feat(data):非污点类漏洞标注 issue #8

FIX_ENTRY_LOCATIONS.md

@@ -0,0 +1,51 @@
+# Entry 节点位置自动修复
+
+`scripts/fix_entry_locations.py` 根据节点的 `code` 检查并保守修复
+`entry_point`、`critical_operation` 和 `trace[*]` 的文件及行号。
+
+## 运行方式
+
+从仓库根目录执行完整检查：
+
+```bash
+python3 scripts/fix_entry_locations.py
+```
+
+默认生成：
+
+- `entries.fixed.jsonl`：保留全部 entry，只修改唯一确定的节点；
+- `fix_diff.csv`：自动修改前后的字段和采用的策略；
+- `needs_human.csv`：多处命中、找不到或源码不可用的节点；
+- `.cache/vulngym-source/`：按仓库复用的 Git 源码缓存。
+
+只检查未验证数据或指定样本：
+
+```bash
+python3 scripts/fix_entry_locations.py --only-unverified
+python3 scripts/fix_entry_locations.py --entry-id entry-00103 --entry-id entry-00320
+```
+
+已有完整缓存时可使用 `--offline`，确保运行期间不访问网络。其他路径可通过
+`--input`、`--output`、`--diff`、`--needs-human` 和 `--cache-dir` 修改。
+
+## 修复策略
+
+脚本先将每行代码去除首尾空白并折叠连续空白，从而容忍缩进及 tab/空格差异，
+同时按连续的非空代码行匹配多行片段。匹配失败后依次尝试：
+
+1. 原行号上下 5 行内唯一命中；
+2. 原文件内唯一命中；
+3. 整个 commit 中唯一命中。
+
+只有唯一命中才会修改。路径或行号变化后，脚本会同步更新 `desc` 中明确出现的
+旧路径和行号引用。所有修改写入 `fix_diff.csv`。
+
+多处命中、完全找不到、代码过短而无法安全搜索、候选范围过大或源码获取失败时，
+节点保持原样并写入 `needs_human.csv`。
+
+## 限制
+
+- 脚本只修复位置以及 `desc` 中明确的旧位置引用，不自动重写漏洞语义；
+- 极短片段（例如单独的 `}`）通常无法支持可靠的跨仓库定位；
+- 首次运行需要下载目标 commit，速度取决于网络和仓库大小；后续运行会复用缓存；
+- `needs_human.csv` 中的结果必须由人工结合漏洞上下文判断。

config_vuln_annotation.md

@@ -0,0 +1,84 @@
+# 配置类／非污点类漏洞标注
+
+## 1. 适用范围
+
+适用于根因来自静态配置、危险默认值、权限声明或缺少安全控制，而不是不可信输入传播的漏洞，例如：
+
+- Dockerfile 未声明 `USER`，容器继承基础镜像的 root 用户；
+- sudoers、IAM 或文件权限配置过宽；
+- 安全选项被关闭或必要限制缺失；
+- 第三方构建脚本以不必要的高权限执行。
+
+这类问题可以使用现有schema 表达，不应把配置关系强行标注为污点流或调用链。
+
+## 2. 字段标注原则
+
+### `entry_point`
+
+选择引入危险配置状态的最早可定位声明：
+
+- 不安全默认值未覆盖：选择引入默认值的位置，例如 `FROM`；
+- 显式危险配置：选择配置声明本身，例如 `NOPASSWD:ALL`；
+- 缺少配置项：不能伪造不存在的代码节点，应锚定真实声明，并在 `desc` 中注明检查范围和缺失项。
+
+### `critical_operation`
+
+选择核心缺陷或危险配置的生效位置：
+
+1. 有显式危险配置时，选择配置声明本身；
+2. 缺少安全覆盖项时，选择继承危险状态的 `CMD` 或 `ENTRYPOINT`；
+3. 没有显式运行入口时，选择能够证明危险权限被使用的执行指令，并在 `desc` 中明确它只代表构建阶段。
+
+必须区分“直接以 root 运行”和“非 root 用户可以通过 sudo 提权”。
+
+### `trace`
+
+`trace` 只记录配置状态的改变、激活或验证节点：
+
+- 普通 `COPY`、`WORKDIR`、安装和编译步骤不应为了补全链路而加入；
+- 两端已经能完整说明问题时，使用 `"trace": []`；
+- `entry_point` 和 `critical_operation` 可以指向同一危险配置，trace 可记录后续生效证据。
+
+## 3. `desc` 编写要求
+
+`desc` 应说明：
+
+1. 当前节点如何引入、保留或证明危险配置；
+2. 该配置为什么违反最小权限等安全要求。
+
+描述缺失项时应给出检查范围，例如：
+
+> 检查本 Dockerfile 第 1 至 23 行，未发现 USER 指令覆盖基础镜像的 root 默认用户。
+
+避免使用“权限沿 COPY 传播”“调用栈”等不符合配置语义的表述，也不能推断代码无法证明的运行状态。
+
+## 4. OpenClaw 样本处理
+
+| Entry | `entry_point` | `critical_operation` | `trace` |
+|---|---|---|---|
+| `entry-00241` | `FROM` 引入 root 默认值 | `CMD` 使配置在运行时生效 | 空 |
+| `entry-00242` | `FROM` 引入 root 默认值 | 最后的 `RUN pnpm install`，仅代表构建阶段 | 空 |
+| `entry-00243` | `FROM` 引入 root 默认值 | `ENTRYPOINT` 使配置在运行时生效 | 空 |
+| `entry-00244` | `NOPASSWD:ALL` | 同一危险配置 | `USER app` 和后续 sudo 命令 |
+
+四条样本均可由当前 schema 表达，不需要从 benchmark 删除。
+
+## 5. 向后兼容建议
+
+当前修复不增加字段。未来可考虑增加可选字段：
+
+```json
+{
+  "analysis_kind": "configuration",
+  "negative_evidence": {
+    "file": "scripts/e2e/Dockerfile",
+    "scope": "1-23",
+    "expected": "USER <non-root-user>",
+    "desc": "检查范围内未声明 USER。"
+  }
+}
+```
+
+可选字段不会改变现有字段类型，旧消费者可以直接忽略。
+
+修正后的记录继续保留 `verify: 0`，人工确认代码、行号和语义后才能改为 `1`。

config_vuln_changes.csv

@@ -0,0 +1,14 @@
+entry_id,field,before,after,reason
+entry-00241,entry_point.desc,"把普通构建层描述为 root 特权传播","明确 FROM 引入 root 默认值，并记录 1-23 行缺少 USER","配置状态不是污点传播"
+entry-00241,critical_operation.desc,"使用容器逃逸门槛等泛化影响描述","明确 CMD 是 root 默认身份的运行时生效点","解释节点为什么构成关键操作"
+entry-00241,trace,"7 个节点，包含 FROM、RUN、WORKDIR 和 CMD","空数组","中间构建指令没有改变有效用户配置"
+entry-00242,entry_point.desc,"声称后续所有容器应用进程均继承 root","只确认 1-9 行缺少 USER，后续显式构建命令为 root","文件没有显式 CMD 或 ENTRYPOINT"
+entry-00242,critical_operation.desc,"推断依赖注入攻击，未区分构建与运行阶段","限定为 pnpm 安装及生命周期脚本在构建阶段以 root 执行","避免超出代码证据"
+entry-00242,trace,"5 个节点并声称 root 延伸至容器运行时","空数组","FROM 到最终 RUN 的关系直接，且没有显式运行入口"
+entry-00243,entry_point.desc,"把所有中间指令称为特权传播链","明确 FROM 默认用户以及 1-14 行缺少 USER","配置继承不需要伪造传播链"
+entry-00243,critical_operation.desc,"以传播链终止节点描述 ENTRYPOINT","明确 ENTRYPOINT 是 root 配置的运行时生效点","使用配置生效语义"
+entry-00243,trace,"5 个节点，包含 apt-get、COPY、chmod","空数组","这些指令没有改变运行身份"
+entry-00244,entry_point,"FROM ubuntu:24.04（并错误声称最终进程继承 root）","第 18 行 NOPASSWD:ALL 配置","文件第 20 行实际存在 USER app"
+entry-00244,critical_operation,"第 29 行 ENTRYPOINT","第 18 行 NOPASSWD:ALL 配置","核心缺陷是无限制免密 sudo，而非 ENTRYPOINT 直接以 root 启动"
+entry-00244,trace,"7 个节点，混合基础镜像、构建步骤和运行入口","第 20 行 USER app 与第 27 行 sudo chmod 两个节点","只保留配置激活与可用性证据"
+GHSA-W7J5-J98M-W679,report.vuln_title,"OpenClaw has multiple E2E/test Dockerfiles that run all processes as root - Dockerfile","OpenClaw has multiple E2E/test Dockerfiles that run all processes as root","恢复 GitHub Advisory 的规范标题"