अन्य उपकरण पैटर्न की ओर इशारा करते हैं। SEC-AF शोषण-क्षमता सिद्ध करता है: हर निष्कर्ष के साथ एक निर्णय, एक डेटा-प्रवाह ट्रेस और ऐसा साक्ष्य मिलता है जिस पर आप कार्य कर सकते हैं। निःशुल्क, ओपन सोर्स, एक API कॉल। 30 सत्यापित निष्कर्षों वाला एक पूर्ण ऑडिट लगभग $1.40 LLM कॉल में आता है।

एक-कॉल DX

इसे af CLI से ट्रिगर करें (af ≥ 0.1.87 आवश्यक है) — यह लाइव प्रगति स्ट्रीम करता है और परिणाम प्रिंट करता है:```bash af call sec-af.audit --in '{"repo_url": "https://github.com/dolevf/Damn-Vulnerable-GraphQL-Application"}'

रॉ HTTP पसंद है? curl के साथ सीधे API को हिट करें:```bash
curl -X POST http://localhost:8080/api/v1/execute/async/sec-af.audit \
  -H "Content-Type: application/json" \
  -d '{"input": {"repo_url": "https://github.com/dolevf/Damn-Vulnerable-GraphQL-Application"}}'

आपको क्या मिलता है

यह SEC-AF द्वारा DVGA (एक जानबूझकर कमजोर GraphQL ऐप) का ऑडिट करने से प्राप्त एक वास्तविक निष्कर्ष है:```jsonc { "title": "OS Command Injection in run_cmd Helper Function", "severity": "critical", "verdict": "confirmed", // not "maybe" — confirmed exploitable "evidence_level": 5, "cwe_id": "CWE-78",

"rationale": "Tracer confirms complete data flow from GraphQL parameters (host, port, path, scheme, cmd, arg) to os.popen(cmd).read() sink. Sanitization functions are bypassable in Easy mode...",

"proof": { "verification_method": "composite_subagent_chain:sast", "data_flow_trace": [ { "description": "core/views.py:203 — GraphQL args defined (host, port, path, scheme)", "tainted": true }, { "description": "core/views.py:210 — URL constructed from user input", "tainted": true }, { "description": "core/views.py:211 — helpers.run_cmd(f'curl {url}') called", "tainted": true }, { "description": "core/helpers.py:9 — os.popen(cmd).read() executes input", "tainted": true } ] },

"location": { "file_path": "core/helpers.py", "start_line": 9, "code_snippet": "def run_cmd(cmd):\n return os.popen(cmd).read()" } }

प्रत्येक फ़ाइंडिंग में एक **निर्णय** (`confirmed` / `likely` / `inconclusive` / `not_exploitable`), पूर्ण taint ट्रेस के साथ एक **प्रमाण ऑब्जेक्ट**, और सटीक कोड स्थान शामिल होता है। ऐसा नहीं कि "यह समस्या हो सकती है।" SEC-AF स्रोत से sink तक डेटा का पता लगाता है और साबित करता है कि क्या यह वास्तव में शोषणीय है।

> Full benchmark output (30 findings): [`exampl/dvga-benchmark-result.json`](https://github.com/agent-field/sec-af/blob/main/exampl/dvga-benchmark-result.json) | Performance analysis: [`exampl/benchmark-analysis.json`](https://github.com/agent-field/sec-af/blob/main/exampl/benchmark-analysis.json)

## बेंचमार्क: DVGA

हम [Damn Vulnerable GraphQL Application](https://github.com/dolevf/Damn-Vulnerable-GraphQL-Application) के खिलाफ SEC-AF चलाते हैं, जो 21 प्रलेखित सुरक्षा परिदृश्यों वाला एक जानबूझकर कमजोर ऐप है।

| मीट्रिक | मान |
|---|---|
| खोजी गई कच्ची फ़ाइंडिंग | 106 |
| AI डिडुप्लीकेशन के बाद | 61 |
| **प्रतिकूल सत्यापन के बाद** | **28 पुष्टिकृत** |
| अनिर्णीत (मैन्युअल समीक्षा की आवश्यकता) | 1 |
| शोषण योग्य नहीं (सही ढंग से अस्वीकृत) | 1 |
| शोर में कमी | 94% |
| DAG किनारे (रीज़नर कॉल्स) | 82 |
| एजेंट कॉल्स | ~166–255 |
| चलाई गई रणनीतियाँ | 11 |
| वॉल-क्लॉक समय | ~78 मिनट |
| अनुमानित लागत (Kimi K2.5) | ~$0.18–$0.90 |

<details>
<summary><strong>30 सत्यापित फ़ाइंडिंग का श्रेणी-वार विवरण</strong></summary>

| श्रेणी | गिनती | उदाहरण |
|---|---|---|
| अनुपस्थित प्रमाणीकरण | 8 | ImportPaste, delete_all_pastes, system_debug, CreateUser, फ़ाइल अपलोड |
| कमांड इंजेक्शन | 4 | `os.popen(cmd)` ImportPaste, system_debug, system_diagnostics के माध्यम से |
| SQL इंजेक्शन | 3 | `resolve_pastes` में बिना सैनिटाइज़ किया गया `filter`, LIKE पैटर्न इंजेक्शन, login |
| प्रमाणीकरण बायपास | 3 | JWT हस्ताक्षर अक्षम, JWT प्राधिकरण बायपास, टूटा हुआ पासवर्ड प्रमाणीकरण |
| प्लेनटेक्स्ट क्रेडेंशियल्स | 3 | क्लियरटेक्स्ट पासवर्ड भंडारण, प्लेनटेक्स्ट तुलना, डायग्नोस्टिक्स में पासवर्ड |
| SSRF | 2 | ImportPaste म्यूटेशन सर्वर-साइड पर उपयोगकर्ता-आपूर्ति किए गए URL का अनुसरण करता है |
| बिज़नेस लॉजिक / URL सैनिटाइज़ेशन | 2 | अपर्याप्त URL सैनिटाइज़ेशन, बिना प्रमाणीकरण के थोक विलोपन |
| DoS / संसाधन थकावट | 3 | users/audits क्वेरीज़ पर पेजिनेशन की कमी, अनियंत्रित simulate_load |
| कॉन्फ़िग / सीक्रेट्स | 2 | हार्डकोडेड JWT/Flask सीक्रेट्स, प्रोडक्शन में डीबग मोड सक्षम |

</details>

<details>
<summary><strong>डिज़ाइन पैटर्न: AI-नेटिव सुरक्षा विश्लेषण कैसे काम करता है</strong></summary>

SEC-AF कई आर्किटेक्चरल पैटर्न लागू करता है जो एक मोनोलिथिक स्कैन चलाने के बजाय कई केंद्रित AI एजेंटों को संयोजित करके विशिष्ट रूप से सक्षम होते हैं। ये पैटर्न AI-संचालित सुरक्षा विश्लेषण की मूलभूत चुनौतियों का समाधान करते हैं।

**1. प्रतिकूल एजेंट तनाव (HUNT बनाम PROVE)**

अधिकांश AI सुरक्षा उपकरण एक ही मॉडल से पूछते हैं "क्या यह कमजोर है?" और उत्तर स्वीकार कर लेते हैं। SEC-AF संरचनात्मक रूप से _फ़ाइंडिंग_ एजेंटों को _अस्वीकृत करने वाले_ एजेंटों से अलग करता है। Hunter को कमजोरियाँ खोजने के लिए प्रोत्साहित किया जाता है; prover को उन्हें अस्वीकृत करने के लिए प्रोत्साहित किया जाता है। प्रत्येक फ़ाइंडिंग 4-एजेंट सत्यापन श्रृंखला से गुजरती है — एक tracer डेटा प्रवाह का पुनर्निर्माण करता है, एक सैनिटाइज़ेशन विश्लेषक ऐसे शमन उपायों की तलाश करता है जिन्हें hunter ने अनदेखा किया हो, एक exploit hypothesis निर्माता एक ठोस हमले का परिदृश्य बनाता है, और एक verdict एजेंट सभी परस्पर विरोधी साक्ष्यों का मूल्यांकन करता है। एजेंटों के बीच यह प्रतिकूल तनाव ही 94% शोर में कमी को प्रेरित करता है — आर्किटेक्चर स्वयं संदेहवाद को एन्कोड करता है।

**2. प्रगतिशील संकुचन के साथ सिग्नल कैस्केड**

उपयोगकर्ता पर सभी फ़ाइंडिंग थोपने के बजाय, पाइपलाइन हर चरण में सिग्नल को संपीड़ित करती है: 106 कच्ची फ़ाइंडिंग → AI डिडुप्लीकेशन के बाद 61 → प्रतिकूल सत्यापन के बाद 30। प्रत्येक चरण एक फ़िल्टर है। यह दर्शाता है कि मानव सुरक्षा टीमें कैसे ट्रायेज करती हैं — पहले व्यापक खोज, फिर धीरे-धीरे सख्त जाँच। मुख्य अंतर्दृष्टि यह है कि प्रत्येक फ़िल्टर एक _अलग प्रकार_ की AI तर्क-प्रक्रिया है: डिडुप के लिए सिमेंटिक समानता, सत्यापन के लिए taint विश्लेषण, पुष्टिकरण के लिए exploit निर्माण।

**3. कॉन्टेक्स्ट प्रूनिंग के माध्यम से सूचना अर्थव्यवस्था**

LLM को अप्रासंगिक कॉन्टेक्स्ट देने पर वे अधिक भ्रमित (hallucinate) करते हैं। SEC-AF केवल वही जानकारी रूट करता है जिसकी प्रत्येक एजेंट को आवश्यकता होती है: एक इंजेक्शन hunter को डेटा प्रवाह मानचित्रों और इनपुट प्रवेश बिंदुओं तक सीमित recon कॉन्टेक्स्ट मिलता है, जबकि एक क्रिप्टो hunter को डिपेंडेंसी ट्री और कुंजी प्रबंधन पैटर्न मिलते हैं। Verifiers को उनके विशिष्ट सत्यापन विधि के लिए आवश्यक केवल फ़ील्ड्स के साथ प्रोजेक्टेड फ़ाइंडिंग व्यू प्राप्त होते हैं। यह प्रति-रणनीति कॉन्टेक्स्ट प्रूनिंग भ्रम और लागत दोनों को कम करती है — एजेंट उस जानकारी से स्वयं को भ्रमित नहीं कर सकते जो वे कभी देखते ही नहीं हैं।