sec-af

1. Tổng Quan Kiến Trúc & Cơ Chế Hoạt Động#

SEC-AF vận hành dựa trên triết lý 'Composite Intelligence'. Thay vì một mô hình LLM đơn lẻ, nó sử dụng một đồ thị có hướng không chu trình (DAG) gồm hàng trăm tác nhân chuyên biệt. Luồng dữ liệu đi qua 4 giai đoạn chính: RECON (thu thập thông tin), HUNT (tìm kiếm lỗ hổng), PROVE (xác thực phản biện), và REMEDIATION (đề xuất sửa lỗi). Kiến trúc này cho phép hệ thống tự động loại bỏ các kết quả dương tính giả (false positives) bằng cách yêu cầu các 'Prover agents' cố gắng bác bỏ các phát hiện của 'Hunter agents'.

2. Ma Trận Đánh Giá & Điểm Khác Biệt#

So với các công cụ SAST truyền thống (như Semgrep hay CodeQL), SEC-AF vượt trội ở khả năng cung cấp 'bằng chứng thực thi' (proof-of-exploit). Trong khi các công cụ khác chỉ dựa trên khớp mẫu (pattern matching), SEC-AF thực hiện phân tích luồng dữ liệu (taint analysis) và mô phỏng tấn công để xác nhận lỗ hổng có thể khai thác được hay không.

3. Hướng Dẫn Cài Đặt & Cấu Hình Chi Tiết#

Để triển khai, người dùng cần chuẩn bị API Key từ OpenRouter. Sử dụng Docker Compose là cách nhanh nhất:

1. Clone repo: git clone https://github.com/Agent-Field/sec-af.git
2. Cấu hình .env: Thêm OPENROUTERAPIKEY.
3. Chạy: docker compose up --build.
4. Truy cập API tại http://localhost:8080.

4. Bảng Tra Cứu Tham Số & Flags Dòng Lệnh#

• repo_url: URL của repository cần quét.
• depth: Chọn giữa quick, standard, thorough để cân bằng giữa chi phí và độ sâu.
• severity_threshold: Lọc các lỗ hổng theo mức độ nghiêm trọng (high, medium, low).
• output_formats: Hỗ trợ sarif, json, markdown.

5. Kịch Bản Thực Chiến#

• Kịch bản 1 (CI/CD Pipeline): Tích hợp vào GitHub Actions để tự động quét các Pull Request. Sử dụng output sarif để đẩy kết quả trực tiếp lên GitHub Security Tab.
• Kịch bản 2 (Pentest/Threat Hunting): Sử dụng chế độ thorough trên các ứng dụng mục tiêu để tìm kiếm các lỗ hổng logic phức tạp mà các công cụ quét tự động thông thường bỏ lỡ.

6. Khuyến Nghị Tối Ưu & Phòng Ngừa Rủi Ro#

• Tối ưu chi phí: Luôn đặt maxcostusd trong request để tránh tiêu tốn quá mức ngân sách LLM.
• An toàn: Không chạy công cụ trên các repo chứa mã nguồn nhạy cảm nếu không kiểm soát được môi trường thực thi của AgentField.
• False Positive: Mặc dù tỷ lệ nhiễu thấp, hãy luôn kiểm tra lại các kết quả được đánh dấu là 'inconclusive'.