestrator_agent.py  # 编排 Agent
│   │   ├── workflow_parser.py  # Workflow 解析器
│   │   └── tools.py            # 编排工具集
│   ├── scanner.py              # 扫描器主类
│   └── web/                    # Web 界面
│       ├── server.py           # Web 服务器
│       ├── api.py              # REST API
│       └── static/             # 静态资源
├── preconditions/              # 预置条件配置
│   ├── _template.md            # 模板
│   ├── android.md              # Android 入口分析
│   ├── binary.md               # 二进制分析
│   └── harmony.md              # HarmonyOS 分析
├── workflows/                  # Workflow 定义
│   ├── android_sql_injection.md
│   ├── arkts_ability_hijack.md
│   └── rpc_server_analysis.md
├── ivagent_scan.py             # 扫描 CLI
├── orchestrator_cli.py         # Workflow CLI
├── launch_web.py               # Web 启动器
└── start_ida_rpc.py            # IDA RPC 启动器

快速开始

安装依赖

1	`pip` `install` `-r requirements.txt`

环境配置

export OPENAI_API_KEY="your-api-key"
export OPENAI_BASE_URL="6bdK9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6S2M7r3W2Q4x3X3g2G2M7r3g2F1j5h3W2Q4x3X3g2U0L8$3#2Q4x3V1k6$3x3b7`.`."  # 可选
export OPENAI_MODEL="gpt-4"  # 可选

启动 IDA RPC 服务器（如使用 IDA 引擎）

1 2	`# 在 IDA Pro 中加载 IDB 后运行` `python start_ida_rpc.py --idb` `/path/to/binary.i64 --port 9999`

配置 ABC-Decompiler 引擎（HarmonyOS 应用分析）

ABC-Decompiler 用于分析 HarmonyOS 应用的 ABC 文件，基于 Jadx 的 MCP 插件实现。

架构流程：

1	`IVAgent → AbcDecompilerClient → MCP Server → Jadx AI MCP Plugin → ABC 文件`

配置步骤：

安装 Jadx AI MCP 插件

1
# 7e7K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6E0j5h3N6A6j5$3I4X3i4K6u0V1j5h3W2Q4x3V1k6S2j5X3y4Q4x3X3c8V1k6h3y4G2L8i4m8A6L8r3g2J5i4K6u0V1L8h3y4H3
启动 MCP 服务端

1
2
3
4
5
# 进入服务端脚本目录
cd ivagent/backends/abc_decompiler/server_scripts

# 启动 MCP Server（HTTP 模式）
python jadx_mcp_server.py --http --port 8651 --jadx-port 8650

参数说明：
- --http: 启用 HTTP 传输模式
- --port: MCP Server 监听端口（默认 8651）
- --jadx-port: Jadx AI MCP Plugin 端口（默认 8650）
在 ABC-Decompiler 中加载 ABC 文件
- 打开 ABC-Decompiler
- 加载要分析的 .abc 文件
- 确保 AI MCP Plugin 已启用并连接到端口 8650
测试连接

1
2
# 服务端启动后会显示健康检查结果
# Health check result: {"status": "ok"}

配置 JEB 引擎（Android 应用分析）

JEB 引擎用于分析 Android APK 文件，通过 JSON-RPC 协议与 JEB 进程通信。

架构流程：

1	`IVAgent → JEBClient → HTTP JSON-RPC → JEB RPC Server (MCP.py) → JEB Decompiler → APK`

配置步骤：

准备 JEB 环境
- 确保 JEB 已安装并可正常运行
- 需要 JEB 的脚本执行权限
启动 JEB RPC 服务

方式一：通过 JEB 控制台加载脚本

1
2
3
# 在 JEB 中打开 APK 文件
# 然后执行脚本：File → Scripts → Execute Script
# 选择：ivagent/backends/jeb/server_scripts/MCP.py

方式二：设置环境变量（守护模式）

1
2
3
4
5
6
# 启用守护模式
export JEB_MCP_DAEMON=1
export JEB_MCPC_HOST=127.0.0.1
export JEB_MCPC_PORT=16161

# 然后在 JEB 中执行 MCP.py 脚本
验证服务启动
- 脚本执行后会在控制台输出：[MCP] Server started at 181K9s2c8@1M7q4)9K6b7g2)9J5c8W2)9J5c8U0p5J5y4#2)9J5k6e0m8Q4x3X3f1H3i4K6u0W2x3g2)9K6b7e0p5$3x3e0j5I4
- 服务默认监听端口 16161

环境变量配置：

变量名	说明	默认值
`JEB_MCPC_HOST`	RPC Server 监听地址	127.0.0.1
`JEB_MCPC_PORT`	RPC Server 监听端口	16161
`JEB_MCP_DAEMON`	是否启用守护模式	0

使用方式

IVAgent 提供两种主要使用方式：

直接扫描模式 (ivagent_scan.py): 针对指定函数进行深度漏洞分析
Workflow 编排模式 (orchestrator_cli.py): LLM 驱动的自动化任务编排

方式一：直接扫描指定函数

使用 ivagent_scan.py 对单个或多个函数进行漏洞扫描。

基础用法

IDA 引擎（二进制分析）：

# 扫描单个函数
python ivagent_scan.py \
    -e ida \
    -t /path/to/binary.i64 \
    -f "sub_140001000" \
    --preset binary

JEB 引擎（Android APK 分析）：

# 确保 JEB RPC 服务已启动（端口 16161）
 
# 扫描 Android 应用的特定方法
python ivagent_scan.py \
    -e jeb \
    -t /path/to/app.apk \
    -f "Lcom/example/MainActivity;->onCreate" \
    --preset android
 
# 指定自定义端口
python ivagent_scan.py \
    -e jeb \
    -t /path/to/app.apk \
    --host 127.0.0.1 \
    --port 16161 \
    -f "Lcom/example/LoginActivity;->checkLogin" \
    --preset android

ABC-Decompiler 引擎（HarmonyOS 应用分析）：

# 确保 MCP Server 已启动（端口 8651）
 
# 扫描 HarmonyOS 应用的方法
python ivagent_scan.py \
    -e abc \
    -t /path/to/app.abc \
    -f "com.example.EntryAbility.onCreate" \
    --preset harmony
 
# 指定自定义 MCP Server URL
python ivagent_scan.py \
    -e abc \
    --host "410K9s2c8@1M7q4)9K6b7g2)9J5c8W2)9J5c8U0p5J5y4#2)9J5k6e0m8Q4x3X3f1H3i4K6u0W2x3g2)9K6b7e0R3$3y4e0q4Q4x3V1k6E0j5%4l9`." \
    -f "com.example.MyAbility.parseData" \
    --preset harmony

参数说明

参数	说明	示例
`-e, --engine`	分析引擎类型 (ida/jeb/abc/source)	`-e ida`
`-t, --target`	目标文件路径	`-t app.apk`
`-f, --function`	要扫描的函数签名或地址	`-f "sub_140001000"`
`--host`	引擎 RPC 主机地址	`--host 127.0.0.1`
`--port`	引擎 RPC 端口	`--port 9999`
`--preset`	使用预置 Precondition	`--preset binary`
`--config`	自定义 Precondition 配置文件	`--config my_config.md`
`-c, --concurrency`	最大并发数	`-c 5`
`-o, --output`	输出结果文件 (JSON)	`-o results.json`
`--source-root`	源码根目录（用于源码分析）	`--source-root /path/to/src`

使用 Precondition 配置

Precondition 用于描述目标函数的已知约束，帮助 Agent 更精准地分析：

# 使用预置配置
python ivagent_scan.py -e ida -t driver.i64 -f "parse_input" --preset binary
 
# 使用自定义配置文件
python ivagent_scan.py -e ida -t driver.i64 -f "parse_input" --config ./my_precondition.md

内置 preset 包括：

binary: 二进制解析函数分析
android: Android 入口点分析
harmony: HarmonyOS 应用分析

Precondition 配置示例

---
name: Binary Parser Function
description: 二进制解析函数的安全分析配置
target: binary_parser
taint_sources:
  - "param1"
---

## 参数说明

### 第一个参数
- 指向攻击者控制的数据缓冲区

### 第二个参数
- 数据长度（可能由攻击者指定）

## 常见风险点

- 长度验证缺失或不当
- 整数溢出（长度计算）
- 缓冲区溢出

方式二：Workflow 编排分析

使用 orchestrator_cli.py 通过 Workflow 文档描述分析意图，由 LLM 自主规划执行。

基础用法

源码分析模式：

python orchestrator_cli.py \
    --workflow workflows/android_sql_injection.md \
    --engine source \
    --target /path/to/source \
    --source-root /path/to/source

IDA 引擎 + Workflow：

python orchestrator_cli.py \
    --workflow workflows/rpc_server_analysis.md \
    --engine ida \
    --target /path/to/binary.i64

JEB 引擎 + Workflow（Android 分析）：

# 确保 JEB RPC 服务已启动
 
python orchestrator_cli.py \
    --workflow workflows/android_sql_injection.md \
    --engine jeb \
    --target /path/to/app.apk \
    --source-root /path/to/source

ABC-Decompiler 引擎 + Workflow（HarmonyOS 分析）：

# 确保 MCP Server 已启动
 
python orchestrator_cli.py \
    --workflow workflows/arkts_ability_hijack.md \
    --engine abc \
    --target /path/to/app.abc

参数说明

参数	说明	示例
`-w, --workflow`	Workflow 文档路径（必需）	`--workflow workflows/test.md`
`-e, --engine`	分析引擎类型 (ida/jeb/source)	`-e source`
`-t, --target`	目标程序路径	`-t /path/to/source`
`-s, --source-root`	源代码根目录	`-s /path/to/src`
`-v, --verbose`	详细日志输出	`-v`
`-q, --quiet`	静默模式	`-q`

Workflow 文档格式

Workflow 使用 Markdown 描述分析意图：

---
name: "Android SQL 注入漏洞挖掘"
description: 针对 Android 应用的 SQL 注入分析
version: "1.0"
---

## 分析范围

重点关注 ContentProvider 和数据库操作代码

## 工作流

1. 搜索可能的 ContentProvider
2. 分析对外暴露的回调函数
3. 对暴露接口开展漏洞挖掘

## 漏洞关注点

- rawQuery 的参数拼接
- execSQL 的动态 SQL 构造

启动 Web 可视化界面

1 2	`python launch_web.py` `# 访问 http://localhost:8080`

Web 界面功能：

日志查询: 查看 LLM 调用日志、支持筛选和搜索
Agent 追踪: 可视化 Agent 执行树和调用链
漏洞管理: 漏洞列表、详情、统计和状态管理
Tool Call 分析: 查看工具调用详情和统计
实时推送: WebSocket 实时更新

llm 日志交互

图片描述

漏洞信息

图片描述

核心概念

1. DeepVulnAgent - 深度漏洞挖掘

系统的核心 Agent，采用多轮对话和 Tool Call 机制：

Tool Call 机制: LLM 通过调用工具主动获取信息

第 1 轮: 提供完整上下文（函数代码、调用点、约束条件）
    ↓
LLM 分析 → Tool Call 请求（获取子函数摘要 / 创建子 Agent）
    ↓
第 2 轮: 返回 Tool 执行结果
    ↓
LLM 继续分析 → 可能发现漏洞或继续深入
    ↓
...
第 N 轮: finalize_analysis_tool 结束分析

主要工具:

get_function_summary_tool: 获取子函数摘要
create_sub_agent_tool: 创建子 Agent 深入分析
report_vulnerability_tool: 报告发现的漏洞
finalize_analysis_tool: 完成分析

2. 分析引擎 (Engine)

统一的引擎接口支持多种后端：

from ivagent.engines.factory import create_engine
 
engine = create_engine(
    "ida",
    target_path="/path/to/binary.i64",
    host="127.0.0.1",
    port=9999
)
 
# 获取函数定义
func_def = await engine.get_function_def(function_identifier="sub_140001000")
 
# 获取调用点
sites = await engine.get_callee(function_identifier)

3. 约束传播机制

在跨函数分析中，约束传播是关键：

# 父函数发现约束
父函数: process_input(buf, size)
    ↓ 调用
子函数: memcpy(dst, src, len)
     
# 传播约束到子函数
argument_constraints = [
    "src 指向用户可控数据（污点）",
    "len 最大为 1024 字节",
    "dst 是局部缓冲区，大小 256 字节"
]

约束以纯文本格式传播，降低了对 LLM 的结构化输出要求。

配置说明

环境变量

LLM 配置

变量名	说明	默认值
`OPENAI_API_KEY`	LLM API Key	-
`OPENAI_BASE_URL`	API 基础 URL	-
`OPENAI_MODEL`	模型名称	gpt-4
`LLM_LOG_STORAGE`	日志存储类型 (sqlite/memory)	sqlite

JEB 引擎配置

变量名	说明	默认值
`JEB_MCPC_HOST`	RPC Server 监听地址	127.0.0.1
`JEB_MCPC_PORT`	RPC Server 监听端口	16161
`JEB_MCP_DAEMON`	是否启用守护模式 (1/0)	0

引擎连接参数

引擎	参数	说明	默认值
IDA	`host`	RPC Server 地址	127.0.0.1
IDA	`port`	RPC Server 端口	9999
JEB	`host`	RPC Server 地址	127.0.0.1
JEB	`port`	RPC Server 端口	16161
JEB	`timeout`	连接超时（秒）	120
ABC	`host`	MCP Server 完整 URL	496K9s2c8@1M7q4)9K6b7g2)9J5c8W2)9J5c8U0p5J5y4#2)9J5k6e0m8Q4x3X3f1H3i4K6u0W2x3g2)9K6b7e0R3$3y4e0q4Q4x3V1k6E0j5%4l9`.
Source	`source_root`	源代码根目录	-

API 参考

扫描器 API

from ivagent.scanner import IVAgentScanner, ScanConfig
 
config = ScanConfig(
    engine_type="ida",
    target_path="/path/to/binary.i64",
    llm_api_key="your-key",
    llm_model="gpt-4",
    max_concurrency=10
)
 
scanner = IVAgentScanner(config)
results = await scanner.scan_functions(["func1", "func2"], precondition)

编排器 API

from ivagent.orchestrator import TaskOrchestratorAgent
 
orchestrator = TaskOrchestratorAgent(
    llm_client=llm,
    engine_type="ida",
    target_path="/path/to/binary"
)
 
result = await orchestrator.execute_workflow("workflows/analysis.md")

漏洞输出格式

{
  "vulnerabilities": [
    {
      "type": "BUFFER_OVERFLOW",
      "name": "缓冲区溢出",
      "description": "函数使用 memcpy 时未检查长度",
      "location": "sub_140001000: 第 15 行",
      "severity": 0.9,
      "confidence": 0.8,
      "data_flow": {
        "source": "用户输入",
        "sink": "局部缓冲区",
        "path_description": "污点传播路径"
      },
      "remediation": "添加长度检查",
      "metadata": {
        "call_stack": ["main", "process_input", "sub_140001000"],
        "evidence": ["代码证据行"]
      }
    }
  ]
}

扩展开发

添加新的分析引擎

继承 BaseStaticAnalysisEngine:

from ivagent.engines.base_static_analysis_engine import BaseStaticAnalysisEngine
 
class MyEngine(BaseStaticAnalysisEngine):
    async def get_function_def(self, function_identifier, **kwargs):
        # 实现获取函数定义
        pass
     
    async def get_callee(self, function_identifier):
        # 实现获取子函数调用
        pass
     
    async def _resolve_static_callsite(self, callsite, caller_identifier):
        # 实现调用点解析
        pass

添加新的 Agent

继承 BaseAgent:

from ivagent.agents.base import BaseAgent
 
class MyAgent(BaseAgent):
    async def run(self, **kwargs) -> Dict[str, Any]:
        # 实现 Agent 逻辑
        pass

性能优化

并发控制

# 使用信号量控制并发
semaphore = asyncio.Semaphore(max_concurrency)
 
async def _scan_single(idx, sig):
    async with semaphore:
        return await agent.run(sig)

请求去重

# 避免重复请求相同函数摘要
if func_name in requested_summaries:
    continue
requested_summaries.add(func_name)

缓存机制

函数定义缓存
函数摘要缓存
LLM 响应缓存

局限性与改进方向

当前局限

LLM 成本: 大规模分析时 API 调用成本较高
响应延迟: LLM 调用有几百毫秒到数秒的延迟
上下文限制: 长函数代码可能超出 LLM 上下文窗口
幻觉问题: LLM 可能产生不准确的分析结果

改进方向

本地模型支持: 集成开源 LLM 降低使用成本
增量分析: 只分析修改的函数，利用历史结果
RAG 增强: 结合向量数据库存储和检索安全知识
多模型集成: 使用多个模型投票减少幻觉

参考

LangChain - LLM 应用框架
IDA Pro - 交互式反汇编器
JEB Decompiler - Android 反编译器
abc-decompiler
aixcc-afc-atlantis

贡献指南

欢迎贡献代码、报告问题或提出改进建议！

项目地址: 9e6K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6E0j5h3N6A6j5$3I4X3i4K6u0V1j5h3W2Q4x3V1k6u0g2V1q4Y4k6h3&6@1

抛砖引玉，在这个 AI 时代，希望找些同路人一起探索 !

图片描述

传播安全知识、拓宽行业人脉——看雪讲师团队等你加入！

最后于 1天前被xxxxxxx_798269编辑，原因：

收藏・10

免费・5

支持

最新回复 (2)
xxxxxxx_798269 雪币： 1013 活跃值： (122) 能力值： ( LV2，RANK：10 ) 在线值：发帖 2 回帖 8 粉丝 0 关注私信	xxxxxxx_798269 2 楼有没有便宜的 api 平台推荐 20小时前 0
暗香沉浮雪币： 378 活跃值： (2441) 能力值： ( LV8，RANK：140 ) 在线值：发帖 19 回帖 86 粉丝 26 关注私信	暗香沉浮 2 3 楼日志追踪这个挺好，可以方便分析流程 12小时前 0
	游客登录 \| 注册方可回帖回帖表情雪币赚取及消费高级回复

xxxxxxx_798269

发帖

回帖

RANK

关注

私信

他的文章

[原创] IVAgent - Multi-Agent 驱动的漏洞挖掘系统 2213
[讨 619

关于我们

联系我们

企业服务

看雪公众号

最新回复 (2)
xxxxxxx_798269 雪币： 1013 活跃值： (122) 能力值： ( LV2，RANK：10 ) 在线值：发帖 2 回帖 8 粉丝 0 关注私信	xxxxxxx_798269 2 楼有没有便宜的 api 平台推荐 20小时前 0
暗香沉浮雪币： 378 活跃值： (2441) 能力值： ( LV8，RANK：140 ) 在线值：发帖 19 回帖 86 粉丝 26 关注私信	暗香沉浮 2 3 楼日志追踪这个挺好，可以方便分析流程 12小时前 0
	游客登录 \| 注册方可回帖回帖表情雪币赚取及消费高级回复