Outil d'analyse statique de code sensible au framework pour une revue automatisée du code source avec des règles spécifiques à la plateforme, analyse de flux de données (taint), estimation d'effort, et lignes de base de suppression.
# Daksh SCRA (Assistant de revue de code source) ``` Author: - Debasis Mohanty ([email protected]) - Twitter / X: @coffeensecurity - www.coffeeandsecurity.com ``` ## À propos de Daksh SCRA Daksh SCRA (Source Code Review Assist) est conçu pour améliorer l'efficacité du processus de revue de code source, en offrant une approche bien structurée et organisée aux réviseurs de code. Plutôt que de signaler indistinctement tout comme un problème potentiel, Daksh SCRA encourage une analyse réfléchie, en incitant à l'investigation et à la confirmation des problèmes potentiels. Cette approche atténue la course visant à étiqueter chaque préoccupation potentielle comme un bug, réduisant ainsi la confusion et le temps perdu sur les faux positifs. ### Débuts Daksh SCRA a été initialement présenté lors d'une session de formation à la revue de code source au Black Hat USA 2022 (6-9 août), où il a été discrètement présenté à un public restreint. Son lancement public officiel a eu lieu au Black Hat USA 2023 à Las Vegas. ## Fonctionnalités et capacités DakshSCRA réunit des capacités distinctives pour la revue manuelle de code source, allant des zones d'intérêt basées sur les chemins de fichiers et de l'estimation de l'effort à la reconnaissance logicielle, aux règles contextuelles et à l'analyse inter-fichiers. | Fonctionnalité | Étiquette | Pourquoi c'est important | |---|---|---| | **Zones d'intérêt basées sur les chemins de fichiers** | Première mondiale* | Analyse les noms de fichiers et de répertoires eux-mêmes, en plus du code, pour signaler des chemins suspects tels que des fichiers de sauvegarde, des points de terminaison de débogage, des vidages de configuration et des fichiers d'identifiants que les réviseurs manquent souvent. | | **Estimation scientifique de l'effort** | Première mondiale* | Produit une estimation quantifiée de l'effort de revue manuelle basée sur la taille de la base de code et les signaux du projet. Des hypothèses configurables rendent la planification de la mission explicite et reproductible. | | **Reconnaissance logicielle** | Deuxième mondiale* | Détecte les langages, frameworks et infrastructures à partir du contenu des fichiers et de la structure du projet avant l'analyse. Relie l'inventaire technologique à la sélection automatique des règles, à l'analyse sémantique et à la planification de la revue. | | **Analyse sémantique avancée et inter-fichiers** | La plus avancée en open source lors de sa sortie* | Trace les données contrôlées par l'utilisateur de la source au puits à travers les frontières de fichiers prises en charge à l'aide d'une analyse spécialement conçue. L'analyse avancée a été livrée avec le RDL original en mars 2026 ; RDL v2 étend l'évaluation des règles sémantiques à travers les fichiers. | * Sur la base de recherches générales au moment où chaque fonctionnalité a été introduite. Aucune fonctionnalité similaire n'a été trouvée dans les outils open source de revue de code de sécurité. Pour l'estimation de l'effort, aucune approche similaire n'a été trouvée dans les outils commerciaux non plus. La reconnaissance est arrivée deuxième après Microsoft Application Inspector. L'analyse inter-fichiers était la plus avancée parmi les outils open source de revue de code au moment de sa sortie. ### Historique des fonctionnalités et preuves | Fonctionnalité / jalon | Date | Version | Preuve / portée | |---|---|---|---| | Bêta initiale et règles de chemins de fichiers | 22 octobre 2022 | v0.1-beta | [Version initiale ; le code source conservé inclut l'inventaire dédié des règles de chemins de fichiers.](https://github.com/coffeeandsecurity/DakshSCRA/releases/tag/v0.1-beta) | | Reconnaissance logicielle (introduction publiée) | 9 juillet 2023 | v0.3-beta | [Les notes de version introduisent la reconnaissance ; le code antérieur du dépôt constitue une preuve d'implémentation distincte.](https://github.com/coffeeandsecurity/DakshSCRA/releases/tag/v0.3-beta) | | Estimation de l'effort de revue manuelle (implémentation) | 29 juillet 2023 | Commit d'implémentation | [Module d'estimation dédié ajouté ; il ne s'agit pas de la date de la version corrective ultérieure.](https://github.com/coffeeandsecurity/DakshSCRA/commit/65d5c6a) | | RDL original et analyse avancée inter-fichiers | 2 mars 2026 | v0.31-beta | [La logique de règles conditionnelles et l'analyse inter-fichiers indépendante ont été livrées ensemble. La date d'affichage de la version est le 2 mars ; l'horodatage de publication est le 1er mars 2026 à 18:39 UTC.](https://github.com/coffeeandsecurity/DakshSCRA/commit/d90ba51) | ### Preuves comparatives - **Prédécesseur de la reconnaissance :** [Microsoft Application Inspector](https://www.microsoft.com/en-us/security/blog/2020/01/16/introducing-microsoft-application-inspector/) (16 janvier 2020) documente un outil antérieur d'analyse des caractéristiques du code source. La reconnaissance de Daksh SCRA est placée deuxième après lui. Les dates identifient des jalons du dépôt ou des versions. DakshSCRA a été présenté lors de la formation **Black Hat USA 2022** et a fait ses débuts publics à **Black Hat USA 2023**. Ces dates décrivent l'introduction du projet, et non l'ensemble de ses fonctionnalités actuelles. > Des améliorations actives sont en cours. Plusieurs nouvelles fonctionnalités et améliorations sont prévues pour les prochaines versions. N'hésitez pas à contribuer à la mise à jour ou à l'ajout de nouvelles règles et au développement futur. Si vous trouvez des bugs, signalez-les à [[email protected]](mailto:[email protected]). Documentation détaillée : [https://dakshlabs.com/#docs](https://dakshlabs.com/#docs) --- ## Pour commencer Il existe deux façons d'exécuter Daksh SCRA - choisissez celle qui correspond à votre flux de travail : | | Idéal pour | Aller à | |---|---|---| | 🌐 **Interface Web (Docker)** | La façon la plus simple de démarrer - une seule commande, un tableau de bord dans le navigateur, la progression des scans en direct et un navigateur de rapports/artefacts. Recommandé pour la plupart des utilisateurs. | [Interface Web (Docker)](#web-ui-docker) | | 💻 **CLI (Python)** | Scripts, pipelines CI ou exécution de scans sans Docker. | [Configuration de la CLI](#cli-setup) | Les deux méthodes exécutent exactement le même moteur de scan - l'interface Web est une façade navigateur au-dessus de la même CLI, les résultats sont donc identiques dans les deux cas. --- ## Interface Web (Docker) La façon la plus rapide d'exécuter Daksh SCRA est via son interface Web basée sur navigateur, lancée avec l'assistant de démarrage Docker adapté à l'hôte. Elle vous offre un lanceur de scans, un flux de console en direct et un historique navigable des rapports passés. L'assistant de démarrage nécessite Python 3 (bibliothèque standard uniquement) ; l'application et ses dépendances s'exécutent dans Docker. La configuration Docker exécute l'interface Web et la CLI comme des services indépendants construits à partir de la même image, vous pouvez donc utiliser l'un ou l'autre (ou les deux) depuis le même conteneur. ### Lancer l'interface Web Après avoir téléchargé Daksh SCRA depuis GitHub, **extrayez d'abord l'archive ZIP**. Ouvrez un terminal (PowerShell ou Invite de commandes sous Windows) dans le dossier du projet extrait contenant `docker-compose.yml` et `dakshscra.py`. **Exécutez toutes les commandes de démarrage et Docker Compose ci-dessous depuis ce dossier.** Si votre terminal s'ouvre ailleurs, placez-vous d'abord dans le dossier extrait : ```text cd "path/to/extracted/DakshSCRA-folder" ``` Remplacez le chemin d'exemple par votre emplacement de téléchargement et le nom de dossier réels. Si vous avez plutôt cloné le dépôt, exécutez `cd DakshSCRA` depuis son dossier parent. L'assistant de démarrage reconnaît Windows, WSL, Linux et macOS, puis monte la racine de l'hôte, les lecteurs Windows disponibles et les dossiers courants en lecture seule avant de démarrer les conteneurs. Exécutez-le sur l'ordinateur qui exécute Docker. Linux, macOS ou WSL (premier plan) : ```bash python3 tools/start_webui.py ``` Windows PowerShell ou Invite de commandes (au premier plan) : ```powershell py tools/start_webui.py ``` Pour exécuter en mode détaché (arrière-plan), ajoutez `--detach`. Les conteneurs continuent de fonctionner après le retour de la commande de démarrage, laissant votre terminal disponible. Linux, macOS ou WSL (détaché) : ```bash python3 tools/start_webui.py --detach ``` Windows PowerShell ou Invite de commandes (détaché) : ```powershell py tools/start_webui.py --detach ``` Utilisez `--dry-run` pour inspecter les chemins détectés sans démarrer les conteneurs. Les substitutions de chemin `.env` existantes sont respectées. Les comptes, les scans et le volume d'exécution sont préservés lorsque les conteneurs sont recréés. Docker Desktop peut nécessiter une autorisation pour partager les chemins hôtes sélectionnés. S'il rejette un montage, autorisez cet emplacement dans Docker Desktop et relancez l'assistant. Un navigateur distant voit les dossiers de l'**hôte Docker**, et non les lecteurs de son propre ordinateur. La détection automatique nécessite un moteur Docker local ; exécutez l'assistant sur l'hôte du moteur lorsque vous utilisez un contexte Docker distant. Pour les montages configurés manuellement, `docker compose up --build -d api web` reste disponible. Sa configuration de base monte le dépôt sur `/scan-targets` et `${DAKSH_HOST_MOUNT:-/}` sur `/host/root`. Utilisez l'assistant pour la découverte des lecteurs Windows et les raccourcis vers les dossiers courants ; Compose seul ne peut pas détecter l'OS du client. Ouvrez ensuite [http://localhost:3030](http://localhost:3030). Pour utiliser un autre port : ```bash DAKSH_PORT=9090 python3 tools/start_webui.py ``` Arrêtez la pile avec : ```bash docker compose down ``` ### Libérer de l'espace disque après des builds Docker répétés Utilisez les assistants de nettoyage séparés du dossier du dépôt. Ils affichent un aperçu par défaut : **Cela supprime les conteneurs, images de service, réseaux et volumes Daksh, y compris les comptes enregistrés, l'historique des scans et les artefacts stockés dans le volume d'exécution. Sauvegardez d'abord tout ce que vous souhaitez conserver.** ```bash python3 tools/clean_project_docker.py python3 tools/purge_all_docker.py ``` Ajoutez `--execute` pour supprimer, puis saisissez la confirmation demandée. Le premier assistant supprime les conteneurs, réseaux, images de service et volumes de ce projet, en préservant le cache de build partagé. Le second supprime de force les conteneurs de **tous les projets sur le moteur Docker sélectionné** et purge les images, réseaux, volumes nommés/anonymes et le cache du builder par défaut. Il peut affecter un moteur distant. Aucun des deux ne supprime les fichiers hôtes montés en bind ni ne désinstalle Docker. Les utilisateurs Windows peuvent remplacer `python3` par `py`. Voir [portée du nettoyage et commandes](https://github.com/coffeeandsecurity/dakshscra/blob/main/docs/usage-guide.md#docker-cleanup-and-full-purge) pour les noms de projet personnalisés, les exclusions et les détails de suppression. Vérifiez l'utilisation restante du disque Docker avec : ```bash docker system df ``` Pour libérer uniquement le cache de build inutilisé tout en conservant les données Daksh enregistrées, exécutez simplement `docker builder prune --all --force`. Les fichiers présents dans les dossiers hôtes montés en bind, y compris le dépôt et les cibles de scan, restent sur le disque. Relancez avec `python3 tools/start_webui.py --detach` lorsque vous êtes prêt. ### Connexion L'interface Web nécessite un compte. **Première connexion** 1. Démarrez le portail (`python3 tools/start_webui.py --detach`) et ouvrez [http://localhost:3030](http://localhost:3030). 2. La page de connexion détecte la configuration initiale. Elle pré-remplit le nom d'utilisateur `admin` et le mot de passe initial, et affiche un avis de configuration initiale. | Paramètre | Valeur | |---|---| | Nom d'utilisateur | `admin` (ou `DAKSH_ADMIN_USERNAME` depuis `.env`) | | Mot de passe initial | `Daksh@ChangeMe1` (ou `DAKSH_ADMIN_PASSWORD` depuis `.env`) | 3. Cliquez sur **Sign in**. Une étape **change password** en plein écran apparaît et ne peut pas être ignorée. Saisissez le mot de passe initial comme mot de passe actuel, choisissez un nouveau mot de passe (au moins 8 caractères, différent du précédent), et modifiez éventuellement le nom d'utilisateur. 4. Après l'enregistrement, vous êtes redirigé vers le tableau de bord. Dès lors, la page de connexion ne pré-remplit plus rien ; connectez-vous avec vos propres identifiants. Le mot de passe initial n'est utilisé que tant que la base de données ne contient aucun compte, et il cesse de fonctionner dès qu'il est modifié. D'ici là, toute personne pouvant atteindre le portail peut s'y connecter avec, donc définissez `DAKSH_ADMIN_PASSWORD` dans `.env` avant le premier démarrage si le portail est accessible par d'autres. Un compte administrateur peut créer d'autres comptes via le point de terminaison d'API `POST /api/v1/auth/users` (pas encore d'interface dédiée pour cela). Les comptes nouveaux et réinitialisés doivent également changer leur mot de passe attribué lors de la première connexion. Consultez `.env.example` pour la liste complète des paramètres liés à l'authentification (durée de vie de session, sécurité des cookies, CORS). ### Ce que vous obtenez - Générateur de commandes réactif pour les modes scan, recon, estimate, recon+estimate, list et PDF-from-JSON - Flux de console en temps réel et progression en direct par étape pendant l'exécution - Instantanés des artefacts par tâche pour les sorties HTML / PDF / JSON - Mode Developer, Mode Code Review, ou les deux pour les résultats et rapports ; Both est la valeur par défaut - Navigation rapide dans le navigateur entre le formulaire d'exécution, le flux en direct, les artefacts et les tâches récentes - Navigateur de répertoires intégré pour sélectionner les chemins cibles (compatible OS : Windows, macOS, Linux / Docker) Sous le capot, la CLI reste la source de vérité - elle effectue tout le scan et génère chaque sortie HTML / PDF / JSON. L'interface Web exécute une tâche active à la fois et capture les sorties de chaque tâche terminée dans `runtime/webui/jobs/<job-id>/artifacts/` afin que les rapports passés restent accessibles. ### Exécuter la CLI dans Docker Vous n'avez pas non plus besoin d'un environnement Python local pour utiliser la CLI - elle est disponible en tant que service Compose à part entière, construit à partir de la même image : ```bash docker compose run --rm cli -h docker compose run --rm cli -r auto -t /scan-targets/path/to/source ``` ### Contenu de l'image - Backend FastAPI + frontend Web UI - La CLI complète de Daksh SCRA, en tant que service séparé - Playwright Chromium, pour la génération de PDF - Volumes persistants `reports/` et `runtime/` - Montages de chemins de l'hôte pour que les scans puissent atteindre les arborescences sources depuis l'intérieur du conteneur **Points de montage principaux :** | Montage | Chemin à l'intérieur du conteneur | |---|---| | Source du projet | `/app` | | Racine de scan par défaut (dépôt, ou `DAKSH_SCAN_ROOT`) | `/scan-targets` | | Système de fichiers de l'hôte (lecteur système sous Windows) | `/host/root` | | Lecteurs Windows/WSL supplémentaires | `/host/drives/<letter>` | | Répertoire personnel de l'utilisateur courant | `/host/user` | | Dossiers courants de l'hôte | `/host/locations/<name>` | | `DAKSH_HOST_SOURCE` optionnel | `/host/source` | Copiez `.env.example` vers `.env` pour les surcharges optionnelles de chemins et d'authentification. `DAKSH_BROWSE_ROOTS` est une liste d'autorisation séparée par des virgules de chemins **du conteneur** ; laissez-la non définie pour découvrir les emplacements montés. Les listes d'autorisation obsolètes `/host/c`, `/host/d` ou `/mnt` doivent être supprimées ou mises à jour lors du passage à l'assistant. Les dossiers de l'hôte sont en lecture seule ; les rapports et les données d'exécution restent inscriptibles dans leurs emplacements applicatifs existants. Redémarrez à l'aide de l'assistant après avoir attaché un autre lecteur. Aucun socket Docker ni conteneur privilégié n'est nécessaire. --- ## Configuration de la CLI Vous préférez exécuter Daksh SCRA directement avec Python ? Voici comment le configurer localement. ### Prérequis - Python 3.8+ - Toutes les bibliothèques listées dans `requirements.txt` ### 1. Télécharger Daksh SCRA ```bash git clone https://github.com/coffeeandsecurity/DakshSCRA.git ``` Ou téléchargez le dernier zip depuis [https://github.com/coffeeandsecurity/DakshSCRA](https://github.com/coffeeandsecurity/DakshSCRA) et décompressez-le. ### 2. Configurer un environnement virtuel > 💡 L'environnement virtuel peut être créé dans n'importe quel répertoire - il n'a pas besoin de se trouver dans le dossier DakshSCRA. **Option A : Configuration en une étape (recommandée)** ```bash python setup_env.py ``` Ce script crée l'environnement virtuel, installe toutes les dépendances et installe le navigateur Chromium de Playwright (requis pour l'export PDF). **Option B : Configuration manuelle** Windows : ```bash python -m venv daksh-env .\daksh-env\Scripts\activate ``` macOS / Linux : ```bash python3 -m venv daksh-env source daksh-env/bin/activate ``` Puis installez les dépendances : ```bash cd path/to/DakshSCRA pip install -r requirements.txt playwright install chromium ``` ## Utilisation en CLI Utilisez `python` dans un environnement virtuel, ou `python3` en dehors de celui-ci. ### Options de ligne de commande ``` usage: dakshscra.py [-h] [-r RULES] [-f FILE_TYPES] [-v] [-t TARGET_DIR] [-l {R,RF}] [--recon] [--rs] [--estimate] [-rpt FORMATS] [--pdf-from-json] [--json-input-dir PATH] [--pdf-output PATH] [--pdf-multi-dir PATH] [--pdf-single-only] [--skip-analysis] [--loc] [--baseline-file PATH] [--baseline-generate] [--no-baseline] [--review-config PATH] [--resume-scan] [--state-file PATH] [--no-state] [--state] ``` | Option | Description | |---|---| | `-r RULES` | Règles de plateforme (par ex. `php`, `java`, `php,java`) ou `auto` pour la détection automatique | | `-f FILE_TYPES` | Remplacer les types de fichiers par défaut pour l'analyse | | `-v` | Niveau de verbosité (`-v`, `-vv`, `-vvv`) | | `-t TARGET_DIR` | Répertoire du code source cible | | `-l {R,RF}` | Lister les règles de plateforme + frameworks `[R]` ou inclure les types de fichiers `[RF]` | | `--recon` | Exécuter la reconnaissance (détection de plateforme / framework / langage) | | `--rs`, `--recon-strict` | Reconnaissance stricte : détections à haute confiance uniquement (à utiliser avec `--recon`) | | `--estimate` | Estimer l'effort de revue de code en fonction de la taille de la base de code | | `-rpt`, `--report FORMATS` | Formats de rapport : `html`, `pdf`, `docx`, `json`, ou une combinaison séparée par des virgules (par défaut : `html`) | | `--pdf-from-json` | Générer un ou des rapports PDF à partir de sorties JSON existantes sans relancer l'analyse | | `--json-input-dir PATH` | Répertoire des rapports JSON (par défaut : `./reports/data`) | | `--pdf-output PATH` | Chemin de sortie d'un PDF unique (par défaut : `./reports/scan/pdf/report.pdf`) | | `--pdf-multi-dir PATH` | Répertoire de sortie des PDF multi-fichiers (par défaut : `./reports/scan/pdf/multi-file`) | | `--pdf-single-only` | Générer uniquement le PDF combiné en un seul fichier ; ignorer l'ensemble multi-fichiers par plateforme | | `--skip-analysis` | Désactiver l'étape d'analyse pour cette exécution | | `--loc` | Compter les lignes de code effectives | | `--baseline-file PATH` | Fichier de référence de suppression (JSON) | | `--baseline-generate` | Générer une référence de suppression à partir des résultats actuels | | `--no-baseline` | Désactiver la suppression par référence pour cette exécution | | `--review-config PATH` | Fichier de tri des résultats (JSON) ; supprimer des rapports les faux positifs déjà examinés | | `--resume-scan` | Reprendre une analyse précédemment interrompue à partir du fichier d'état | | `--state-file PATH` | Chemin personnalisé du fichier d'état / point de contrôle de l'analyse | | `--no-state` | Désactiver la sauvegarde de l'état de l'analyse pour cette exécution | | `--state` | Forcer l'activation de la sauvegarde de l'état de l'analyse pour cette exécution | ### Exemple d'utilisation > `-f` (types de fichiers) est facultatif. S'il n'est pas spécifié, DakshSCRA utilise les types de fichiers par défaut pour la ou les plateformes sélectionnées. ```bash # Single platform scan python dakshscra.py -r php -t /path/to/source # Multiple platforms python dakshscra.py -r php,java,cpp -t /path/to/source # Auto-detect platform and apply matching rules python dakshscra.py -r auto -t /path/to/source # Override filetypes python dakshscra.py -r php -f dotnet -t /path/to/source # Reconnaissance only (no scanning) python dakshscra.py --recon -t /path/to/source # Reconnaissance + scanning python dakshscra.py --recon -r php -t /path/to/source # Strict recon (high-confidence detections only) python dakshscra.py --recon --rs -t /path/to/source # Effort estimation python dakshscra.py --estimate -t /path/to/source # Scan with HTML + PDF report output python dakshscra.py -r auto -t /path/to/source -rpt html,pdf # Verbosity levels python dakshscra.py -r php -v -t /path/to/source # default python dakshscra.py -r php -vvv -t /path/to/source # show all pattern checks # Generate suppression baseline from current findings python dakshscra.py -r auto -t /path/to/source --baseline-generate # Apply suppression baseline (suppress known FPs) python dakshscra.py -r auto -t /path/to/source --baseline-file config/suppressions.json # Disable baseline for this run python dakshscra.py -r auto -t /path/to/source --no-baseline # Apply findings triage / review config python dakshscra.py -r auto -t /path/to/source --review-config config/review.json # Scan with checkpoint state enabled python dakshscra.py -r auto -t /path/to/source --state # Resume an interrupted scan python dakshscra.py -r auto -t /path/to/source --resume-scan # Resume with a custom state file python dakshscra.py -r auto -t /path/to/source --resume-scan --state-file runtime/scan_state.json # Generate PDF from existing JSON outputs (no re-scan) python dakshscra.py --pdf-from-json # Generate PDF from a custom JSON directory python dakshscra.py --pdf-from-json --json-input-dir ./custom/reports/data # Custom output paths for PDF python dakshscra.py --pdf-from-json --pdf-output ./reports/scan/pdf/custom.pdf --pdf-multi-dir ./reports/scan/pdf/multi-file # Single combined PDF only (skip per-platform set) python dakshscra.py --pdf-from-json --pdf-single-only ``` ### Règles et frameworks de plateformes pris en charge ```bash python dakshscra.py -l R # List platform rules and framework mappings python dakshscra.py -l RF # List platform rules, framework mappings, and filetypes ``` Plateformes et frameworks pris en charge actuellement : <!-- supported-platforms:start --> | Plateforme | Frameworks | |---|---| | dotnet | aspnetcore, blazor, entityframework, identity | | php | codeigniter, drupal, laravel, symfony, wordpress, yii | | java | hibernate, mybatis, spring, springboot, struts | | javascript | angular, electron, express, nestjs, nextjs, react, vue | | kotlin | exposed, ktor, springkotlin | | python | django, fastapi, flask, sqlalchemy | | go | echo, fiber, gin, gorilla, gorm | | c | freertos | | cpp | boost, qt | | android | cordova-android, flutter-android, ionic-android, jetpack, nativescript-android, reactnative-android, retrofit, room, xamarin-android | | ios | alamofire, cordova-ios, coredata, flutter-ios, ionic-ios, nativescript-ios, reactnative-ios, swiftui, uikit, xamarin-ios | | reactnative | expo, reactnative | | flutter | flutter, flutter-dio, flutter-hive | | xamarin | xamarin | | maui | - | | kmp | - | | ionic | ionic | | nativescript | nativescript | | cordova | cordova | | bash | - | | powershell | - | | dockerfile | - | | terraform | terraform-aws, terraform-azure, terraform-gcp | | kubernetes | - | | ruby | rails, sinatra | | rust | actix, axum, rocket | | common | - | <!-- supported-platforms:end --> Ce tableau répertorie les packs de règles enregistrés. Un tiret signifie qu'aucun pack de framework distinct n'est enregistré. La couverture de l'analyse varie selon le langage et les règles. Après avoir modifié les registres de plateformes ou de frameworks, actualisez ce tableau et vérifiez-le avant de soumettre vos modifications : ```bash python3 tools/supported_platforms.py python3 tools/supported_platforms.py --check ``` Pour obtenir les dernières plateformes et frameworks pris en charge, exécutez toujours : ```bash python dakshscra.py -l R ``` ## Référence de configuration ### `config/tool.yaml` Les valeurs par défaut d'exécution de Daksh SCRA sont contrôlées via `config/tool.yaml`. ```yaml state_management: enabled: false resume_mode: manual persist_after_seconds: 300 persist_interval_seconds: 30 default_state_file: runtime/scan_state.json cleanup_on_success: false analysis: run_by_default: true include_frameworks: true report_theme: hacker_mode ``` **Options de configuration de l'analyseur :** - `analysis.run_by_default` - `true` : l'analyseur s'exécute automatiquement pendant le scan - `false` : analyseur désactivé sauf s'il est réactivé dans la config ou via la CLI - `analysis.include_frameworks` - `true` : inclure les entrées d'analyseur au niveau du framework lorsque la détection de framework existe - `false` : sortie de l'analyseur au niveau de la plateforme uniquement - `analysis.report_theme` - `hacker_mode` : thème d'analyseur moderne sombre à fort contraste (par défaut) - `professional_mode` : thème d'analyseur moderne clair - `both` : générer les deux variantes de thème côte à côte ### Règles de motif et règles sémantiques **Les règles de motif identifient des zones d'intérêt à l'aide de motifs et de conditions contextuelles. Un réviseur vérifie si elles représentent de véritables problèmes de sécurité.** **Les règles sémantiques fournissent des preuves plus solides en analysant les relations entre le code, la propagation des entrées et les protections modélisées. Elles peuvent étayer ou supprimer une conclusion, mais une modélisation incomplète, les paramètres de déploiement et le comportement à l'exécution peuvent encore affecter la conclusion.** Sélectionnez `--rule-mode pattern|semantic|both` (par défaut `both`), ou choisissez les mêmes modes dans New Scan. Le mode sémantique seul ignore les baselines textuelles natives tout en conservant les vérifications affinées des sources/configuration mobiles et les modèles de flux pris en charge. Une conclusion étayée nécessite toujours la confirmation du réviseur ; la suppression n'établit pas l'absence de danger. Les vérifications intégrées sont rédigées sous forme de règles de motif à fichier unique dans [`rules/scanning/platform/`](https://github.com/coffeeandsecurity/dakshscra/blob/main/rules/scanning/platform), en préservant les répertoires de plateforme et de framework. Par exemple, les vérifications Java se trouvent dans `java/java.rules/*.yaml` et les vérifications Spring dans `java/framework/spring.rules/*.yaml`. Chaque fichier conserve le motif, les conditions contextuelles, les descriptions de règle et d'impact, les conseils pour les développeurs et les réviseurs, les recommandations, ainsi que tous les paramètres de contexte de code et de mise en évidence. Les `review_steps` et `recommendations` exploitables étendent les conseils d'origine avec des instructions concrètes. Ajoutez un fichier YAML à un pack existant, validez-le avec `python3 tools/rdl_lint.py rules/scanning/platform`, puis scannez un petit fixture positif/négatif. Le scanner le découvre sans modifier de XML ni de fichier RDL v1 séparé. Les définitions sémantiques restent sous [`rules/scanning/logic/rdl/v2/`](https://github.com/coffeeandsecurity/dakshscra/blob/main/rules/scanning/logic/rdl/v2). Les baselines textuelles natives évaluées par ce moteur restent des règles de motif. Les sélections héritées `--rdl-engine` restent compatibles avec les scans enregistrés et les scripts existants. Consultez le [guide de rédaction et de migration des règles](https://github.com/coffeeandsecurity/dakshscra/blob/main/docs/usage-guide.md#pattern-rules-and-semantic-rules) pour le format YAML, les conditions, la validation, les paramètres de preuve et l'import XML externe. Les packs de plateforme et de framework applicables incluent également des candidats de revue d'opérations de sécurité. Les modèles sémantiques distinguent les valeurs d'origine de réponse, les sources de liaison en masse et les arguments de clé cryptographique, et peuvent tracer les replis de configuration pris en charge jusqu'aux opérations sur les clés. Les conclusions nouvellement générées associent les déclarations de contrôle de méthode/classe prises en charge à l'opération ; la revue de modèles C# typés peut conserver les politiques de champ déclarées. L'isolation des locataires nécessite un invariant propre à l'application. Il s'agit de capacités de revue étayées par des preuves avec des limites de modélisation explicites, et non d'une détection garantie de toute faille d'autorisation ou de logique métier. Consultez [contexte des opérations de sécurité et des contrôles](https://github.com/coffeeandsecurity/dakshscra/blob/main/docs/usage-guide.md#security-operation-and-control-context). --- ## Structure de sortie des rapports Les sorties CLI sont conservées par scan sous `reports/<project>/<scan>/`. Les exports CLI et Web UI partagent la collecte des données enregistrées et les moteurs de rendu pour HTML, PDF, Word et JSON. Le HTML complet ouvre un résumé/index léger avec des pages de détail liées et paginées. Dans la Web UI, générez un export dans **Reports** ; extrayez le ZIP HTML et ouvrez d'abord `index.html`. ``` reports/<project>/<scan>/ ├── scan/ │ ├── html/ │ │ ├── report.html # Summary and report index (open first) │ │ ├── report-files/ # Linked detail pages and saved-results.json │ │ └── multi-file/ # Per-platform HTML report set │ ├── pdf/ │ │ ├── report.pdf # Single-file PDF scan report │ │ └── multi-file/ # Per-platform PDF report set │ ├── word/ │ │ └── report.docx # Editable Word report when requested │ ├── json/ │ │ └── report.json # Complete structured report document │ ├── recon/ │ │ └── reconnaissance.html # Reconnaissance HTML report │ └── estimate/ │ └── estimation.html # Effort estimation HTML report ├── analysis/ │ └── <platform>/ │ ├── analysis.html # Taint analysis report (default theme) │ ├── analysis_professional.html # Professional theme (if theme=both) │ ├── analysis_xref.html # Cross-reference report │ └── analysis.json # Structured analysis data └── data/ ├── areas_of_interest.json # AoI findings ├── filepaths_aoi.json # File path AoI findings ├── summary.json # Scan summary ├── recon.json # Recon summary └── analysis.json # Analyzer output ``` --- [Read more](https://github.com/coffeeandsecurity/dakshscra)