VVAH：Visa开源的AI驱动漏洞发现与验证框架

今天在 GitHub Trending 上看到一个有意思的项目：Visa Vulnerability Agentic Harness（VVAH），这是Visa开源的一个基于前沿AI模型的自主漏洞发现、修复和验证框架，核心亮点是四阶段十一级流水线设计，实现从代码摄取到验证修复的全流程自动化。

一、项目概述

VVAH（Visa Vulnerability Agentic Harness）是Visa公司开源的AI驱动安全漏洞发现框架，基于Anthropic的Project Glasswing项目经验构建。它通过自主AI代理实现漏洞发现、修复和验证的完整闭环，核心设计理念是将漏洞发现到生产环境修复的时间（MTTA：Mean Time to Adapt）压缩到最短。

核心特性

四阶段十一级流水线：从攻击面映射到验证修复的完整自动化流程
多模型支持：支持Anthropic Claude、OpenAI兼容模型，通过统一抽象层实现厂商中立
结构化输出：生成Markdown报告和SARIF 2.1.0标准格式
对抗性验证：修复方案经过对抗性面板验证后才被采纳
确定性投票机制：多代理投票减少误报，提升发现质量

项目定位

VVAH针对的核心痛点是：AI辅助漏洞管理的瓶颈不在发现，而在分诊速度。传统工具能发现大量潜在漏洞，但筛选、验证、修复的周期过长。VVAH通过以下三个设计选择突破这个瓶颈：

威胁建模先行：在分析前先进行威胁建模，聚焦攻击面
多代理确定性投票：减少误报，提升发现可信度
结构化分诊产物：从AI发现的弱点到可操作的修复建议，全流程可追溯

二、技术原理

架构设计

VVAH采用流水线架构，将漏洞发现流程分为四个阶段、十一个阶段（Stage）：

阶段	包含Stage	核心任务
Phase 1: Discovery & Modeling	S1-S3	攻击面映射、威胁建模、狩猎计划
Phase 2: Deep Dive & Verification	S4-S6	多视角分析、策略门控、对抗验证
Phase 3: Synthesis & Reporting	S7-S9	去重、攻击链构建、SARIF输出
Phase 4: Remediation & Validation	S10-S11	修复建议、对抗验证

每个LLM驱动的阶段都实现为可组合、可复用的Skill，可独立调优、版本化和替换，无需重构整个流水线。

核心技术栈

# pyproject.toml 核心依赖
dependencies = [
    "pydantic>=2.13.4",        # 数据验证与序列化
    "pydantic-settings>=2.14.1", # 配置管理
    "PyYAML>=6.0.3",           # 配置文件解析
    "anthropic>=0.107.0",      # Anthropic SDK
    "openai>=2.41.0",          # OpenAI兼容后端
    "httpx>=0.28.1",           # HTTP客户端
    "urllib3>=2.7.0",          # HTTP库
    "python-dotenv>=1.2.2",    # 环境变量管理
    "claude-agent-sdk>=0.2.87", # Claude Agent SDK
]

项目采用Python 3.10+，基于Pydantic构建配置系统，支持多后端（Anthropic SDK、Claude CLI、OpenAI兼容API）统一抽象。

关键设计模式

1. 多后端抽象层

VVAH通过统一的抽象层支持三种后端：

via: cli：使用Claude Code会话（claude CLI + /login），默认配置使用此方式
via: sdk：使用Anthropic SDK（需设置ANTHROPIC_SDK_API_KEY）
via: openai：使用OpenAI兼容API（需设置OPENAI_API_KEY）

这种设计避免了单厂商锁定，用户可根据成本、性能需求灵活切换。

2. Skill化阶段实现

每个阶段作为独立Skill，配置灵活：

Stage	Skill职责
S1	攻击面映射器（代码、CMDB、CVE、控制）
S2	AppSec威胁建模器（STRIDE、OWASP、信任边界）
S3	漏洞研究策略师（污点分析、API边界、授权控制）
S4	多视角研究（语言、加密、逻辑漏洞、访问控制、IaC）
S6	对抗性审查员（漏洞链、信任边界追踪）
S7	发现去重器（语义折叠重叠发现）
S8	漏洞策略师（CWE、攻击路径、修复）
S10	修复代理（CWE-语言-框架三元组修复手册）
S11	验证面板（安全架构师、渗透测试员、跨仓库分析器）

S9（SARIF输出）是纯确定性的，S5（预过滤）使用确定性门控加可选语义去重。

3. 对抗性验证机制

修复验证（S11）采用对抗性代理面板：

security-architect：评估修复对整体安全架构的影响
penetration-tester：从攻击者视角验证修复是否可绕过
cross-repo-analyzer（可选）：检查跨仓库影响

验证结果输出三种判决：validated（验证通过）、validation_failed（验证失败）、needs_review（需人工审查）。

数据流分析

标准化输入                    流水线处理                    结构化输出
├─ 批量仓库          S1-S3    ├─ 攻击面映射               ├─ Markdown报告
├─ GitHub Enterprise元数据  →  S4-S6    ├─ 威胁建模     →  ├─ SARIF 2.1.0
├─ CMDB记录                   S7-S9    ├─ 多视角分析               ├─ 修复DTO
├─ CVE/控制流                          ├─ 对抗验证                 ├─ 验证报告
                                       ├─ 去重/链构建
                                       S10-S11
                                       ├─ 修复建议
                                       ├─ 对抗验证

状态管理通过外部SQLite数据库（$VVAHARNESS_STATE_DIR/vvaharness.db）实现流水线断点续传。

三、安装与快速开始

环境要求

Python ≥ 3.10
LLM凭证：Claude Code登录（claude CLI + /login）或API密钥
Git（用于修复验证）

安装步骤

macOS / Linux：

# 克隆仓库
git clone https://github.com/visa/visa-vulnerability-agentic-harness.git
cd visa-vulnerability-agentic-harness

# 创建虚拟环境
python3 -m venv .venv
source .venv/bin/activate

# 安装
pip install .

Windows (PowerShell)：

python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install .

或使用pipx全局安装：

pipx install .

配置凭证

# 复制配置模板
cp .env.example .env

# 编辑.env添加凭证
# via: cli (默认) → 运行 `claude` 然后 `/login`
# via: sdk → 设置 ANTHROPIC_SDK_API_KEY
# via: openai → 设置 OPENAI_API_KEY

最简运行示例

# 检查环境
vvaharness doctor

# 预估范围和成本（不执行扫描）
vvaharness estimate --repo /path/to/target

# 仅检测（不修改代码）
vvaharness scan --repo /path/to/target --stop-after s9

# 完整扫描（包含修复，⚠️ 会修改源码）
vvaharness scan --repo /path/to/target --application-id 12345

四、使用方法与实战

基础用法

1. 仅检测漏洞（不修改代码）

vvaharness scan --repo /path/to/target --stop-after s9

此命令执行S1-S9阶段，生成报告但不修改目标仓库。

2. 完整扫描（检测+修复）

vvaharness scan --repo /path/to/target --application-id 12345

⚠️ 注意：默认配置会在S10阶段修改源码（fix模式），请确保目标仓库已备份或提交到Git。

3. 批量扫描

vvaharness scan --repo-file repos.csv --workspace ./scans --group-by-app --keep-clones

repos.csv格式：每行一个仓库URL，可选AppId列。

进阶用法

1. 选择配置文件

默认配置文件路径：vvaharness/config/profiles/default.yaml

切换到SDK后端：

# 复制SDK配置
cp vvaharness/config/profiles/sdk.yaml ./config.yaml

# 设置API密钥
export ANTHROPIC_SDK_API_KEY="your-key"

# 运行
vvaharness scan --repo /path/to/target

2. 验证修复

修复后单独验证：

vvaharness validate --repo /path/to/target

验证面板读取<repo>/security-remediation/<NN_slug>/remediate_report.json，输出验证判决。

3. 集成到AI代理

vvaharness setup --install-agents

自动生成：

AGENTS.md：跨工具操作指南
.github/copilot-instructions.md：Copilot指令
CLAUDE.md + Claude Skill：Claude Code集成
GEMINI.md：Gemini CLI集成

实际项目示例

假设扫描一个Flask API项目：

# 1. 预估
vvaharness estimate --repo ./my-flask-api
# 输出：预计扫描范围、预估成本

# 2. 仅检测
vvaharness scan --repo ./my-flask-api --stop-after s9

# 3. 查看报告
cat ./my-flask-api/security-scan/*_report.md

# 4. 如果确认修复，重新运行完整扫描
vvaharness scan --repo ./my-flask-api

# 5. 验证修复
vvaharness validate --repo ./my-flask-api

输出文件：

<repo>/security-scan/<module>_<ts>_report.md：发现报告
<repo>/security-scan/<module>_<ts>_report.sarif：SARIF格式
<repo>/security-remediation/*/remediate_report.json：修复记录
./run_manifest.json：运行元数据（版本、模型、配置、SHA）

五、常见问题与解决方案

安装问题

Q: claude CLI未找到

A: 默认配置使用Claude CLI后端，需先安装：

# 安装Claude CLI
pip install claude-cli

# 登录
claude
> /login

或切换到SDK后端：

export ANTHROPIC_SDK_API_KEY="your-key"
cp vvaharness/config/profiles/sdk.yaml ./config.yaml

Q: Windows下虚拟环境激活失败

A: 确保执行策略允许脚本：

Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

运行时错误

Q: API密钥无效

A: 检查.env文件位置，VVAH从工作目录向上搜索.env：

# 验证doctor
vvaharness doctor

# 或手动加载
source .env

Q: Git仓库状态异常

A: 确保目标仓库是干净的Git仓库：

cd /path/to/target
git status
git add .
git commit -m "Save before scan"

Q: Token超限

A: 使用estimate预估成本，通过配置限制单阶段预算：

# config.yaml
step1:
  max_budget_usd: 10.0
step4:
  max_budget_usd: 50.0

性能问题

Q: 扫描大型仓库过慢

A: 使用--stop-after分阶段运行，或限制文件数：

# 仅S1-S3快速评估
vvaharness scan --repo /large/repo --stop-after s3

Q: 多阶段并发

A: 当前版本为串行流水线，可通过批量扫描并行处理多个仓库：

vvaharness scan --repo-file repos.csv --workspace ./scans

兼容性

Q: 支持哪些语言？

A: S4阶段提供多语言分析器：Python、JavaScript、Java、Go、TypeScript等。IaC分析器支持Terraform、CloudFormation。

Q: OpenAI后端限制？

A: OpenAI后端仅支持检测（S1-S9），修复（S10）和验证（S11）需要Anthropic后端：

修复需要Edit/Write工具，OpenAI后端仅有只读权限
验证需要Claude Agent SDK，OpenAI后端不兼容

配置OpenAI检测+Claude修复：

# config.yaml
models:
  detect:
    via: openai
  remediate:
    via: cli
  validate:
    via: cli

六、总结

VVAH代表了AI驱动安全工具的新范式：从漏洞发现工具进化为漏洞修复闭环系统。其核心价值在于：

流水线化AI能力：将威胁建模、漏洞发现、修复验证整合为自动化流水线
厂商中立设计：多后端抽象避免锁定，用户可根据成本、性能灵活选择
对抗性验证：修复方案经过对抗性面板验证，减少"修复引入新漏洞"的风险
可观测性：结构化输出（SARIF、Manifest）支持与现有CI/CD、安全平台集成

适用场景：

企业安全团队：批量扫描代码资产，提升漏洞分诊效率
安全研究员：利用AI加速漏洞挖掘，聚焦高风险目标
DevSecOps：集成到CI/CD，实现代码提交即扫描

注意事项：

输出为AI生成的分诊候选，需人工审查
默认配置会修改源码，使用--stop-after s9进行只读扫描
Token消耗较大，使用estimate预估成本

项目开源地址：https://github.com/visa/visa-vulnerability-agentic-harness

一、项目概述#

核心特性#

项目定位#

二、技术原理#

架构设计#

核心技术栈#

关键设计模式#

1. 多后端抽象层#

2. Skill化阶段实现#

3. 对抗性验证机制#

数据流分析#

三、安装与快速开始#

环境要求#

安装步骤#

配置凭证#

最简运行示例#

四、使用方法与实战#

基础用法#

1. 仅检测漏洞（不修改代码）#

2. 完整扫描（检测+修复）#

3. 批量扫描#

进阶用法#

1. 选择配置文件#

2. 验证修复#

3. 集成到AI代理#

实际项目示例#

五、常见问题与解决方案#

安装问题#

运行时错误#

性能问题#

兼容性#

六、总结#