
DeepAudit: un equipo de hackers AI que todos pueden tener, haciendo que la búsqueda de vulnerabilidades esté al alcance de la mano. El primer sistema multiagente de código abierto del país para la búsqueda de vulnerabilidades en código. Implementación y ejecución con un solo clic para principiantes, auditoría colaborativa autónoma + verificación automatizada de PoC en sandbox. Soporta implementación privada con Ollama, generación de informes con un solo clic. Soporta estación de reenvío.Haciendo que la seguridad ya no sea costosa y que la auditoría ya no sea compleja.
Acceso rápido a la auditoría profunda Multi-Agent desde la página de inicio
Exportación con un clic a PDF / Markdown / JSON (La imagen muestra el modo rápido, no el informe del modo Agent)
La versión beta de DeepAudit realizó una auditoría de seguridad profunda en el proyecto OpenClaw, y hasta ahora se han descubierto 6 vulnerabilidades de seguridad, todas confirmadas oficialmente y publicadas como avisos de seguridad (GHSA). Los tipos de vulnerabilidades incluyen inyección de comandos, omisión de verificación de firmas, ejecución remota de código, exposición de credenciales, agotamiento de recursos y divulgación de información sensible, incluyendo varios niveles altos. Se siguen descubriendo más vulnerabilidades.
👉 Ver detalles completos de la lista CVE
Las vulnerabilidades anteriores fueron descubiertas por los miembros del equipo de DeepAudit @lintsinghua y @ez-lbz utilizando DeepAudit
Si ha descubierto vulnerabilidades usando DeepAudit, por favor comparta sus comentarios en Issues. Su contribución enriquecerá enormemente esta lista de vulnerabilidades, ¡muchas gracias!
DeepAudit es una plataforma de auditoría de seguridad de código de próxima generación basada en una arquitectura de colaboración Multi-Agent. No es solo una herramienta de escaneo estático, sino que simula el patrón de pensamiento de los expertos en seguridad, logrando una comprensión profunda del código, el descubrimiento de vulnerabilidades y la verificación automatizada de PoC en entornos sandbox a través de la colaboración autónoma de múltiples agentes (Orchestrator, Recon, Analysis, Verification).
Nos dedicamos a resolver tres grandes problemas de las herramientas SAST tradicionales:
El usuario solo necesita importar el proyecto, y DeepAudit comienza a trabajar de forma totalmente automática: identifica la pila tecnológica → analiza los riesgos potenciales → genera scripts → verifica en sandbox → genera informes, produciendo finalmente un informe de auditoría profesional.
Concepto central: Hacer que la IA ataque como un hacker y defienda como un experto.
DeepAudit adopta una arquitectura de microservicios, impulsada por un motor Multi-Agent.
DeepAudit/ ├── backend/ # Python FastAPI 后端 │ ├── app/ │ │ ├── agents/ # Multi-Agent 核心逻辑 │ │ │ ├── orchestrator.py # 总指挥:任务编排 │ │ │ ├── recon.py # 侦察兵:资产识别 │ │ │ ├── analysis.py # 分析师:漏洞挖掘 │ │ │ └── verification.py # 验证者:沙箱 PoC │ │ ├── core/ # 核心配置与沙箱接口 │ │ ├── models/ # 数据库模型 │ │ └── services/ # RAG, LLM 服务封装 │ └── tests/ # 单元测试 ├── frontend/ # React + TypeScript 前端 │ ├── src/ │ │ ├── components/ # UI 组件库 │ │ ├── pages/ # 页面路由 │ │ └── stores/ # Zustand 状态管理 ├── docker/ # Docker 部署配置 │ ├── sandbox/ # 安全沙箱镜像构建 │ └── postgres/ # 数据库初始化 └── docs/ # 详细文档
---
## 🚀 Inicio rápido
### Opción 1: Despliegue con un solo comando (recomendado)
Usa la imagen Docker preconstruida, sin necesidad de clonar el código, y se inicia con un solo comando:```bash
curl -fsSL https://raw.githubusercontent.com/lintsinghua/DeepAudit/v3.0.0/docker-compose.prod.yml | docker compose -f - up -d
Utiliza el mirror de la Universidad de Nanjing para acelerar la descarga de imágenes Docker (reemplaza ghcr.io por ghcr.nju.edu.cn):```bash
curl -fsSL https://raw.githubusercontent.com/lintsinghua/DeepAudit/v3.0.0/docker-compose.prod.cn.yml | docker compose -f - up -d
<details>
<summary>Extraer imagen manualmente (si necesita extraerla por separado) (haga clic para expandir)</summary>```bash
# 前端镜像
docker pull ghcr.nju.edu.cn/lintsinghua/deepaudit-frontend:latest
# 后端镜像
docker pull ghcr.nju.edu.cn/lintsinghua/deepaudit-backend:latest
# 沙箱镜像
docker pull ghcr.nju.edu.cn/lintsinghua/deepaudit-sandbox:latest
💡 El espejo es proporcionado por Estación de Espejos de Código Abierto de la Universidad de Nanjing
Si la extracción de imágenes sigue siendo lenta, puede configurar un acelerador de espejo de Docker. Edite el archivo de configuración de Docker y agregue las siguientes fuentes de espejo:
Linux / macOS: edite /etc/docker/daemon.json
Windows: haga clic derecho en el icono de Docker Desktop → Settings → Docker Engine```json { "registry-mirrors": [ "https://docker.1ms.run", "https://dockerproxy.com", "https://hub.rat.dev" ] }
Después de guardar, reinicie el servicio Docker:```bash
# Linux
sudo systemctl restart docker
# macOS / Windows
# 重启 Docker Desktop 应用
🎉 ¡Inicio exitoso! Visite http://localhost:3000 para comenzar la experiencia.
Adecuado para usuarios que necesitan configuración personalizada o desarrollo secundario:```bash
git clone https://github.com/lintsinghua/DeepAudit.git && cd DeepAudit
cp backend/env.example backend/.env
docker compose up -d
> Primer inicio construirá automáticamente la imagen de la sandbox, puede tomar unos minutos.
---
## 🔧 Guía de desarrollo del código fuente
Ideal para que los desarrolladores realicen depuración y desarrollo secundario.
### Requisitos del entorno
- Python 3.11+
- Node.js 20+
- PostgreSQL 15+
- Docker (para sandbox)
### 1. Iniciar la base de datos manualmente```bash
docker compose up -d redis db adminer
cd backend
cp env.example .env
uv sync source .venv/bin/activate
uvicorn app.main:app --reload
### 3. Inicio del frontend```bash
cd frontend
# 配置环境
cp .env.example .env
pnpm install
pnpm dev
En modo de desarrollo, es necesario que Docker local extraiga la imagen del sandbox:```bash
docker pull ghcr.io/lintsinghua/deepaudit-sandbox:latest
docker pull ghcr.nju.edu.cn/lintsinghua/deepaudit-sandbox:latest
---
## 🤖 Multi-Agent Audit Inteligente
### Tipos de vulnerabilidades soportadas
<table>
<tr>
<td>
| Tipo de vulnerabilidad | Descripción |
|---------|------|
| `sql_injection` | Inyección SQL |
| `xss` | Cross-Site Scripting |
| `command_injection` | Inyección de comandos |
| `path_traversal` | Path Traversal |
| `ssrf` | Server-Side Request Forgery |
| `xxe` | Inyección de entidad externa XML |
</td>
<td>
| Tipo de vulnerabilidad | Descripción |
|---------|------|
| `insecure_deserialization` | Deserialización insegura |
| `hardcoded_secret` | Secreto hardcodeado |
| `weak_crypto` | Algoritmo criptográfico débil |
| `authentication_bypass` | Bypass de autenticación |
| `authorization_bypass` | Bypass de autorización |
| `idor` | Referencia directa insegura a objetos |
</td>
</tr>
</table>
> 📖 Para documentación detallada, consulta la **[Guía de Auditoría con Agentes](https://github.com/lintsinghua/deepaudit/blob/HEAD/docs/AGENT_AUDIT.md)**
---
## 🔌 Plataformas LLM compatibles
<table>
<tr>
<td align="center" width="33%">
<h3>🌍 Plataformas internacionales</h3>
<p>
OpenAI GPT-4o / GPT-4<br/>
Claude 3.5 Sonnet / Opus<br/>
Google Gemini Pro<br/>
DeepSeek V3
</p>
</td>
<td align="center" width="33%">
<h3>🇨🇳 Plataformas nacionales</h3>
<p>
通义千问 Qwen<br/>
智谱 GLM-4<br/>
Moonshot Kimi<br/>
文心一言 · MiniMax · 豆包
</p>
</td>
<td align="center" width="33%">
<h3>🏠 Despliegue local</h3>
<p>
<strong>Ollama</strong><br/>
Llama3 · Qwen2.5 · CodeLlama<br/>
DeepSeek-Coder · Codestral<br/>
<em>Código nunca sale de la red interna</em>
</p>
</td>
</tr>
</table>
💡 Soporta estación de retransmisión API para solucionar problemas de acceso a la red | Configuración detallada → [Soporte de plataformas LLM](https://github.com/lintsinghua/deepaudit/blob/HEAD/docs/LLM_PROVIDERS.md)
---
## 🎯 Matriz de funcionalidades
| Funcionalidad | Descripción | Modo |
|------|------|------|
| 🤖 **Auditoría profunda con Agent** | Colaboración multi-agente, orquestación autónoma de estrategias de auditoría | Agent |
| 🧠 **Mejora de conocimiento RAG** | Comprensión semántica del código, búsqueda en base de conocimiento CWE/CVE | Agent |
| 🔒 **Validación PoC en sandbox** | Ejecución aislada con Docker, verificación de la validez de la vulnerabilidad | Agent |
| 🗂️ **Gestión de proyectos** | Importación desde GitHub/GitLab/Gitea, subida ZIP, soporte para más de 10 lenguajes | General |
| ⚡ **Análisis instantáneo** | Análisis de fragmentos de código en segundos, pegar y usar | General |
| 🔍 **Detección en cinco dimensiones** | Bugs · Seguridad · Rendimiento · Estilo · Mantenibilidad | General |
| 💡 **Qué-Por qué-Cómo** | Localización precisa + explicación de la causa + sugerencias de reparación | General |
| 📋 **Reglas de auditoría** | OWASP Top 10 integrado, compatible con conjuntos de reglas personalizados | General |
| 📝 **Plantillas de prompts** | Gestión visual, compatible con chino e inglés | General |
| 📊 **Exportación de informes** | Exportación con un clic a PDF / Markdown / JSON | General |
| ⚙️ **Configuración en tiempo de ejecución** | Configurar LLM desde el navegador, sin necesidad de reiniciar el servicio | General |
## 🦖 Hoja de ruta
Estamos evolucionando continuamente; en el futuro se soportarán más lenguajes y capacidades de Agent más potentes.
- [x] Análisis estático básico, integración con Semgrep
- [x] Introducción de base de conocimiento RAG, soporte de sandbox de seguridad Docker
- [x] **Arquitectura de colaboración multi-agente** (Actual)
- [ ] Soporte de entornos de servicio simulados más realistas para flujos de verificación de vulnerabilidades más reales
- [ ] Optimizar el sandbox de `function_call` a un servicio MCP estable e integrado
- [ ] **Auto-reparación (Auto-Fix)**: El Agent envía directamente un PR para corregir la vulnerabilidad
- [ ] **Auditoría incremental de PR**: Seguimiento continuo de cambios en PR, análisis inteligente de vulnerabilidades e integración en el flujo CI/CD
- [ ] **Optimización de RAG**: Soporte de base de conocimiento personalizada
---
## 🤝 Contribuciones y comunidad
### Guía de contribución
¡Nos encanta tu contribución! Ya sea enviando un Issue, un PR o mejorando la documentación.
Consulta [CONTRIBUTING.md](https://github.com/lintsinghua/deepaudit/blob/HEAD/CONTRIBUTING.md) para más detalles.
### 📬 Contacto del autor
<div align="center">
**¡Todos son bienvenidos a conversar e intercambiar ideas conmigo! Ya sea sobre temas técnicos, sugerencias de funcionalidades o intenciones de colaboración, espero comunicarme contigo~**
(Personalización de plataforma, servicios de auditoría de código, consultoría técnica, colaboración comercial, etc., contáctame por correo electrónico)
| Método de contacto | |
|:---:|:---:|
| 📧 **Correo electrónico** | **[email protected]** |
| 🐙 **GitHub** | [@lintsinghua](https://github.com/lintsinghua) |
</div>
## 📄 Licencia
Este proyecto se distribuye bajo la [Licencia AGPL-3.0](https://github.com/lintsinghua/deepaudit/blob/HEAD/LICENSE).
## 📈 Popularidad del proyecto
<a href="https://star-history.com/#lintsinghua/DeepAudit&Date">
<picture>
<source media="(prefers-color-scheme: dark)" srcset="https://api.star-history.com/svg?repos=lintsinghua/DeepAudit&type=Date&theme=dark" />
<source media="(prefers-color-scheme: light)" srcset="https://api.star-history.com/svg?repos=lintsinghua/DeepAudit&type=Date" />
<img alt="Star History Chart" src="https://assets.kitploit.com/production/public/readmes/placeholders/f0fc86cfe65f76d40e15aaec61704ec8220a56dc89d4be03c46f67cb31b9fa8c.svg" />
</picture>
</a>
---
<div align="center">
<strong>Hecho con ❤️ por <a href="https://github.com/lintsinghua">lintsinghua</a></strong>
</div>
---
## Agradecimientos
Agradecemos el apoyo de los siguientes proyectos de código abierto:
[FastAPI](https://fastapi.tiangolo.com/) · [LangChain](https://langchain.com/) · [LangGraph](https://langchain-ai.github.io/langgraph/) · [ChromaDB](https://www.trychroma.com/) · [LiteLLM](https://litellm.ai/) · [Tree-sitter](https://tree-sitter.github.io/) · [Kunlun-M](https://github.com/LoRexxar/Kunlun-M) · [Strix](https://github.com/usestrix/strix) · [React](https://react.dev/) · [Vite](https://vitejs.dev/) · [Radix UI](https://www.radix-ui.com/) · [TailwindCSS](https://tailwindcss.com/) · [shadcn/ui](https://ui.shadcn.com/)
---
## ⚠️ Aviso de seguridad importante
### Declaración de cumplimiento legal
1. Se prohíbe **cualquier prueba de vulnerabilidades, prueba de penetración o evaluación de seguridad no autorizada**
2. Este proyecto está destinado exclusivamente a la investigación académica, la enseñanza y el aprendizaje en ciberseguridad
3. Está estrictamente prohibido utilizar este proyecto con fines ilegales o para pruebas de seguridad no autorizadas
### Responsabilidad de reporte de vulnerabilidades
1. Si se descubre alguna vulnerabilidad de seguridad, repórtala de inmediato a través de canales legales
2. Está estrictamente prohibido explotar las vulnerabilidades descubiertas para actividades ilegales
3. Cumple con las leyes y regulaciones nacionales de ciberseguridad y mantén la seguridad del ciberespacio
### Limitaciones de uso
- Solo para fines educativos y de investigación en entornos autorizados
- Prohibido su uso para pruebas de seguridad en sistemas no autorizados
- El usuario asume toda la responsabilidad legal por sus propias acciones
### Descargo de responsabilidad
El autor no se hace responsable de ningún daño directo o indirecto derivado del uso de este proyecto. El usuario asume toda la responsabilidad legal por sus propias acciones.
---
## 📖 Política de seguridad detallada
Para obtener información detallada sobre la política de instalación, descargo de responsabilidad, privacidad del código, seguridad de uso de API y reporte de vulnerabilidades, consulta los archivos [DISCLAIMER.md](https://github.com/lintsinghua/deepaudit/blob/HEAD/DISCLAIMER.md) y [SECURITY.md](https://github.com/lintsinghua/deepaudit/blob/HEAD/SECURITY.md).
### Referencia rápida
- **Advertencia de privacidad del código**: Tu código será enviado al servidor del proveedor de LLM que elijas
- **Manejo de código sensible**: Usa modelos locales para procesar código sensible
- **Requisitos de cumplimiento**: Cumple con las leyes de protección de datos y privacidad
- **Reporte de vulnerabilidades**: Si encuentras un problema de seguridad, repórtalo a través de canales legales
📋 Registro de flujo de auditoría![]() Visualiza en tiempo real el proceso de pensamiento y ejecución del Agent |
🎛️ Panel de control inteligente![]() Comprende de un vistazo la postura de seguridad del proyecto |
⚡ Análisis instantáneo![]() Pega código / sube archivos, resultados en segundos |
🗂️ Gestión de proyectos![]() Importación desde GitHub/GitLab/Gitea, gestión colaborativa de múltiples proyectos |
| ID GHSA | Proyecto | Popularidad del proyecto | Tipo de vulnerabilidad | Gravedad |
|---|
| GHSA-g353-mgv3-8pcj | OpenClaw | Signature Verification Bypass | 8.6 | |
| GHSA-99qw-6mr3-36qr | OpenClaw | Code Execution | 8.5 | |
| GHSA-7h7g-x2px-94hj | OpenClaw | Credential Exposure | 6.9 | |
| GHSA-g2f6-pwvx-r275 | OpenClaw | Command Injection | Medium | |
| GHSA-jq3f-vjww-8rq7 | OpenClaw | Resource Exhaustion | High | |
| GHSA-xwcj-hwhf-h378 | OpenClaw | Information Disclosure | Medium |
| ID CVE | Proyecto | Popularidad del proyecto | Tipo de vulnerabilidad | CVSS |
|---|
| CVE-2026-1884 | Zentao PMS | SSRF | 5.1 | |
| CVE-2025-13789 | Zentao PMS | SSRF | 5.3 | |
| CVE-2025-13787 | Zentao PMS | Privilege Escalation | 9.1 | |
| CVE-2025-64428 | Dataease | JNDI Injection | 9.8 | |
| CVE-2025-13246 | Modulithshop | SQL Injection | 6.3 | |
| CVE-2025-64163 | Dataease | SSRF | 9.8 | |
| CVE-2025-64164 | Dataease | JNDI Injection | 9.8 | |
| CVE-2025-11581 | PowerJob | Privilege Escalation | 7.5 | |
| CVE-2025-11580 | PowerJob | Privilege Escalation | 5.3 | |
| CVE-2025-10771 | Jimureport | Deserialization | 9.8 | |
| CVE-2025-10770 | Jimureport | Deserialization | 6.5 | |
| CVE-2025-10769 | H2o-3 | Deserialization | 9.8 | |
| CVE-2025-10768 | H2o-3 | Deserialization | 9.8 | |
| CVE-2025-58045 | Dataease | JNDI Injection | 9.8 | |
| CVE-2025-10423 | Newbee-mall | Guessable Captcha | 3.7 | |
| CVE-2025-10422 | Newbee-mall | Privilege Escalation | 4.3 | |
| CVE-2025-9835 | Mall | Privilege Escalation | 4.3 | |
| CVE-2025-9737 | O2oa | XSS | 5.4 | |
| CVE-2025-9736 | O2oa | XSS | 5.4 | |
| CVE-2025-9735 | O2oa | XSS | 5.4 | |
| CVE-2025-9734 | O2oa | XSS | 5.4 | |
| CVE-2025-9719 | O2oa | XSS | 5.4 | |
| CVE-2025-9718 | O2oa | XSS | 5.4 | |
| CVE-2025-9717 | O2oa | XSS | 5.4 | |
| CVE-2025-9716 | O2oa | XSS | 5.4 | |
| CVE-2025-9715 | O2oa | XSS | 5.4 | |
| CVE-2025-9683 | O2oa | XSS | 5.4 | |
| CVE-2025-9682 | O2oa | XSS | 5.4 | |
| CVE-2025-9681 | O2oa | XSS | 5.4 | |
| CVE-2025-9680 | O2oa | XSS | 5.4 | |
| CVE-2025-9659 | O2oa | XSS | 5.4 | |
| CVE-2025-9658 | O2oa | XSS | 5.4 | |
| CVE-2025-9657 | O2oa | XSS | 5.4 | |
| CVE-2025-9655 | O2oa | XSS | 5.4 | |
| CVE-2025-9646 | O2oa | XSS | 5.4 | |
| CVE-2025-9602 | RockOA | Database Backdoor | 6.5 | |
| CVE-2025-9514 | Mall | Privilege Escalation | 3.7 | |
| CVE-2025-9264 | Xxl-job | Privilege Escalation | 5.4 | |
| CVE-2025-9263 | Xxl-job | Privilege Escalation | 4.3 | |
| CVE-2025-9241 | Eladmin | CSV/XLSX Injection | 7.5 | |
| CVE-2025-9240 | Eladmin | Sensitive Information Disclosure | 4.3 | |
| CVE-2025-9239 | Eladmin | Hardcoded Credentials | 3.7 | |
| CVE-2025-8974 | Litemall | Hardcoded Credentials | 9.8 | |
| CVE-2025-8852 | Wukong CRM | Sensitive Information Disclosure | 4.3 | |
| CVE-2025-8840 | Jsherp | Privilege Escalation | 5.4 | |
| CVE-2025-8839 | Jsherp | Privilege Escalation | 8.8 | |
| CVE-2025-8764 | Litemall | XSS | 5.4 | |
| CVE-2025-8753 | Litemall | Arbitrary File Deletion | 5.4 | |
| CVE-2025-8708 | White-Jotter | Deserialization | 7.5 |
| 😫 Puntos débiles de la auditoría tradicional | 💡 Soluciones de DeepAudit |
|---|
| Baja eficiencia de la auditoría manual No puede seguir el ritmo de iteración de código en CI/CD, ralentizando el lanzamiento | 🤖 Auditoría autónoma Multi-Agent La IA organiza automáticamente estrategias de auditoría, ejecución automatizada 24/7 |
| Muchos falsos positivos en herramientas tradicionales Falta de comprensión semántica, se pasa mucho tiempo limpiando ruido | 🧠 Mejora con base de conocimiento RAG Combina semántica y contexto del código, reduciendo drásticamente los falsos positivos |
| Preocupación por la privacidad de datos Temor a que el código fuente se filtre a la IA en la nube, sin cumplir con normativas | 🔒 Compatibilidad con implementación local de Ollama Los datos no salen de la intranet, admite modelos locales como Llama3/DeepSeek |
| Imposibilidad de confirmar explotabilidad Proyectos externalizados con muchas vulnerabilidades, sin saber cuáles son realmente explotables | 💥 Verificación de PoC en sandbox Genera y ejecuta scripts de ataque automáticamente, confirmando el daño real |
| Paso | Fase | Agent responsable | Acción principal |
|---|
| 1 | Planificación de estrategias | Orchestrator | Recibe tareas de auditoría, analiza el tipo de proyecto, elabora el plan de auditoría, asigna tareas a los sub-Agents |
| 2 | Recopilación de información | Recon Agent | Escanea la estructura del proyecto, identifica frameworks/bibliotecas/API, extrae la superficie de ataque (Puntos de entrada) |
| 3 | Descubrimiento de vulnerabilidades | Analysis Agent | Combina la base de conocimiento RAG y el análisis AST, revisa el código en profundidad, descubre vulnerabilidades potenciales |
| 4 | Verificación de PoC | Verification Agent | (Crítico) Escribe scripts PoC, los ejecuta en sandbox de Docker. Si falla, se autocorrige y reintenta |
| 5 | Generación de informes | Orchestrator | Resume todos los hallazgos, elimina las vulnerabilidades verificadas como falsos positivos, genera el informe final |