Argus: Reorchestrating Static Analysis via a Multi-Agent Ensemble for Full-Chain Security Vulnerability Detection

1. 研究背景与问题定义 (Problem)

背景：
随着软件漏洞的激增（2025 年披露超过 5 万个 CVE），静态应用程序安全测试（SAST）至关重要。传统的 SAST 工具（如 CodeQL、Infer）主要依赖基于符号的规则和污点分析（Taint Analysis）。虽然它们能捕捉已知模式，但存在以下局限：

• 灵活性差：难以检测新颖的或特定系统的漏洞。
• 误报率高：受限于复杂的代码库和语义上下文不足。
• 覆盖不全：对高级语言特性（如反射、多线程）支持不足，导致数据流断裂。

现有 LLM 方法的不足：
近期研究尝试将大语言模型（LLM）引入 SAST，但通常是将 LLM 作为辅助工具嵌入传统流水线中。这种方法存在三大挑战：

1. 推理深度受限：仍受限于单轮推理，无法挖掘深层漏洞。
2. 幻觉问题：LLM 容易产生幻觉，导致高误报率。
3. 可达性挑战：简单的 LLM+SAST 组合难以解决因数据流断裂导致的可达性问题。

核心问题：
如何设计一种以 LLM 为核心（LLM-centered）的 SAST 框架，能够充分利用 LLM 的上下文推理能力，同时结合传统工具的优势，以解决幻觉、深度不足和供应链依赖分析缺失的问题？

---

2. 方法论：Argus 框架 (Methodology)

作者提出了 Argus（Agentic and Retrieval-Augmented Guarding System），这是首个以 LLM 智能体（Agent） 为核心的一站式 SAST 框架。Argus 将 SAST 工作流从"LLM 辅助”重构为"LLM 主导”，主要包含以下核心组件：

2.1 核心架构：多智能体协作 (Multi-Agent Collaboration)

Argus 将传统的 SAST 流水线解耦为多个专用智能体模块：

• 依赖扫描与代码分析：解析项目依赖（如 pom.xml）。
• CVE 检索智能体：从权威数据库和社区源检索漏洞信息。
• PoC 生成智能体：生成概念验证代码以验证漏洞。
• 数据流扫描与审查智能体：负责污点追踪和逻辑验证。
• CodeQL 规则智能体：生成和运行静态分析规则。

2.2 关键技术创新

A. 全供应链分析 (Full Supply Chain Analysis)

• 突破点：不再将代码库视为“孤岛”，而是结合其第三方依赖进行整体评估。
• 实现：解析项目依赖，利用 RAG (检索增强生成) 技术，从 NVD、OSV、GitHub Security Advisories 等权威源以及社区仓库（Issues/PRs）中检索相关漏洞信息。
• 优势：能够发现依赖库中已知但未在当前代码库中被显式调用的漏洞，以及因依赖版本不当引入的新风险。

B. Re3 数据流分析方法 (Retrieval, Recursion, Review)
为了解决数据流追踪中的“隐蔽中断”问题（如反射、指针别名），Argus 提出了一种名为 Re3 的混合分析策略：

1. Retrieval (检索)：利用 CodeQL 进行前向扫描，寻找从源（Source）到汇（Sink）的候选路径。
2. Recursion (递归/回溯)：对于前向扫描失败的路径，采用后向 - 前向机制。
   • 从 Sink 节点开始向后递归分析上游函数调用，构建树状结构。
   • 将树的叶子节点（最上层调用）视为新的“代理 Sink"，再次进行前向数据流分析。
   • 将前后向路径拼接，形成完整的候选数据流。
3. Review (审查)：利用 LLM 对候选漏洞进行深度审查：
   • 端到端可达性分析：检查控制流（if/else）、异常处理是否中断数据流。
   • 逐跳分析 (Hop-by-Hop)：详细检查每一步的污点传播、输入验证、清洗（Sanitization）和类型转换是否有效。
   • 文档导出：生成结构化的漏洞报告。

C. 验证与修复 (PoC Generation)

• 利用 ReAct 范式，智能体不仅生成漏洞描述，还自动生成 PoC (概念验证) 代码和修复补丁。
• 通过实际运行 PoC 来验证 Sink 的有效性，确保后续的数据流分析基于真实的漏洞点。

---

3. 主要贡献 (Key Contributions)

1. 首个以 LLM 为核心的 SAST 框架：Argus 是第一个将 LLM 作为核心决策者，而非辅助工具，并引入供应链分析和 ReAct/RAG 策略的框架。
2. 全供应链与多智能体设计：通过结合依赖分析和多智能体协作（扫描、检索、生成、审查），显著提升了漏洞检测的广度和深度。
3. 实证研究与零日漏洞发现：
   • 在 7 个工业级开源项目（如 PublicCMS, KeyCloak, JeecgBoot 等，总计数百万行代码）上进行了评估。
   • 发现零日漏洞：Argus 成功发现了多个未被公开的零日漏洞（Zero-day），并已获得 CVE 编号。
   • 性能提升：相比传统工具（CodeQL）和现有 LLM 辅助方法（IRIS），Argus 在检测到的漏洞数量上显著领先，同时降低了误报率。

---

4. 实验结果 (Results)

实验在 7 个流行的 Java 开源仓库上进行，对比基线为 CodeQL 和 IRIS（现有的 LLM 辅助 SAST 框架）。

• 漏洞检测数量：
  • CodeQL：在所有测试项目中未检测到任何漏洞（0 Vuln.），主要受限于规则覆盖和误报过滤。
  • IRIS：虽然能发现一些 Sink，但未能成功验证出有效的漏洞（0 Vuln.），且存在大量误报。
  • Argus：在多个项目中发现了 3-6 个 有效漏洞（总计发现多个新漏洞），显著优于基线。
• Token 消耗与效率：
  • Argus 的 Token 消耗略高于基线（得益于 RAG 检索和 Re3 多步推理），但考虑到其发现的有效漏洞数量，单位漏洞的 Token 成本极低，具有极高的性价比。
• 消融实验：
  • 对比显示，由 RAG 智能体发现的“额外 Sink"（来自社区和依赖库）贡献了大部分新发现的漏洞，证明了供应链分析的重要性。
  • Re3 策略中的“回溯”机制成功解决了传统前向扫描无法覆盖的隐蔽数据流问题。

典型案例：

• DataGear：Argus 利用旧漏洞（CVE-2024-37759）作为线索，通过 Re3 机制发现了两个新的、未被修复的可利用数据流。
• PublicCMS：即使初始检索到的 Sink 不完全准确，Argus 也能通过回溯机制引导发现真正的漏洞点（DocToHtmlUtils.excelToHtml），证明了其容错和探索能力。

---

5. 意义与影响 (Significance)

1. 范式转变：Argus 标志着 SAST 领域从“规则驱动 + LLM 辅助”向 "LLM 智能体驱动 + 工具增强” 的范式转变。它证明了 LLM 可以成为安全分析的核心大脑，而不仅仅是代码生成器。
2. 解决工业痛点：通过引入供应链分析和多智能体协作，Argus 有效解决了传统工具在复杂依赖和新型漏洞面前“力不从心”的问题，降低了误报率，提高了检测深度。
3. 零日漏洞挖掘能力：实验证明，该方法不仅能复现已知漏洞，还能挖掘出具有实际危害的零日漏洞，为软件供应链安全提供了新的防御手段。
4. 开源与生态：作者计划开源该框架，旨在推动学术界和工业界在自动化漏洞检测领域的进一步发展。

总结：Argus 通过重新编排 SAST 工作流，利用多智能体协作、RAG 和 ReAct 技术，成功克服了传统静态分析和早期 LLM 方法的局限性，实现了更高效、更准确、更深度的全链路漏洞检测，特别是在处理供应链依赖和复杂数据流方面展现了巨大的潜力。