2025 年发布的技术文章
查看所有标签
我们团队最近在进行 AI 应用方面的尝试，综合之前有的基础设置，更新了一个 yaklang 库：aiforge。
其中我们定义了一种 AI 应用体，取名为 aiforge，它可以通过一定的预设和编程将一些复杂的事物包装起来，完成模块化 AI 能力的工作。
我们提供两种方式编写一个 aiforge：配置文件方式和 YAK 脚本方式。其中配置文件方式在后面的版本中会通过 UI 的形式帮助用户编写。本文中主要介绍如何通过 YAK 脚本的方式编写 aiforge。
YAK 的 SSA 构建系统旨在打造通用的 SSA 后端框架，先前采用 Antlr4 作为通用前端，将多种语言统一转换为 AST，再译为 SSA IR，以驱动静态审计逻辑。但随着拓展，测试 JavaScript 生成 SSA IR 时，Antlr4 在解析某些语言的特定语法结构时存在效率低下的问题。
为提升 JavaScript 静态分析效率，引入微软 TypeScript-Go 项目中的 Go 实现 parser 替代 Antlr 前端，显著优化性能。本文聚焦于基于 TypeScript-Go AST 构建 JavaScript SSA 表达形式，探讨面对表达式语句、解构赋值、控制流等复杂结构时的通用 SSA 生成策略，并分享过程中踩的坑与实战经验，为多语言静态审计中应用 SSA IR 提供启发与参考。
今天我们将通过一个实际案例，展示 SyntaxFlow 如何帮助我们快速定位并验证某 shop 中的一个后台 RCE 漏洞。
某 shop 是一款流行的 PHP 开源电商系统，本文分析的后台账号为：
· 路径：/index.php/Admin/Index
· 账号密码：admin/admin@123
本文将带你体验如何使用 SyntaxFlow 这一强大的静态代码分析工具，精准定位某 shop 中的命令注入漏洞，从漏洞原理到实际利用，一步步拆解整个攻击链路。
本期分享文章分享的是 Yakit 最近上线的流量分析功能。
在 Web 安全测试中，我们经常面临下面两大核心诉求：
01 如何快速定位关键流量数据？
02 如何深度挖掘历史流量价值？
而流量分析功能则补全了这块拼图，让用户能够二次利用历史数据，挖掘出有价值的流量。
在代码审计产品从yakit分离出来作为单独产品的这一段时间中，除了底层ssa bug的修复和syntaxflow规则编写之外，我还利用irify做了一些新尝试，比如：
·对某些CVE进行复现，并且进行指定框架/某些漏洞的查缺补漏。
·进行未知的漏洞挖掘，并且进行CVE漏洞提交。
在开始读取文章之前，你可以对代码审计是弱基础，基于irify工具进行漏洞挖掘，会对代码审计流程进行优化，简化审计流程。希望读者也可以通过irify的助力去进行深入的代码审计。
**前文指路：**Yak，公众号：Yak ProjectJava 反编译技术（一）
之前的文章为大家介绍过
在上一篇文章中介绍了 Syntaxflow 的基础用法以及在 Java 中的实战应用，本篇文章主要用于丰富一些在编写规则上的实战细节
SyntaxFlow作为Yaklang的重要功能，可以适配多种应用场景，广受用户青睐
2025年2月春节前后，DeepSeek R1 完全开源短短几周，某些CloseAI藏掖的优势（高智能与推理）被重塑了。
我本是一个对 AI 在安全领域非常悲观的安全从业人员，但是在这个浪潮下，甚至开始不得不思考手里几十万行代码的出路是什么，推理的优势真的可以抹平“代码”这个本身就很复杂的体系的积累吗？
(本文写在 Yak Project 开年之后，旨在揭示在 AI Agentic 的大背景下，Yak Project 的发展方向。)