Semgrep 自定义模式生成器

要解决的问题

写 Semgrep 规则的门槛比想象中高。拿到一份漏洞描述（比如"用户输入未经校验直接拼进 SQL"），你得先判断该用 pattern 还是 pattern-either，再想清楚 metavariable-regex 怎么限定污点形态，最后还要决定 mode: taint 的 sources 和 sinks 分别落在哪些函数上。手工写出的规则经常要么太松（满屏误报），要么太紧（漏掉真正的调用链）。这个技能把"从自然语言漏洞描述到可执行 YAML 规则"这一步自动化。

它如何工作

核心流程可以拆成三步：

• 解析漏洞描述：识别漏洞类型、触发条件和受影响的代码模式，而不是简单做关键词匹配。
• 映射到 semgrep-rules YAML schema：根据描述选择规则骨架——精确匹配用 pattern，需要覆盖面时用 pattern-either 组合多个子模式。
• 生成进阶结构：支持 metavariable-pattern 约束元变量形态，支持 taints 配合 joins 做跨函数污点追踪，比如污点从 request.getParameter() 传入，经过中间函数加工后才到达 Statement.executeQuery()。

生成的规则可以直接放进 .semgrep.yml 跑 semgrep ci，也能并入现有 SAST 流水线与其他扫描工具并存。

适用边界

• 它产出的是规则草稿，不是审计结论。误报率取决于描述本身的精确度，描述含糊时生成的规则大概率需要人工收紧。
• 跨函数 join 依赖函数签名和调用图信息，动态分派、反射调用这类场景覆盖不到。
• 复杂业务语义（权限模型、数据分类）不在规则表达能力内，这类约束仍需人工补充 pattern-inside 或自定义元变量校验。
• 只面向 Semgrep 原生 schema，想转成其他 SAST 工具的 IR 需要额外适配。