Работа со ScanSuite

Запуск сканирования с ИИ

Как запустить AI Native SAST и как проверка достижимости влияет на результаты.

AI Native SAST не опирается на сигнатуры. Модель читает каждый файл из области сканирования и описывает уязвимости в виде структурированных записей. Поэтому она замечает ошибки в логике, правах доступа и обработке данных — то, для чего нет готовых правил и что сигнатурный сканер пропускает в принципе.

Как проходит сканирование

  1. 01
    Область сканирования

    ScanSuite отбирает файлы по основному языку проекта, по шаблонам выбранной области, если вы их задали, а при инкрементальном сканировании и мониторинге — по изменениям. Тесты, заглушки, вложенные сторонние библиотеки, документация, минифицированные сборки и файлы больше 750 КБ пропускаются.

  2. 02
    Сбор контекста (по желанию)

    Опция «Анализировать архитектуру безопасности» описывает фреймворки, аутентификацию, авторизацию и границы доверия в репозитории. Этот контекст учитывается при оценке и помогает агенту достижимости, поэтому критичность рассчитывается для вашего приложения, а не по усреднённой шкале.

  3. 03
    История Git (по желанию)

    Опция «Анализировать историю Git» просматривает последние коммиты (до 200), выбирает те, что похожи на изменения, связанные с безопасностью, и ищет в них секреты и уязвимый код. Найденное проходит ту же проверку, что и остальные уязвимости.

  4. 04
    Анализ файлов

    Модель читает каждый файл из области сканирования и возвращает уязвимости в структурированном виде.

  5. 05
    Межфайловый поиск (по желанию)

    Прослеживает аутентификацию, изоляцию данных, LLM и CI/CD между файлами. Работает только вместе с анализом архитектуры, а его результаты всегда проверяются агентом достижимости.

  6. 06
    Проверка достижимости (по желанию)

    Агент с инструментами открывает окружающий код, проходит по вызывающим и вызываемым функциям и выносит вердикт с обоснованием.

  7. 07
    Оценка и дедупликация

    ScanSuite оценивает оставшиеся уязвимости по эксплуатируемости, приводит их к стандартным классам и убирает дубли по классу и файлу — как внутри сканирования, так и по истории продукта. Правила подавления и уже известные уязвимости отсеиваются ещё до того, как на вердикт потрачены токены.

Проверка достижимости

Эта настройка сильнее всего влияет на результат. Если включена опция Проверять достижимость уязвимостей, уязвимость попадает в отчёт, только когда агенту удалось проследить путь от внешних данных до опасной операции. Недостижимые уязвимости не сохраняются в разделе управления уязвимостями, а в HTML-отчёте собраны в отдельный свёрнутый блок. К каждой достижимой уязвимости приложена диаграмма пути вызова: ревьюер может пройти по ней сам и проверить рассуждение.

Вердикт принимается, только если агент действительно прочитал исходные файлы, а в обосновании указан путь вызова и доказательства вида «файл:строка». Иначе задача возвращается к инструментам: гадать агенту нельзя.

Где работает модель

Поставщик ИИ бывает двух видов. Совместимый с OpenAI — любой эндпоинт с API в формате OpenAI: облачный OpenAI, совместимые шлюзы, локальные модели в Ollama, LM Studio и т. п. Vertex AI / Anthropic — модели Claude в Google Cloud Vertex AI. Каждая команда работает с системным ИИ, со своим поставщиком или без ИИ; это задаётся на вкладке ИИ страницы «Команды».

ВариантЧто учесть
В облакеНужны доступ в интернет и API-ключ. Код отправляется на обработку поставщику.
ЛокальноДля чувствительных проектов: модель работает в вашей инфраструктуре, и код никуда не уходит.
Конфиденциальность

Отправка кода во внешний сервис может нарушать требования к конфиденциальности или условия договора. Для закрытых и проприетарных проектов используйте модель, развёрнутую у себя.

Настройка описана в разделах Поставщики ИИ и стоимость и Настройка API-ключей для внешних систем.

Настройки поставщика ИИ в ScanSuite
Настройка поставщика ИИ

Стоимость и стабильность результатов

  • Время и деньги. AI-анализ длится дольше обычного сканирования и тратит платные запросы к API. Оставляйте в области сканирования код с логикой приложения: конфигурационные файлы, вложенные сторонние библиотеки и сгенерированный код редко стоят потраченных токенов.
  • Разброс результатов. Запрос к модели каждый раз формируется заново, поэтому результаты разных запусков могут немного отличаться. Крупные модели (от 30 млрд параметров) дают более стабильную картину.

ScanSuite записывает расход токенов по каждому сканированию, а если заданы цены LLM, пересчитывает его в деньги. Так вы всегда точно знаете, сколько стоил запуск. Подробнее — в разделе «AI-провайдеры и стоимость».

Где смотреть результаты

После запуска открывается страница сканирования. На ней видно, как анализ проходит этапы — история Git, архитектура, анализ исходного кода, межфайловый поиск, валидация, рекомендации и отчёт, — а также сколько уже потрачено токенов и денег. Когда сканирование завершится, страница покажет, сколько уязвимостей новых, подтверждённых, открытых снова и закрытых автоматически. См. Страница сканирования.

Уязвимости AI Native SAST попадают в раздел Управление уязвимостями вместе с результатами остальных сканеров, а для каждого запуска формируется отдельный HTML-отчёт.

Страница AI-сканирования
Страница завершённого AI-сканирования: все этапы пройдены, видно, что изменилось

Чтобы скачать результаты завершённого сканирования в виде ZIP-архива, нажмите Скачать отчёт на его странице или кнопку Отчёт в его строке в истории сканирований. Отчёты формируются в HTML, XLSX и JSON. HTML-отчёт содержит сводку по рискам, описание архитектуры приложения и встроенные диаграммы путей вызова.

HTML-отчёт AI SAST
Готовый HTML-отчёт

Результаты AI Native SAST не выгружаются в DefectDojo. Они хранятся в разделе управления уязвимостями самой платформы и входят в скачиваемые отчёты.

Проверено: 2026-09-30