2024年全球CVE数据库新增了超过4万个安全漏洞——每一个漏洞背后,都可能隐藏着攻击者可利用的代码模式。静态分析工具(如CodeQL、Semgrep)是检测这些漏洞的核心武器,但它们的 effectiveness高度依赖人工编写的查询规则。编写一条精准的安全查询,需要同时掌握:

  • 安全领域知识(比如XXE、SQL注入的漏洞模式);
  • 程序分析概念(比如污点追踪、数据流分析);
  • 特定查询语言的语法(比如CodeQL的复杂谓词系统)。

即便是资深安全工程师,也可能需要数小时才能写出一条兼顾召回率和精度的查询。而随着CVE数量的爆炸式增长,人工编写查询的效率已经远远跟不上漏洞披露的速度。有没有办法让机器自动从CVE描述中生成精准的静态分析查询?很显然随着大模型的发展,通过大模型来优化静态分析工具的使用理所当然会被众多安全研究者所提出并应用。

本文将介绍一个基于大模型代理的框架QLCODER,能直接从CVE元数据中自动合成CodeQL查询,解决了“漏洞描述→检测规则”的自动化转换难题。 相信众多甲方安全的同学都在探索这条路线,希望本文能够给一些启发。

零、 CodeQL基础介绍

CodeQL 是一种基于查询的代码分析技术,通过将代码抽象成数据库,使用类似 SQL 的查询来发现安全漏洞和复杂逻辑缺陷,支持自动化、可扩展的深度代码审计。 其对应的开源地址:https://github.com/github/codeql;核心语法框架如下:

一、自动生成安全查询难点

在深入QLCODER的设计之前,我们需要先理解自动生成安全查询的核心挑战:

语法的“脆弱性”:差之毫厘,谬以千里

CodeQL的查询语言高度灵活,但也极其“敏感”——哪怕是一个谓词名称的拼写错误、一个AST节点的导航错误,都会导致查询“语法正确但语义无效”。比如,想匹配XmlMapper.readValue调用,若写成XmlMapper.readValues(多了个s),查询就会完全失效。

跨过程的污点追踪:数据流藏在代码的“角落”

漏洞的Source(用户输入)、 sink(危险函数调用)、 sanitizer(输入过滤)往往分布在不同文件甚至不同模块中。比如XXE漏洞中,用户输入可能来自HttpRequest.getBody,而危险调用可能在XmlMapper.readValue,中间还涉及XmlFactory的构造——这些跨文件的数据流需要查询能准确捕获。

语义的“精准性”:只报警漏洞版本,不误报修复版本

一条有用的查询必须满足“漏洞版本报阳性,修复版本报阴性”。比如XXE漏洞的修复是给XMLInputFactory设置SUPPORT_DTD=false,查询必须能识别这种sanitizer,避免在修复版本中误报。

二、QLCODER的核心设计:用大模型代理解决三大挑战

QLCODER的本质是一个“大模型代理+工具链”的迭代系统:

  • Agentic Synthesizer:基于大模型的智能代理,通过工具调用获取语法、语义指导,生成候选查询;
  • CodeQL Validator:执行候选查询,返回编译结果、执行统计、反例轨迹等反馈;
  • 迭代循环:代理根据反馈调整查询,直到满足“精准检测”的要求。

下面我们拆解QLCODER的三大核心组件:

上下文工程:给大模型“按需投喂”精准信息

大模型的局限性之一是“上下文窗口有限”——无法直接处理海量的CodeQL文档、CWE定义、代码AST片段。QLCODER通过两种工具解决这个问题:

(1)向量数据库(Retrieval-Augmented Generation, RAG)

QLCODER预先将以下内容存入向量数据库(如ChromaDB):

  • CVE漏洞描述、修复diff;
  • CWE(通用弱点枚举)定义;
  • CodeQL API文档、示例查询;
  • 目标仓库的AST片段(比如XmlMapper的构造代码)。

代理在生成查询时,可以按需检索这些信息。比如:

  • 当需要写XXE漏洞的Source时,代理会检索“XXE Source CodeQL示例”;
  • 当需要识别sanitizer时,代理会检索“XMLInputFactory SUPPORT_DTD CodeQL模式”。

这种“按需获取”的方式,既避免了上下文窗口过载,又保证了信息的精准性。

(2)CodeQL语言服务器:实时语法指导

QLCODER通过MCP协议(Model Context Protocol)封装了CodeQL的语言服务器,给Agent提供实时的语法辅助工具:

  • codeql_complete:在指定位置提供代码补全(比如输入XmlMapper.时,补全readValue);
{ 
"tool": "codeql_complete", 
"arguments": { "file_uri": "file:///workspace/security-query.ql", "line": 5, "character": 12, "trigger_character": ".", "limit": 25 } 
}
  • codeql_diagnostics:返回查询的编译错误(比如“未知谓词hasQName”);
{ 
"tool": "codeql_diagnostics", 
"arguments": { "file_uri": "file:///workspace/security-query.ql" } 
}
  • codeql_definition:跳转到符号的定义(比如查看TaintTracking::Global的实现)。
{ 
"tool": "codeql_definition", 
"arguments": { "file_uri": "file:///workspace/security-query.ql", "line": 12, "character": 8 } 
}

比如,当代理写出错误的谓词hasQualifiedName时,codeql_diagnostics会返回“未定义的谓词”,代理会自动修正为hasQName(CodeQL的正确谓词)。

迭代合成循环:从“草稿”到“精准查询”的进化

QLCODER的核心是“生成→验证→反馈→修正”的迭代循环:

步骤1:生成初始查询

代理根据CVE描述、向量数据库中的示例,生成初始查询。比如针对XXE漏洞,初始查询可能包含:

  • Source:匹配HttpRequest.getBody;
  • Sink:匹配XmlMapper.readValue;
  • 缺少sanitizer和跨文件的污点步骤。

步骤2:验证查询有效性

Validator会执行以下检查:

  1. 编译检查:查询是否符合CodeQL语法;
  2. 执行检查:在漏洞版本和修复版本中分别执行,统计匹配数;
  3. 精准性检查:是否只在漏洞版本中匹配,修复版本中不匹配;
  4. 覆盖检查:是否覆盖了漏洞的核心代码(比如修复的XMLInputFactory配置)。

比如,初始查询可能在修复版本中也匹配(因为没识别sanitizer),Validator会返回“修复版本有false positive”的反馈。

步骤3:根据反馈修正查询

代理根据Validator的反馈,调整查询。比如:

  • 若修复版本有false positive,代理会添加sanitizer检查(比如匹配setProperty(SUPPORT_DTD, false));
  • 若漏洞版本未匹配,代理会扩展Source或Sink的模式(比如增加XmlFactory的构造路径)。

这个循环会持续到查询满足“精准检测”的要求,或达到最大迭代次数(例如设为10次)。


CodeQL查询的“模板+填充”策略

为了约束大模型的生成方向,QLCODER给代理提供了CodeQL查询模板,可以在Prompt中包含,要求Agent填充以下核心部分:

// Source:用户输入的入口
class Source extends DataFlow::Node {
  Source() { /* 匹配源的AST模式 */ }
}

// Sink:危险函数调用
class Sink extends DataFlow::Node {
  Sink() { /* 匹配sink的AST模式 */ }
}

// Sanitizer:输入过滤或安全配置
class Sanitizer extends DataFlow::Node {
  Sanitizer() { /* 匹配sanitizer的AST模式 */ }
}

// 污点追踪配置
module MyConfig implements DataFlow::ConfigSig {
  predicate isSource(DataFlow::Node n) { n instanceof Source }
  predicate isSink(DataFlow::Node n) { n instanceof Sink }
  predicate isBarrier(DataFlow::Node n) { n instanceof Sanitizer }
  predicate isAdditionalFlowStep(...) { /* 跨文件的数据流步骤 */ }
}

// 生成路径查询
module MyFlow = TaintTracking::Global<MyConfig>;
from MyFlow::PathNode source, MyFlow::PathNode sink
where MyFlow::flowPath(source, sink)
select sink.getNode(), source, sink

代理的任务是根据漏洞信息,填充Source、Sink、Sanitizer的AST模式,以及isAdditionalFlowStep的跨文件数据流。

​

三、代码示例:QLCODER生成的XXE漏洞查询

我们以CVE-2025-27136(XXE漏洞)为例,看下QLCODER生成的查询

Source:匹配WstxInputFactory的创建

XXE漏洞的源是未配置的WstxInputFactory(因为它是XmlFactory的依赖),所以Source类匹配WstxInputFactory的创建、实例化、变量访问:

class WstxInputFactoryCreation extends DataFlow::Node {
  WstxInputFactoryCreation() {
    // 匹配 WstxInputFactory的newInstance/newFactory调用
    exists(MethodCall mc |
      mc.getMethod().hasQualifiedName("com.ctc.wstx.stax", "WstxInputFactory", "newInstance") or
      mc.getMethod().hasQualifiedName("com.ctc.wstx.stax", "WstxInputFactory", "newFactory")
      and this.asExpr() = mc
    )
    // 匹配 WstxInputFactory的实例化
    or exists(ClassInstanceExpr cie |
      cie.getConstructedType().hasQualifiedName("com.ctc.wstx.stax", "WstxInputFactory")
      and this.asExpr() = cie
    )
    // 匹配 WstxInputFactory的变量访问
    or exists(Variable v, VarAccess va |
      v.getType().(RefType).hasQualifiedName("com.ctc.wstx.stax", "WstxInputFactory")
      and va.getVariable() = v
      and this.asExpr() = va
    )
  }
}

Sink:匹配不安全的XmlFactory使用

Sink是XmlFactory的构造(因为它使用了未配置的WstxInputFactory):

class UnsafeXmlFactoryUsage extends DataFlow::Node {
  UnsafeXmlFactoryUsage() {
    // 匹配 XmlFactory的构造(参数是 WstxInputFactory)
    exists(ClassInstanceExpr xmlFactoryCall |
      xmlFactoryCall.getConstructedType().hasQualifiedName("com.fasterxml.jackson.dataformat.xml", "XmlFactory")
      and xmlFactoryCall.getArgument(0) = this.asExpr()
    )
    // 匹配 XmlMapper的构造(依赖 XmlFactory)
    or exists(ClassInstanceExpr xmlMapperCall, ClassInstanceExpr xmlFactoryCall |
      xmlMapperCall.getConstructedType().hasQualifiedName("com.fasterxml.jackson.dataformat.xml", "XmlMapper")
      and xmlFactoryCall.getConstructedType().hasQualifiedName("com.fasterxml.jackson.dataformat.xml", "XmlFactory")
      and xmlMapperCall.getArgument(0) = xmlFactoryCall
      and xmlFactoryCall.getArgument(0) = this.asExpr()
    )
  }
}

Sanitizer:匹配安全配置

Sanitizer是给WstxInputFactory设置SUPPORT_DTD=false:

class WstxInputFactorySanitizer extends DataFlow::Node {
  WstxInputFactorySanitizer() {
    exists(MethodCall setPropertyCall, VarAccess factoryVar |
      // 匹配setProperty调用
      setPropertyCall.getMethod().hasQualifiedName("javax.xml.stream", "XMLInputFactory", "setProperty")
      and setPropertyCall.getQualifier() = factoryVar
      // 匹配SUPPORT_DTD=false
      and exists(Field f1 |
        setPropertyCall.getArgument(0) = f1.getAnAccess()
        and f1.hasName("SUPPORT_DTD")
        and f1.getDeclaringType().hasQualifiedName("javax.xml.stream", "XMLInputFactory")
      )
      and exists(Field f2 |
        setPropertyCall.getArgument(1) = f2.getAnAccess()
        and f2.hasName("FALSE")
        and f2.getDeclaringType().hasQualifiedName("java.lang", "Boolean")
      )
      and this.asExpr() = factoryVar
    )
  }
}

污点追踪配置

最后,将Source、Sink、Sanitizer绑定到CodeQL的污点追踪框架:

module WstxInputFactoryFlowConfig implements DataFlow::ConfigSig {
  predicate isSource(DataFlow::Node source) { source instanceof WstxInputFactoryCreation }
  predicate isSink(DataFlow::Node sink) { sink instanceof UnsafeXmlFactoryUsage }
  predicate isBarrier(DataFlow::Node sanitizer) { sanitizer instanceof WstxInputFactorySanitizer }
  // 跨文件的数据流步骤(比如XmlFactory到XmlMapper的传递)
  predicate isAdditionalFlowStep(DataFlow::Node n1, DataFlow::Node n2) {
    exists(ClassInstanceExpr xmlFactoryCall |
      xmlFactoryCall.getConstructedType().hasQualifiedName("com.fasterxml.jackson.dataformat.xml", "XmlFactory")
      and xmlFactoryCall.getArgument(0) = n1.asExpr()
      and n2.asExpr() = xmlFactoryCall
    )
    or exists(ClassInstanceExpr xmlMapperCall |
      xmlMapperCall.getConstructedType().hasQualifiedName("com.fasterxml.jackson.dataformat.xml", "XmlMapper")
      and xmlMapperCall.getArgument(0) = n1.asExpr()
      and n2.asExpr() = xmlMapperCall
    )
  }
}

// 生成路径查询
module WstxInputFactoryFlow = TaintTracking::Global<WstxInputFactoryFlowConfig>;
from WstxInputFactoryFlow::PathNode source, WstxInputFactoryFlow::PathNode sink
where WstxInputFactoryFlow::flowPath(source, sink)
select sink.getNode(), source, sink, 
  "WstxInputFactory未配置SUPPORT_DTD=false,存在XXE风险",
  source.getNode(), "用户输入入口"

三、QLCODER的效果:比现有工具精准10倍

QLCODER在176个Java CVE上的评估结果显示:

  • 成功率:53.4%的CVE能生成精准查询(漏洞版本报阳性,修复版本报阴性);
  • 精度:生成的查询F1分数达0.7(CodeQL官方查询F1=0.073,IRIS=0.048);
  • 组件重要性:去掉CodeQL LSP后,成功率下降30%;去掉向量数据库后,成功率下降35%。

比如,针对XXE漏洞(CWE-611),QLCODER的成功率达60%,F1=0.657——远高于现有工具。

四、QLCODER的应用场景:从“漏洞检测”到“全流程自动化”

QLCODER生成的查询不仅能用于漏洞检测,还能支撑以下场景:

回归测试

将查询加入CI/CD pipeline,每次代码提交时执行,防止漏洞回归。比如XXE漏洞的查询能检测“是否有人不小心移除了SUPPORT_DTD=false的配置”。

变体分析

用查询扫描其他仓库,发现类似的漏洞变体。比如用XXE的查询扫描GitHub上的Java项目,可能发现其他未修复的XXE漏洞。

补丁验证

用查询验证修复是否有效——若修复版本中查询仍报阳性,说明修复不彻底。

五、未来展望: 动静结合

QLCODER目前只支持Java,但框架的设计是语言无关的——只要将向量数据库中的CodeQL文档替换为其他语言的查询语言(比如Semgrep的YAML、Infer的ML),就能扩展到C++、Python等语言。

未来的研究方向包括:

  • 更高效的迭代:减少生成查询的迭代次数,降低时间成本;
  • 动静结合:将静态查询与动态分析(比如fuzzing)结合,提高漏洞检测的精度;
  • 社区驱动:开源QLCODER的工具链(比如CodeQL LSP MCP server),让社区贡献更多的查询模板和工具。

六、结语:让安全分析更“智能”

QLCODER的出现,本质上是用大模型代理解决“安全专家知识→机器可执行规则”的转换问题。它不仅降低了静态分析的使用门槛,更让“每一个CVE都有对应的检测规则”成为可能。

对于安全工程师来说,QLCODER不是“取代”,而是“增强”——它能自动生成初始查询,工程师只需微调就能投入使用,将精力从“写查询”转向“分析漏洞本质”。静态分析会变得更高效、更精准,成为应对海量漏洞的“有力武器”。