An Open-Agent Framework for Intelligent Compliance Analysis in Infrastructure as Code Using Large Language Models

在现代数字世界中，支撑我们应用程序、存储我们的数据并运行我们服务的底层架构，不再坐落在拥有成排闪烁灯光的物理服务器房内。相反，它存在于云端——一个由大型科技公司管理的庞大远程计算机网络。对于使用这些服务的组织而言，安全责任已经发生了转移。虽然云服务商负责确保硬件正常运行，但客户必须确保其数字配置设置正确。存储桶（storage bucket）开放方式或网络权限授予方式的一个微小错误，就可能将敏感信息暴露给整个互联网。为了管理这种复杂性，工程师们使用一种被称为“基础设施即代码”（Infrastructure as Code）的方法。这种方法将数字资源的搭建视为一种软件程序，通过编写可供机器读取的文本文件来定义规则。这实现了高度的一致性和速度，但也意味着代码中的一个错误可以瞬间被复制到数百个系统中，在任何人察觉之前就造成广泛的漏洞。

为了捕捉这些错误，安全团队依赖自动化工具来扫描代码中的已知错误，就像拼写检查器寻找拼写错误一样。然而，这些传统工具通常是僵化的；它们可以告诉你违反了哪条规则，却难以解释为什么这很重要，或者如何以符合人类审计员逻辑的方式进行修复。另一方面，一种被称为大语言模型的新技术可以阅读代码并生成自然语言解释，但如果单独使用时，它们容易产生幻觉或提供不一致的结果。研究人员面临的挑战在于，如何将自动化扫描器的严格可靠性与智能语言模型的解释能力相结合，从而创造出一个既精准又易于理解的系统。

来自苏玛亚公主科技大学（Princess Sumaya University for Technology）的一个研究小组构建了一个成功融合这两种方法的全新框架。他们创建了一个系统，首先使用严格的基于规则的引擎来扫描基础设施代码中是否违反了特定的安全标准，然后将这些确认的违规项传递给智能语言模型，以生成清晰、人类可读的报告和建议的修复方案。研究人员在包含 231 个真实世界配置文件的庞大集合上对该系统进行了测试。他们发现，这种混合系统表现得非常出色，在它发出警报的所有案例中，正确识别安全缺陷的准确率接近 97%，同时还抓住了文件中存在的 90% 以上的实际问题。这一性能显著优于现有的工业级工具，后者往往会标记过多的无害问题，导致工程师进行不必要的重复劳动。

该新框架的核心是一个将原始代码转化为精炼审计报告的五步流程。首先，系统获取原始配置文件并将其转换为扫描引擎能够理解的格式。接着，一个确定性的策略引擎（其运作方式类似于一名严格的裁判）根据特定的安全规则对代码进行检查。这些规则基于 NIST SP 800-53 标准，这是一个被政府和企业广泛认可的安全控制目录。该引擎会寻找特定的模式，例如缺乏加密的存储驱动器或向公众开放的网络端口。由于该引擎遵循固定规则，它从不猜测，只报告它能证明确实存在的违规行为。

一旦引擎识别出违规行为，系统并不会止步于此。它会将错误的详细信息发送给大语言模型，该模型充当上下文推理代理。该模型承担着三项具体任务：用通俗易懂的英语解释风险、将错误映射到其违反的官方安全标准，并生成一段修正后的代码片段以解决问题。为了确保模型在事实部分不出错，研究人员内置了一个安全机制。模型不允许猜测安全标准的名称；相反，系统会自动从经过验证的列表中查找正确的名称并将其插入。模型仅被允许生成解释内容和代码修复方案。此外，研究人员在模型的提示词（prompt）中加入了严格的指令，以确保其编写的代码在语法上是正确的且没有多余的文本，这一步骤对于保证可靠性至关重要。

研究结果证明了这种结合方法的威力。在针对 231 个配置文件进行测试时，该系统实现了 96.9% 的精确度（precision），这意味着当它标记一个文件存在问题时，几乎总是正确的。它还实现了 90.5% 的召回率（recall），成功找到了隐藏在代码中的绝大多数实际错误。相比之下，一款名为 Checkov 的领先工业级工具在测试集中找到了所有的错误，但也将近一半的干净文件标记为了有问题。这种高误报率会迫使安全团队在不存在问题的事务上浪费大量调查时间。相比之下，这个新框架提供了更清晰的信号，在保持高检测率的同时减少了噪音。

对数据的深入观察揭示了所发现错误的清晰模式。最常见的违规行为涉及数据静态加密（encryption for data at rest）的缺失，这占到了所有检测到的问题的 64% 以上。这一发现与之前的研究一致，即忘记对存储数据进行加密是云环境中最为频繁的安全疏忽。该系统还成功识别了与访问控制和审计日志相关的各种问题，涵盖了广泛的安全需求。研究人员指出，该系统生成准确、符合审计要求的报告的能力是一个关键优势，因为它弥合了技术检测与合规性文档要求之间的鸿沟。

研究还强调了内置于系统中的保护措施的重要性。当研究人员最初在没有严格约束的情况下测试语言模型时，模型生成的代码修复方案经常出现语法无效或充斥着冗余文字的情况。通过执行严格的格式化规则并使用经过验证的查找表进行事实数据处理，该系统在生成有效的代码片段和准确的控制映射方面达到了 100% 的成功率。这表明，此类系统的可靠性不仅来自于模型的智能，更来自于围绕它构建的精心设计的流程设计。

尽管该系统表现出了强大的性能，但研究人员也谨慎地指出了其局限性。该框架目前专注于一组特定的安全控制和云资源，并且是在代码部署前进行操作，这意味着它无法检测到部署后因系统变更而产生的实时问题。此外，用于测试该系统的“地面真值”（ground truth）是由自动化启发式算法和人工注入相结合而成的，这可能无法完美捕捉现实环境中的每一个细微差别。尽管存在这些边界，这项研究仍提供了一个极具说服力的概念验证。它表明，通过将规则引擎的坚定精准与语言模型的灵活推理相结合，我们可以创造出一种既高度准确又对人类操作员真正有用的合规性分析工具。这项工作展示了一条前进的路径：自动化安全工具不仅要能发现问题，还要能帮助团队充满信心地理解并解决问题。