自主攻防安全研究框架

自动化安全审计的痛点

在复杂的代码库中，手动追踪攻击面、验证漏洞可利用性以及分析 C/C++ 崩溃根因往往耗费大量时间。RAPTOR 旨在解决安全研究中流水线割裂的问题，将扫描、模糊测试、代码理解与取证调查整合到统一的自主工作流中，避免在多个工具间手动搬运上下文。

核心能力与工作流

该框架通过一组专用命令驱动全流程分析：

• 智能体分析 (/agentic)：执行“扫描 → 去重 → 准备 → 分析”的闭环，支持多模型关联与 --sequential 顺序执行。
• 深度代码理解 (/understand)：映射入口点与信任边界，追踪数据流（--trace），并在整个代码库中搜索模式变体（--hunt）。
• 漏洞验证 (/validate)：运行阶段 0 至 F 的可利用性验证管线，输出结构化的 validation-report.md。
• 崩溃与取证：使用 rr 进行确定性重放调试（/crash-analysis），或基于 BigQuery 对 GitHub Archive 进行证据收集（/oss-forensics）。

适用边界与安全注意

RAPTOR 默认在项目工作区内运行，自动解析 .active 符号链接或 $RAPTOR_CALLER_DIR 来确定目标，严禁将当前工作目录作为后备方案。
在处理不受信任的仓库时，必须遵循严格的隔离原则：

• 永远不要将扫描路径直接插值到 shell 命令字符串中。
• 使用基于列表的 subprocess 参数执行命令。
• 危险操作（如打补丁、删除文件、git push）必须严格遵循“先询问后执行”的原则。