Cloudflare开源security-audit-skill，编码代理安全审计的六阶段校验流程

Cloudflare 近期在 GitHub 开源了一套名为 security-audit-skill 的技能文件集，目标明确：将 AI 编码代理转化为可信赖的安全审计员。该项目并非传统意义上的代码扫描工具，而是一套面向大语言模型（LLM）代理的“工作流规范”，通过标准化流程与自动化校验机制，解决 AI 审计中常见的漏报与误报问题。

项目仓库创建于 2026 年 6 月，截至当前已有 34,342 颗星标，当日新增 1,865 星，Fork 数达 2,148，活跃度持续上升。其核心并非大量代码，而是以 Markdown 文档为主干、辅以少量 JavaScript 校验脚本构成的流程框架。README 中直言不讳：这是 Cloudflare 内部漏洞发现系统（audit harness）的“种子技能”，后续更复杂的内部系统正是由此演化而来。

为何需要结构化审计流程？

AI 代理参与代码审计面临两大现实挑战：一是“走马观花”——仅扫描部分路径即草率下结论；二是“自我背书”——发现漏洞后由同一代理自行确认，缺乏制衡。若未加约束，此类系统可能生成看似专业实则不可靠的报告，反而干扰人工复核。

security-audit-skill 的应对策略是“拆解任务 + 多方制衡”。它将整个审计过程划分为六个明确阶段：侦察（Reconnaissance）、狩猎（Hunting）、验证（Validation）、输出（Output）、再验证（Re-verification）与报告（Reporting）。每个阶段产出结构化文件，并作为下一阶段的输入，形成闭环校验链。

关键机制解析

1. 覆盖账本（Coverage Ledger）

审计的第一步是建立对代码库的全局认知。RECONNAISSANCE.md 引导代理生成 architecture.md，梳理系统架构、信任边界与输入面；随后触发 validate-coverage-ledger.cjs 脚本，校验生成的 coverage-ledger.json 文件结构是否合规。

该账本记录每个代码单元（如函数、模块）的审查状态：已覆盖、部分覆盖或未覆盖。后续运行可基于此账本分配新任务，避免重复劳动。项目指出，单次运行平均仅能发现累计多轮运行所识别漏洞总数的一半左右，因此支持“累加式运行”——后续轮次继承前序的覆盖记录与发现列表，实现渐进式深度审计。

2. 孤立猎手（Isolated Hunters）

进入第二阶段“狩猎”时，系统会启动多个互不通信的代理实例（即“孤立猎手”），依据覆盖账本分配未查区域，分头搜索漏洞。每个猎手的检查结果会被写入共享账本，确保整体覆盖无遗漏。这一设计有效防止多个代理集中攻击同一热点模块而忽略冷门路径。

3. 全新验证者（Fresh Verifier）

这是整套流程中保障结论可信度的核心机制。每当产生一条候选漏洞（标记为 needs_validation），系统不会交由原猎手复核，而是启动一个全新初始化的代理实例，以中立立场尝试反驳该发现。只有经此“反证”仍无法推翻的条目，才被标记为 confirmed。

该机制直接回应了 LLM 常见的“确认偏误”问题：模型倾向于维持自身初始判断。通过强制引入外部视角，显著降低误报率。

4. 结构化输出与 Schema 校验

所有发现必须写入 findings.json，且仅允许三类结论字段：confirmed、needs_validation、rejected。其格式严格遵循 report-schema.json 定义的 JSON Schema。每次写入或替换该文件，均会自动触发 validate-findings.cjs 脚本进行深度校验。

该脚本中的 deepEqual 函数尤为关键：它不仅比对字段名与值，还递归校验嵌套对象结构一致性，防止因字段顺序错乱或类型隐式转换导致的格式漂移。这种“机器可验证”的设计，使整个流程摆脱对人工审阅格式的依赖。

流程如何落地？

整个技能库以五份核心文档组织：

• RECONNAISSANCE.md：定义架构映射与初始覆盖范围生成规则；
• HUNTING.md：编排多猎手分工逻辑与验证前置条件；
• VALIDATION-AND-REPORTING.md：整合后三阶段，含候选验证、结构化输出、独立记录核验与中立报告生成；
• coverage-ledger.json 与 findings.json：作为状态与结果的持久化载体；
• report-schema.json：唯一权威的输出格式定义。

值得注意的是，所有文档均为人类可读的 Markdown，便于团队理解与迭代；而校验脚本则提供机器级保障，二者协同构建“人机共治”的审计基础设施。

实践价值与行业意义

在 DevSecOps 加速落地的背景下，自动化安全左移已成为主流趋势。传统 SAST（静态应用安全测试）工具虽能快速扫描，但对业务逻辑漏洞、权限绕过、供应链风险等复杂问题覆盖有限。而 LLM 驱动的代理具备理解上下文与推理能力，理论上可弥补这一缺口——前提是其行为可预测、结果可验证。

security-audit-skill 提供了一种轻量但严谨的落地路径：它不要求重写现有 CI/CD 流水线，只需将代理调用封装为标准化技能步骤，即可嵌入现有工程体系。例如，可在 PR 合并前触发一轮“侦察+狩猎”，再由安全团队介入复核 confirmed 条目；或在季度渗透测试前，运行多轮累加审计以生成高置信度待办清单。

该项目采用 MIT 许可证，鼓励社区贡献与二次开发。目前 open issue 有 72 个，涵盖 schema 扩展、多语言支持、与特定框架（如 Next.js、Dockerfile）集成等方向，显示出较强的演进潜力。

从技术演进角度看，这标志着安全自动化正从“规则匹配”迈向“流程可控的智能协作”。过去十年，SAST 工具追求的是覆盖率与速度；未来十年，焦点将转向“可信度”与“可解释性”——而 Cloudflare 此举，正是这一转向的早期实践样本。

目前，该项目尚未集成具体语言解析器或漏洞模式库，其价值在于提供了一个可扩展的“审计操作系统”内核。开发者可基于此框架，接入自定义的语义分析模块、威胁建模模板或合规检查项，构建适配自身技术栈的专属审计流水线。

随着更多企业尝试将 LLM 引入安全流程，类似 security-audit-skill 的标准化工作流将变得愈发重要。它不替代人工安全专家，而是为其提供更高质量的初筛输入，从而释放人力聚焦于高阶威胁建模与红蓝对抗演练。

项目地址：https://github.com/cloudflare/security-audit-skill