trailofbits/trailmark

Was macht trailmark?

Erstellt und durchsucht mehrsprachige Quellcode-Graphen für Sicherheitsanalysen. Enthält Voranalyse-Pässe für Explosionsradius, Taint-Propagation, Privilegiengrenzen und Einstiegspunkt-Enumeration. Verwenden Sie dies beim Analysieren von Aufrufpfaden, Kartieren der Angriffsfläche, Finden von Komplexitäts-Hotspots, Enumerieren von Einstiegspunkten, Verfolgen von Taint-Propagation, Messen des Explosionsradius oder Erstellen eines Code-Graphen zur Audit-Priorisierung. Bevorzugen Sie trailmark.parse.detect_languages() oder --language auto, wenn die Zielsprache unbekannt oder polyglott ist.

Funktionen

• Mehrsprachige Unterstützung: Python, JavaScript, TypeScript, Java, Go, Rust, C, C++, C#, Ruby, PHP, Swift, Kotlin, Solidity, Vyper
• Voranalyse-Pässe:
  • Privilegiengrenzen (z. B. admin_required)
  • Taint-Quellen und -Senken
  • Explosionsradius-Berechnung
  • Aufrufpfad-Analyse
• Graph-Erstellung: Generiert interaktive Code-Graphen im DOT-Format
• Abfrage-Engine: Durchsuchen Sie den erstellten Graphen nach bestimmten Mustern oder Beziehungen

Plattformen

• CLI: Bietet einen flexiblen Kommandozeilen-Modus für Batch-Verarbeitung und Skripterstellung
• Python API: Ermöglicht die Integration in benutzerdefinierte Analyse-Pipelines

So funktioniert es

Trailmark analysiert Quellcode-Dateien und erstellt einen abstrakten Syntaxbaum (AST) für jede unterstützte Sprache. Es identifiziert dann wichtige Code-Strukturen wie Funktionen, Klassen, Importe und Aufrufbeziehungen. Basierend auf dieser Analyse werden die folgenden Voranalyse-Pässe durchgeführt:

1. Privilegiengrenzen: Findet Stellen im Code, die Zugriffskontrollen implementieren (z. B. Decoratoren wie @admin_required in Python)
2. Taint-Propagation: Identifiziert Eingabequellen (z. B. HTTP-Anfragen) und Senken (z. B. SQL-Datenbanken) für Datenflüsse
3. Explosionsradius: Berechnet, wie viele Code-Pfade von einer gegebenen Änderung betroffen wären
4. Einstiegspunkt-Enumeration: Listet alle öffentlich zugänglichen Funktionen oder API-Endpunkte auf

Die Ergebnisse werden als gerichteter Graph im DOT-Format ausgegeben, der die Beziehungen zwischen den Code-Elementen visualisiert. Optional können die Ergebnisse auch als JSON oder CSV exportiert werden.

Verwendung

CLI

trailmark parse --language python --input /path/to/code --output graph.dot
trailmark query --input graph.dot --type taint_sources

Python API

import trailmark

# Erstelle einen Parser für Python-Code
parser = trailmark.Parser(language="python")

# Parse ein Verzeichnis
graph = parser.parse("/path/to/code")

# Führe Voranalyse-Pässe durch
privilege_boundaries = graph.find_privilege_boundaries()
taint_sources = graph.find_taint_sources()
entry_points = graph.enumerate_entry_points()

# Exportiere den Graphen
graph.export("graph.dot")

Konfiguration

• --language auto: Automatische Erkennung der Sprache (für polyglotte Projekte)
• --output-format dot|json|csv: Ausgabeformat
• --analyze-blst-radius: Explosionsradius-Analyse aktivieren
• --taint-passthrough: Taint-Propagation-Pass aktivieren
• --privilege-patterns: Benutzerdefinierte Privilegiengrenzen-Muster

Beispielausgabe

digraph G {
  node [shape=box, style=filled, fillcolor=lightblue];
  
  "main" -> "parse_input";
  "parse_input" -> "validate";
  "main" -> "handle_request";
  "handle_request" -> "authenticate" [label="@admin_required"];
}

Fehlerbehebung

• Sprachfehlererkennung: Wenn die automatische Erkennung fehlschlägt, geben Sie die Sprache explizit mit --language an
• Große Projekte: Verwenden Sie --limit-files N, um die Anzahl der zu analysierenden Dateien zu begrenzen
• Graph-Größe: Aktivieren Sie --simplify, um redundante Knoten zu entfernen

Siehe auch

• Trailmark auf GitHub
• Dokumentation
• Beispiele