高性能开源安全扫描器,集成了 SAST、SCA、密钥检测和 IaC 分析,专为开发者和 CI/CD 流水线打造,并利用 AI 提供建议!
一个开源的综合安全扫描器,结合 SAST、SCA 和密钥检测,与 OWASP Top 10:2025 保持一致——专为智能修复而打造。
全深度 SCA。 依赖引擎现在会读取实际随附的依赖树——每一个传递依赖包,按其安装的版本——覆盖全部八个受支持的生态系统,而不再只是清单文件所声明的那几个包。
mvn dependency:tree 逐个构件完全一致。gradle.lockfile 也会被读取。Required : via com.example:core——这样修复就能落在开发者真正可以更改的那个依赖上。partialFingerprints 均如此。完整详情见 CHANGELOG。
📖 完整文档: --> Drogonsec Doc
| 引擎 | 描述 |
|---|---|
| SAST | 面向 20 多种语言的静态应用安全测试 |
| SCA | 软件成分分析——完整的传递依赖树,而不仅仅是你声明的部分 |
| Leaks | 密钥检测——50 多种模式(AWS、GCP、GitHub、JWT、SSH 密钥……) |
| IaC | 基础设施即代码配置错误(Terraform、Kubernetes) |
| AI | AI 驱动的修复——Ollama(本地/免费)或云服务提供商 |
Python Java JavaScript TypeScript Go Kotlin C# PHP Ruby Swift Dart Elixir Erlang Shell C/C++ HTML Terraform Kubernetes Nginx
清单文件只列出少数几个包,且是版本范围。锁文件则列出所有实际会被安装的包,以及它们将被安装的版本——而第二组几乎涵盖了你随附的全部代码,也几乎涵盖了所有安全公告。因此,真正重要的那一列是深度:
| 生态系统 | 读取来源 | 深度 |
|---|---|---|
| Node.js | package-lock.json、yarn.lock、node_modules/、package.json | 完整依赖树 |
| Python | poetry.lock、uv.lock、Pipfile.lock、.venv/、pyproject.toml、requirements.txt | 完整依赖树 |
| PHP | composer.lock、vendor/composer/installed.json、composer.json | 完整依赖树 |
| Rust | Cargo.lock、Cargo.toml | 完整依赖树 |
| Ruby | Gemfile.lock | 完整依赖树 |
| Go | go.mod、来自模块缓存的路由 | 完整集合 |
| Java | 离线针对 ~/.m2 解析的 pom.xml、gradle.lockfile | 完整依赖树 |
| Dart | pubspec.lock、pubspec.yaml | 完整依赖树 |
对于 npm、Python 和 PHP,引擎会依次回退到三个来源——先是锁文件,然后是磁盘上已安装的依赖树(node_modules/、虚拟环境、vendor/),最后是清单文件。未提交锁文件的仓库在安装后仍会被完整扫描。
对于 Go、Dart 和 Java,依赖边来自包管理器自身的缓存——模块缓存、pub 缓存、Maven 本地仓库——项目构建完成后,这些缓存中已包含每个依赖的清单文件。Maven 没有锁文件,因此按照 Maven 自身的规则(父 POM、导入的 BOM、最近优先、依赖管理、排除项)进行离线解析,并与 mvn dependency:tree 的输出逐项匹配。
每条发现都会标明该包是否为直接依赖,并在来源记录的情况下,标明引入它的路径:
#8 [CRITICAL] guzzlehttp/psr7 1.9.1
CVE : CVE-2026-49214 CVSS: 9.0
Required : via guzzlehttp/guzzle
Fixed in : 2.10.2
范围不是版本。 从清单中读取的依赖,只有当其版本要求指定了单一发行版时,才会与安全公告进行比对。lodash: "4.17.15" 会被检查;lodash: "^4.17.15" 则不会——它会安装 4.17.21,而报告 4.17.15 的安全公告会指向一个你从未安装过的版本。这些包仍会出现在清单和 SBOM 中,扫描会说明它不得不跳过多少个。提交 lockfile 是解决办法,同时还能一并获取传递依赖树。
无网络。 针对注册表解析版本范围会回答另一个问题——今天会安装什么——并且会让在隔离环境中运行的扫描依赖互联网。
完整细节见 docs/modules.md。
Go Install(需要 Go 1.26.6+):
go install github.com/filipi86/drogonsec/cmd/drogonsec@latest
来自源:
git clone https://github.com/filipi86/drogonsec
cd drogonsec
make install
Docker:
docker run --rm -v $(pwd):/scan ghcr.io/filipi86/drogonsec scan /scan
# Scan current directory
drogonsec scan .
# Scan with JSON output
drogonsec scan ./myproject --format json --output report.json
# Scan with HTML report
drogonsec scan . --format html --output report.html
# Scan with AI remediation (local Ollama — free, no API key needed)
drogonsec scan . --enable-ai
# Scan with AI remediation (cloud provider — requires API key)
AI_API_KEY="..." drogonsec scan . --enable-ai --ai-provider anthropic
# Scan git history for secrets
drogonsec scan . --git-history
# Only report HIGH and CRITICAL
drogonsec scan . --severity HIGH
# Disable specific engines
drogonsec scan . --no-sca
drogonsec scan . --no-leaks
drogonsec scan . --no-sast
Drogonsec Security Scanner
═══════════════════════════════════════════
Target : /path/to/project
SAST : enabled
SCA : enabled
Leaks : enabled
═══════════════════════════════════════════
═══ SAST FINDINGS ══════════════════════
#1 [HIGH] SQL Injection via string formatting
File : src/users.py:42
Rule : PY-001
OWASP : A05:2025 - Injection
CWE : CWE-89 CVSS: 9.8
Fix : Use parameterized queries...
{
"version": "0.4.0",
"stats": { "total_findings": 5, "critical": 1, "high": 3 },
"sast_findings": [ ... ],
"sca_findings": [ ... ],
"leak_findings": [ ... ]
}
# .github/workflows/security.yml
- name: DrogonSec Scan
run: drogonsec scan . --format sarif --output results.sarif
- name: Upload to GitHub Security
uses: github/codeql-action/upload-sarif@v4
with:
sarif_file: results.sarif
导出由 SCA 引擎发现的依赖项的 CycloneDX 1.5 软件物料清单(SBOM)。输出结果可供 Grype、Trivy 和 Dependency-Track 等工具使用。
drogonsec scan . --format cyclonedx --output sbom.json
注意: 当存在锁文件或已安装的依赖树时,SBOM 覆盖完整的传递依赖集合,并携带 CycloneDX 的
dependencies图——包含每一条边,因此使用者可以自行判断是哪个组件引入了存在漏洞的组件。仅从清单文件读取的生态系统只贡献其声明的组件,不包含边,因为清单文件不记录任何边。SPDX 输出计划在后续版本中提供。
在项目根目录创建 .drogonsec.yaml:
scan:
min_severity: LOW
workers: 4
git_history: false
ignore_paths:
- node_modules
- vendor
- dist
engines:
sast:
enabled: true
sca:
enabled: true
leaks:
enabled: true
min_entropy: 3.5
ai:
enabled: false
high_severity_only: true
fail_on:
critical: true
high: true
DrogonSec 包含 AI 驱动的修复功能,可为检测到的漏洞提供智能、上下文感知的修复方案。Ollama + DeepSeek Coder 是推荐的开源方案——Ollama 是开源的(MIT 许可证),并且 100% 在本地运行,数据不会离开你的机器。
# 1. Install Ollama (https://ollama.com)
# macOS: brew install ollama
# 2. Pull the recommended model
ollama pull deepseek-coder
# 3. Scan with AI (auto-detects local Ollama)
drogonsec scan . --enable-ai
# Use a different model
drogonsec scan . --enable-ai --ai-provider ollama --ai-model codellama
# Anthropic
AI_API_KEY="sk-ant-..." drogonsec scan . --enable-ai --ai-provider anthropic
# OpenAI-compatible
AI_API_KEY="sk-..." drogonsec scan . --enable-ai \
--ai-provider openai \
--ai-model gpt-4o
# Custom endpoint
AI_API_KEY="..." drogonsec scan . --enable-ai \
--ai-provider custom \
--ai-endpoint https://your-endpoint/v1/messages
# Example output:
# 🤖 AI Remediation:
# The SQL injection in line 42 allows attackers to manipulate your query...
# Corrected code:
# cursor.execute("SELECT * FROM users WHERE id = %s", (user_id,))
任何兼容 OpenAI 的端点都可以作为自定义提供程序使用: