JavaSinkTracer_MCP
基于函数级污点分析的 Java 源代码漏洞审计工具JavaSinkTracer，通过 Model Context Protocol (MCP) 为 AI 助手提供安全分析能力。
快速开始
1. 安装依赖
pip install -r requirements.txt
2. 配置 Claude Desktop
编辑配置文件并添加 MCP 服务器配置：
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源代码漏洞审计工具 - 基于函数级污点分析"
}
}
}
注意：将 /path/to/JavaSinkTracer 替换为实际的项目路径。
3. 重启 Claude Desktop
配置完成后重启 Claude Desktop，MCP 工具将自动加载。
视频演示
https://www.bilibili.com/video/BV1XrxDz1EvF
核心功能
漏洞扫描
从危险函数（Sink）反向追踪到外部入口（Source），自动发现潜在的安全漏洞链路。
调用图分析
构建完整的 Java 项目函数调用关系图，支持跨文件、跨类的调用追踪。
智能分析
基于函数级污点分析，有效规避变量级追踪在复杂场景（线程、反射、回调）下的断链问题。
代码提取
自动提取漏洞链路上每个函数的完整源代码，便于人工或 AI 深入分析。
可用工具
| 工具名称 | 功能说明 |
|---|---|
build_callgraph | 构建项目调用关系图 |
find_vulnerabilities | 扫描安全漏洞 |
analyze_vulnerability_chain | 分析漏洞调用链源代码 |
extract_method_code | 提取指定方法源代码 |
list_sink_rules | 查看漏洞规则配置 |
get_project_statistics | 获取项目统计信息 |
使用示例
示例 1：全面漏洞扫描
请帮我扫描 /path/to/java-project 项目的安全漏洞
AI 会自动：
- 构建调用关系图
- 扫描所有类型的漏洞
- 分析并报告发现的问题
示例 2：针对性检测
检查项目中是否存在 SQL 注入和命令执行漏洞
AI 会扫描特定类型的漏洞（SQLI、RCE）。
示例 3：深入分析
这个漏洞链路是真实漏洞吗？请分析调用链的源代码
AI 会提取完整的调用链代码并进行分析。
支持的漏洞类型
- RCE - 远程代码执行 (CWE-78)
- SQLI - SQL 注入 (CWE-89)
- XXE - XML 外部实体注入 (CWE-611)
- SSRF - 服务端请求伪造 (CWE-918)
- PATH_TRAVERSAL - 路径穿越 (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 - 日志注入 (CWE-117)
- CRYPTO_WEAKNESS - 加密算法弱点 (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
工作原理
函数级污点分析
不同于传统 SAST 工具的"变量级"污点分析，本工具采用"函数级"污点分析：
- 优势：有效规避线程调用、监听回调、反射调用等场景的断链问题
- 权衡：可能产生误报，需要结合 AI 或人工进一步分析确认
分析流程
- 解析 Java 源代码，构建 AST
- 提取所有类和方法信息
- 构建函数调用关系图
- 从 Sink 点（危险函数）反向追踪
- 识别到达 Source 点（外部入口）的调用链
- 过滤无参数的函数（排除不可控变量）
- 提取调用链上所有函数的源代码
配置说明
规则文件
规则配置文件位于 Rules/rules.json，包含：
- sink_rules: 危险函数规则（如
Runtime.exec） - source_rules: 外部输入源（如
HttpServletRequest.getParameter） - sanitizer_rules: 净化函数（如
StringEscapeUtils.escapeHtml）
自定义规则
可以根据实际需求编辑 rules.json 添加新的 Sink、Source 或 Sanitizer 规则：
{
"sink_rules": [
{
"sink_name": "CUSTOM_VULN",
"sink_desc": "自定义漏洞类型",
"severity_level": "High",
"cwe": "CWE-XXX",
"sinks": [
"com.example.DangerousClass:dangerousMethod"
]
}
]
}
性能优化
缓存机制
- 首次分析项目时构建 AST 和调用图
- 后续调用自动复用缓存，大幅提升速度
- 缓存 key：
project_path:rules_path
轻量级模式
find_vulnerabilities 工具默认使用轻量级模式：
- 仅返回漏洞链路信息
- 不立即提取源代码
- 需要时使用
analyze_vulnerability_chain获取详细代码
常见问题
工具未加载？
- 检查配置文件中的路径是否正确
- 确认已安装所有 Python 依赖
- 查看 Claude Desktop 的开发者工具日志
分析速度慢？
- 大型项目首次分析需要时间构建 AST
- 使用缓存后速度会显著提升
- 可先调用
build_callgraph预热缓存
结果有误报？
- 函数级污点分析会产生一定误报
- 使用
analyze_vulnerability_chain查看源代码 - 结合 AI 分析或人工确认漏洞真实性
扩展开发
添加新的 MCP 工具
编辑 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":
# 实现你的工具逻辑
pass
相关资源
- 详细使用指南: 查看
MCP_GUIDE.md - 原理说明: 查看
README.md - 优化日志: 查看
UPGRADE_SUMMARY.md
致谢
JavaSinkTracer开发者 Tr0e
声明
本项目仅供学习与研究使用，请勿用于商业或非法用途。因使用本项目产生的任何后果由使用者自行承担。