数据流分析与污点追踪在 AI 代码安全审计中如何实现？

1. 污染源识别

将来自用户输入、配置文件、外部接口、HTTP 请求参数等不可信数据标记为污染源（Source）。明确哪些是"不可信起点"，是污点分析的入口。

2. 污点传播建模

沿赋值、函数调用、返回值等语句追踪污染数据的流动，建立从污染源到程序内部变量的传播路径。当污染数据经过拼接、格式化或跨函数传递时，传播路径随之延伸。

3. 汇聚点匹配

定义危险调用（Sink）清单，例如数据库执行语句、系统命令执行、反序列化入口等。当被污染的变量可抵达这些危险汇聚点时，即标记为潜在漏洞路径。

4. 跨函数与跨文件追踪

现代审计引擎支持跨函数、跨文件的全局数据流分析，能够穿透方法调用与模块边界，识别在单文件视角下难以发现的传播链路，这也是检出复杂注入与 SSRF 的关键。

5. 与 AI 语义分析的结合

纯规则式污点分析在面对动态拼接、反射调用、复杂业务分支时容易误判。引入大模型语义理解后，可对数据是否"真正可控"做语义研判，区分真实可达路径与良性路径，从而收敛误报。