getdebug 0.4.0、Python AI アプリのセキュリティパターン検出を追加

getdebugはオープンソースセキュリティリンティング環境における本当のブラインドスポットに対処しています。BanditとSemgrepは、それぞれPythonセキュリティと言語横断型SASTに設計された成熟した広く使われるツールで、SQLインジェクション、安全でないデシリアライゼーション、欠落した整合性チェックの検出に優れています。しかし、どちらもLLM固有のリスク、つまりユーザーオブジェクトのプロンプトへのシリアライゼーション、タイムアウトなしのストリーミング、メッセージアレイ内の互換性のないロールフィールドのマージを理解するよう設計されていません。ベンチマークはその汎用性のコストを示唆しています。49ファイルのコードベース上でBanditの1,228件のassert_used警告はほとんどの本番環境ではノイズであり、Semgrepの3件の検出結果は実在していますが汎用的で、AIアプリ固有ではありません。

vulnhuntrはLLM駆動型AIアプリ分析のカテゴリーリーダーとして位置づけられており、LLMを呼び出してエントリーポイントと脆弱性を推測することで異なるアプローチを採用しています。トレードオフはスコープです。ファイル選択はウェブアプリヒューリスティックに基づいており、CLIツールは分析されません。getdebugの正規表現層はウェブであろうとコマンドラインであろうと、LLM SDKと接触するあらゆるPythonで実行することでこれを回避しています。別方向でのトレードオフは、手書きされた正規表現パターンはLLMが推測する可能性のある新しい攻撃対象領域を見落とすことです。ツール設計者はこれを認め、オープンコミュニティからのフィードバックを招待しています。

公開ベンチマーク方法論とオープンソースコーパス（GitHub上のCodeSecBench）は透明性に高い基準を設定しています。simonw/llmの実世界テストでは、getdebugの7件の検出のうち2件は脅威モデルに依存しており（単一ユーザーツール内の2つのCLIユーザー入力間のプロンプトインジェクション）、リクエスト入力ではなくAPIレスポンスを通じてルーティングされるロールマージロジックです。ツールはフラグ立てされたすべてを表示し、チームは.getdebug-ignoreファイル経由でトリアージでき、境界線的なケースを認識しています。これは誤検知の削減と完全性とのトレードオフを優先する立場です。