Javasinktracer MCP

🚀 JavaSinkTracer_MCP

JavaSinkTracer 是一款基於函數級汙點分析的 Java 源代碼漏洞審計工具，它通過 Model Context Protocol (MCP) 為 AI 助手賦予安全分析能力，助力開發者高效發現潛在安全漏洞。

🚀 快速開始

1. 安裝依賴

pip install -r requirements.txt

2. 配置 Claude Desktop

編輯配置文件並添加 MCP 服務器配置：

• macOS：~/Library/Application Support/Claude/claude_desktop_config.json
• Windows：%APPDATA%/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "javasinktracer": {
      "command": "python",
      "args": [
        "/path/to/JavaSinkTracer/mcp_server.py"
      ],
      "description": "Java源代碼漏洞審計工具 - 基於函數級汙點分析"
    }
  }
}

⚠️ 重要提示

請將 /path/to/JavaSinkTracer 替換為實際的項目路徑。

3. 重啟 Claude Desktop

配置完成後重啟 Claude Desktop，MCP 工具將自動加載。

🎥 視頻演示

點擊查看視頻

✨ 主要特性

🔍 漏洞掃描

從危險函數（Sink）反向追蹤到外部入口（Source），自動發現潛在的安全漏洞鏈路。

📈 調用圖分析

構建完整的 Java 項目函數調用關係圖，支持跨文件、跨類的調用追蹤。

🤖 智能分析

基於函數級汙點分析，有效規避變量級追蹤在複雜場景（線程、反射、回調）下的斷鏈問題。

📄 代碼提取

自動提取漏洞鏈路上每個函數的完整源代碼，便於人工或 AI 深入分析。

🛠️ 可用工具

💻 使用示例

🔍 示例 1：全面漏洞掃描

請幫我掃描 /path/to/java-project 項目的安全漏洞

AI 會自動：

1. 構建調用關係圖
2. 掃描所有類型的漏洞
3. 分析並報告發現的問題

🎯 示例 2：針對性檢測

檢查項目中是否存在 SQL 注入和命令執行漏洞

AI 會掃描特定類型的漏洞（SQLI、RCE）。

🕵️ 示例 3：深入分析

這個漏洞鏈路是真實漏洞嗎？請分析調用鏈的源代碼

AI 會提取完整的調用鏈代碼並進行分析。

🛡️ 支持的漏洞類型

• RCE - 遠程代碼執行 (CWE-78)
• SQLI - SQL 注入 (CWE-89)
• XXE - XML 外部實體注入 (CWE-611)
• SSRF - 服務端請求偽造 (CWE-918)
• PATH_TRAVERSAL - 路徑穿越 (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 - 日誌注入 (CWE-117)
• CRYPTO_WEAKNESS - 加密算法弱點 (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

🔧 技術細節

函數級汙點分析

不同於傳統 SAST 工具的"變量級"汙點分析，本工具採用"函數級"汙點分析：

• 優勢：有效規避線程調用、監聽回調、反射調用等場景的斷鏈問題
• 權衡：可能產生誤報，需要結合 AI 或人工進一步分析確認

分析流程

1. 解析 Java 源代碼，構建 AST
2. 提取所有類和方法信息
3. 構建函數調用關係圖
4. 從 Sink 點（危險函數）反向追蹤
5. 識別到達 Source 點（外部入口）的調用鏈
6. 過濾無參數的函數（排除不可控變量）
7. 提取調用鏈上所有函數的源代碼

📚 詳細文檔

配置說明

規則文件

規則配置文件位於 Rules/rules.json，包含：

• sink_rules：危險函數規則（如 Runtime.exec）
• source_rules：外部輸入源（如 HttpServletRequest.getParameter）
• sanitizer_rules：淨化函數（如 StringEscapeUtils.escapeHtml）

自定義規則

可以根據實際需求編輯 rules.json 添加新的 Sink、Source 或 Sanitizer 規則：

{
  "sink_rules": [
    {
      "sink_name": "CUSTOM_VULN",
      "sink_desc": "自定義漏洞類型",
      "severity_level": "High",
      "cwe": "CWE-XXX",
      "sinks": [
        "com.example.DangerousClass:dangerousMethod"
      ]
    }
  ]
}

性能優化

緩存機制

• 首次分析項目時構建 AST 和調用圖
• 後續調用自動複用緩存，大幅提升速度
• 緩存 key：project_path:rules_path

輕量級模式

find_vulnerabilities 工具默認使用輕量級模式：

• 僅返回漏洞鏈路信息
• 不立即提取源代碼
• 需要時使用 analyze_vulnerability_chain 獲取詳細代碼

❓ 常見問題

工具未加載？

1. 檢查配置文件中的路徑是否正確
2. 確認已安裝所有 Python 依賴
3. 查看 Claude Desktop 的開發者工具日誌

分析速度慢？

• 大型項目首次分析需要時間構建 AST
• 使用緩存後速度會顯著提升
• 可先調用 build_callgraph 預熱緩存

結果有誤報？

• 函數級汙點分析會產生一定誤報
• 使用 analyze_vulnerability_chain 查看源代碼
• 結合 AI 分析或人工確認漏洞真實性

🚧 擴展開發

添加新的 MCP 工具

編輯 mcp_server.py：

@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":
        # 實現你的工具邏輯
        pass

📚 相關資源

• 詳細使用指南：查看 MCP_GUIDE.md
• 原理說明：查看 README.md
• 優化日誌：查看 UPGRADE_SUMMARY.md

🙏 致謝

感謝 JavaSinkTracer 開發者 Tr0e

📄 許可證

本項目僅供學習與研究使用，請勿用於商業或非法用途。因使用本項目產生的任何後果由使用者自行承擔。