谷歌开源Mantis框架降低AI漏洞扫描误报

谷歌开源了Mantis，这是一套面向软件漏洞全生命周期的智能代理框架，覆盖漏洞识别、验证、重现和修复等环节。该项目针对传统AI代码扫描工具误报较多、真实漏洞检出率偏低的问题设计，相关场景的真阳性率有时低于7%。

Mantis不会采用盲目遍历文件的方式扫描代码，而是先分析代码库历史、安全修复记录、系统架构和威胁模型，再把文件整理为包含目录信息与代码库级上下文的分层树结构。在保留关键结构关系的同时，这种方法可将令牌使用量降低85%。

框架通过多个角色代理协同完成验证流程，包括负责高层代码结构、威胁模型和依赖关系分析的“策略师”，深入检查源文件并追踪数据流、控制流和数据净化逻辑的“研究者”，以及用于筛除误报、复核发现的“批评者”和“审查者”。

对于扫描结果，Mantis能够在隔离沙箱中尝试重现漏洞，以安全、可控的方式提供可验证证据，避免只依赖大语言模型的单次判断。它也是谷歌内部探索以机器速度发现和修复漏洞方法的一部分。

Mantis采用模块化技能套件架构，提供超过15种工具，可按顺序或并行执行，例如mantis-summarize、mantis-review和mantis-critic。各阶段通过读写磁盘上的共享状态进行通信，从而衔接完整工作流。

该框架支持多种模型，并允许针对不同阶段搭配不同模型。谷歌建议，对快速分类、相似文本聚类等无需复杂推理的任务，可使用“flash”或“lite”模型，例如mantis-researcher和mantis-dedupe；需要深层上下文理解或零样本解决能力的mantis-reproduce、mantis-patch，则更适合使用能力更强的模型。

其中，mantis-review会利用基于规则的反向过滤器排除潜在误报，但谷歌提醒应谨慎配置规则，不能因为发现风险较低就直接判定为误报。过于宽泛的过滤范围可能同时漏掉真实漏洞。Mantis现已在GitHub开源，相关智能代理参考指南提供了可用阶段、阶段间契约及最佳实践。