漏洞检测方法

去年有个朋友把一段Python代码发给我，漏洞说他在GitHub上抄的检测爬虫脚本跑不起来。我扫了两眼，漏洞发现第37行有个`eval()`直接吃了用户输入。检测这不是漏洞跑不起来的问题，这是检测别人能在他机器上执行任意命令的问题。漏洞检测这件事，漏洞很多时候不是检测靠工具扫出来的，是漏洞靠人盯着代码看出不对劲。

静态分析是检测最容易上手的一类方法。原理不复杂：不运行程序，漏洞只分析源码或二进制。检测工具会把代码拆成语法树、漏洞控制流图、检测数据流图，漏洞然后按规则找可疑模式。比如你写了`strcpy(dst, src)`，而`src`来自网络，工具就会标记——它不管你是不是真的会被攻击，先报出来再说。这类工具像Fortify、Checkmarx，商业的贵得离谱，开源的Semgrep这几年倒是越来越好用。我自己常用Semgrep写自定义规则，比如匹配所有把`request.args`直接拼进SQL语句的地方。写规则的过程本身就是在梳理“我到底怕什么”。

但静态分析有个让人头疼的问题：误报太多。一个中型Java项目扫下来，几千条警告，真正能利用的可能不到二十条。安全工程师大部分时间花在关掉误报上，而不是修漏洞。所以有人转向动态分析——让程序跑起来，喂它异常输入，看它会不会崩、会不会泄露数据。模糊测试（fuzzing）就是典型代表。AFL、libFuzzer这些工具会不断变异输入，监控程序是否崩溃。2016年发现的ImageMagick一堆内存破坏漏洞，很多就是靠fuzzing砸出来的。动态分析的漏报率低一些，但覆盖率是硬伤——没执行到的代码路径，永远测不到。

还有一类方法经常被忽略：人工审计。工具再强，也理解不了业务逻辑。比如一个电商系统，攻击者把商品ID改成负数，下单后余额反而增加——这种漏洞没有固定模式，静态规则写不出来，fuzzing也很难恰好构造出那个请求。得靠人把业务流程走一遍，边看边想“这里如果乱填会怎样”。我见过一个真实案例：某后台的密码重置接口，验证码校验通过后，返回的token里直接包含了用户ID的明文。工具不会觉得这有问题，但人一看就知道，改个ID就能重置别人的密码。

实际工作中，这三种方法通常是混着用的。先用静态扫描快速过一遍代码库，把明显的坑填了；再对核心模块跑fuzzing，看有没有内存层面的问题；最后人工盯业务逻辑和权限校验。没有哪种方法能单独兜底。工具能帮你省时间，但判断“这个漏洞能不能被利用、危害多大”仍然依赖人的经验。我见过太多团队买了扫描器就以为万事大吉，结果扫描器没报的漏洞被人从线上打穿。漏洞检测不是买工具，是持续投入精力去理解系统到底怎么运转的。