Mönstermatchning hittar mönster. Angripare hittar svagheter.
Varför hotmodelldriven analys hittar sårbarheterna som traditionella skannrar missar — med mycket mindre brus.
Traditionell statisk analys har en enkel bild av världen: här är en lista med dåliga mönster, gå och hitta dem. eval(. En sträng som fogas in i en SQL-fråga. En avstängd TLS-kontroll. Sök, flagga, upprepa.
Det fungerar — ett tag. Sedan växer fynden i antal, de flesta spelar ingen roll, och utvecklarna lär sig att ignorera verktyget. Signalen drunknar i bruset.
Problemet är inte detektion. Det är sammanhang.
En skanner som flaggar varje sträng som fogas in i ett databasanrop hittar äkta SQL-injektion — och hundratals fall som är parametriserade en funktion bort, eller som aldrig nås av otillförlitlig indata. Den kan inte skilja dem åt, eftersom den inte modellerar hur data faktiskt flödar genom ditt system eller hur en angripare skulle nå fram.
Angripare tänker inte i mönster. De tänker i mål: kan jag läsa en annan kunds data? kan jag ta mig från den här endpointen till admin? vad händer om jag spelar upp den här token igen? De kedjar ihop små svagheter till verkliga intrång.
Hotmodelldriven analys
Codelight utgår från angriparens perspektiv. Istället för att matcha syntax bygger vi en modell av ditt system — ingångar, förtroendegränser och vägarna som bär otillförlitlig indata — och resonerar om vad som faktiskt går att utnyttja.
Det förändrar resultatet:
- Färre falska positiva. Ett fynd måste vara nåbart och exploaterbart, inte bara misstänkt.
- Allvarligare fynd först. Brister i affärslogik och bristande åtkomstkontroll — det som mönstermatchare inte ser — hamnar högst upp.
- Förklaringar som utvecklare litar på. Varje fynd kommer med vägen en angripare skulle ta, inte bara ett radnummer.
Resultatet är ett verktyg som folk faktiskt agerar på, för när det säger att något spelar roll så stämmer det oftast.
Mindre brus är en säkerhetsfunktion
Varje falskt positivt fynd kostar uppmärksamhet, och uppmärksamhet är den mest knappa resursen inom säkerhet. En skanner som ropar varg lär ditt team att ignorera den — även den gången den har rätt.
Att modellera hot i stället för att matcha mönster är hur du förtjänar tillbaka den uppmärksamheten.