@deepwhale-cn/dsh-ai-output-trust

AI 输出信任边界 —— 检查代码有没有直接执行 AI 输出。

不装它会怎样

你的 agent 里有这么一行：

eval(aiResponse);

想法是「让模型生成一小段脚本，我执行它」。

但 AI 输出是不可信输入 —— 它可能被提示注入控制，也可能自己发挥。 你等于把任意代码执行权交给了一个概率模型。

OWASP 把这单列为 LLM05 Improper Output Handling。

它查什么

级别	内容
🔴 严重	eval(aiResponse) / new Function(...)
🔴 严重	AI 输出拼进 exec / spawn
🟠 高	AI 输出拼进 SQL
🟠 高	文件路径来自 AI 输出（路径穿越）

它不会误报「只是调了模型」

变量识别用精确命名，不是「看到 .content 就报」。

这段不报（调了模型，但当成不可信输入处理）：

const raw = result.choices[0].message.content;
const parsed = safeJsonParse(raw);
if (!schema.validate(parsed)) throw new Error('invalid');

这段报：

eval(aiResponse);

正确的做法

AI 输出 → 结构化解析 → Schema 校验 → 白名单分支
        → 参数化查询
        → 路径规范化 + 断言在允许根目录内

安装

dsh plugin --profile web add @deepwhale-cn/dsh-ai-output-trust
# 或纯 CLI
npx @deepwhale-cn/dsh-ai-output-trust

用法

dsh-ai-output-trust --demo          # 看检出效果
dsh-ai-output-trust --list-rules    # 列出规则和依据
dsh-ai-output-trust --html r.html

边界

• 只查四种明确的高危用法（eval / shell / SQL / 路径）。其它「间接信任」不在范围。
• 靠变量命名识别 —— 建议统一命名（ai* / llm* / model*），否则会漏。
• 不做数据流分析，只看调用点附近。
• 与 dsh-ci-guard 分工：那个查 GitHub Actions 脚本注入，这个查运行时。

本插件是一个工具。使用者必须遵守所在地区法律法规，对使用本项目造成的任何后果自行承担责任。

License

MIT © 深鲸 DeepWhale