教程2026-11-20 · 智涌AI

Agent 出码快 11 倍后,Shopify 怎么做移动端安全审查

Shopify 移动端攻击面地图教程头图:左侧攻击面地图安全审查大字与移动端出码量 11 倍、每周改动 43.4 万行、5 种条目结论三张数据卡,右侧网格示意深链、WebView、Keychain、依赖、权限、调试菜单六类条目及 Fix、Secure、Fixed、Tradeoff、Debug only 结论,底部写每日 Prepare、Review、Publish 三段流程

Shopify 工程博客美国时间 11 月 18 日写了他们移动端的安全做法:Agent 参与开发后,移动应用的出码量是去年同期的 11 倍,12 周重写 Shopify App 期间平均每周改动约 43.4 万行,去年同期大约 3.9 万行。人工审查跟不上,他们给每个 App 维护一张「攻击面地图」,把安全知识写成 Skills,再让模型每个工作日只审变动过的那几项。下面把这套流程拆开,配一份可以照着搭的骨架。

问题出在「让模型审整个 App」

博客里有一句很实在的话:让模型去找整个 App 的漏洞,得到的是一张又长又含糊的清单。Shopify 原本就有扫描改动代码的漏洞扫描器(他们叫 Dispatch),这套地图要补的是另一件事:看清每个 App 整体暴露了什么,暴露面一变就知道,并且拿过去踩过的坑逐项对照。

做法一次看多少输出
整 App 交给模型审全部代码长而含糊的可疑点列表
漏洞扫描(Dispatch)本次改动的代码找到并证明的漏洞
攻击面地图 + 逐项审一个条目及它碰到的代码每项一个五选一结论,能逐条核对

前置条件

第一步:给每个 App 建一张攻击面地图

地图按攻击面分组:深链、WebView、存储的数据、权限、依赖等。每个攻击面先写一两句「为什么要紧」,下面每个条目都带一个结论和一个指向来源代码的链接。结论只允许五种:

结论收窄到五种,好处是后续每天的变更页可以直接比对,不用再读一段段自由发挥的分析。

第二步:每个攻击面写成一个 Skill

地图由一组 Skill 生成,一个攻击面一个。Shopify 从 MASVS 和 MASTG 起步,再加上移动应用被报告过的漏洞,包括他们自己的。每个 Skill 写三件事:要列出什么、好的样子是什么、要检查什么。写成 Skill 的好处是不绑定某个工具:定时审查用它,临时做一次安全评审也用它,任何在这个仓库干活的 Agent 都能加载。学到新东西就改 Skill,之后每一次运行都自动带上。

下面是按这个思路整理的深链 Skill 骨架(结构是本文整理的示例,内容要换成你们自己的规范):

---
name: deeplink-surface
description: 盘点并审查 App 的所有深链路由与参数
---
## 要列出什么
- 每个深链路由(scheme / universal link / app link)
- 每个路由读取的每个参数,以及读取它的代码位置

## 好的样子
- 参数一律当不可信输入:校验类型、长度、允许的 scheme 和 host
- 授权回调用 PKCE,敏感数据不放进深链

## 检查什么
- 参数能否让 WebView 加载任意 URL 或 javascript: / data: 内容
- 参数能否绕过登录态直接打开敏感页面
- 历史事件类别:(每次修完事件把类别补在这里)

## 输出
每个条目:路由 | 结论(Fix+严重度/Tradeoff/Secure/Fixed/Debug only) | 代码链接 | 理由

Skill 本身怎么写、怎么校验,站内有一篇 10 分钟写出第一个 Agent Skill 可以对照。

第三步:先盘点,再一次只审一项

每个 Skill 先做完整盘点:所有深链路由和它读的每个参数、所有 WebView 和它加载的 host、每个 WebView 的 JavaScript 接口方法、每个 Keychain / Keystore 条目、每个依赖和版本。然后模型逐项审,每次只带上这一项碰到的代码。拿深链来说,就是看一个路由、它读的每个参数、读参数的那几段代码,问一句「这个参数是恶意的会怎样」。这样得出的答案足够具体,可以验证。要判断能不能真的被利用时,再交给专门的网络安全模型。

问题越小,模型给的答案越能核对;一次只看一条深链,比一次看整个 App 有用得多。

第四步:每个工作日审一次变更

Shopify 每个工作日用最新的前沿模型过一遍当天的改动,分三段:

  1. Prepare:在最新提交上重新盘点,和上一版已确认的地图比较。只有被引用的代码行改了,或者盘点报告某项有变化,这一项才算「变更」。
  2. Review:模型逐个判断变更和新增的条目,只给只读工具,只看代码。第二遍再通读改动过的文件,找没有任何条目覆盖到的安全相关改动。每个回答用之前都要检查:格式、行号范围、措辞,以及里面有没有带出密钥。
  3. Publish:生成新地图和一页「本次变化」,摘要发到 Slack。变化页列出上次运行以来每一处安全相关改动和对应结论。

仓库外的问题也要盯:依赖和平台不断披露新漏洞,Agent 定期读安全资讯,拿每条对照地图和代码,只在真正影响到自家 App 时才提醒团队。同一套 Skill 也用来评估准备引入的第三方库,让依赖拿到和自家代码一样的地图和结论。

常见坑

完成标准

同一家公司另一个思路是让 Agent 主动攻击生产环境、用裁判 Agent 兜底,见站内的 Shopify Cyber Chaos Monkey 拆解;两者一个守暴露面,一个找可利用的漏洞,可以搭配着看。

最后

先从深链这一个攻击面开始:让 Agent 列出全部路由和参数,逐条给结论,跑满一周再加 WebView 和存储。

关注公众号「智涌AI速递」

每天的 AI 快讯、实用教程和 AI项目实测,也会同步发到微信公众号。在微信里搜索「智涌AI速递」就能关注;不用微信的话,可以用 RSS 订阅本站。