hedgerow-dev 发布 Rowan：支持代码、模型与MCP配置的开源静态应用安全扫描工具

开发者 hedgerow-dev 发布了名为 Rowan 的开源静态应用安全扫描工具（SAST），专门用于检测 AI 应用中的安全风险，包括代码注入、不安全反序列化、SSRF、泄露密钥以及危险的 Agent 工具和模型加载问题。该工具在 Alpha 阶段运行，不执行用户代码，而是通过读取源代码和模型文件生成需人工复核的证据报告，强调清理的报告不能证明项目绝对安全。

Rowan 的核心能力在于其覆盖了传统 SAST 未触及的 AI 特定领域，能够分析 MCP 配置文件、Prompt 文件及多种模型格式（如 Pickle, PyTorch, GGUF, SafeTensors 等）。它基于 Opengrep 引擎构建，包含 590 条规则（400 条正则规则与 190 条污点追踪规则），支持 Python 和 JS/TS 的深度跨文件数据流分析。隐私方面，默认扫描不连接 LLM 或上传代码，仅在进行依赖漏洞检查时向 OSV 发送包名和版本信息，且可通过 --no-sca 参数完全离线运行。

从工程实践推断，Rowan 的出现填补了 AI 原生应用安全评估的工具空白，特别是针对 Agent 工具调用和模型加载机制的静态分析。对于正在构建涉及 MCP 或复杂 Agent 工作流的产品团队，该工具可作为 CI/CD 流程中的第一道防线，用于识别高风险发现并建立基线。事实层面，该工具目前处于 Alpha 阶段，规则库规模明确为 590 条；推断层面，其引入可能推动行业将模型文件安全纳入常规代码审查流程；猜测层面，未来版本可能会扩展对其他语言（如 Java、Rust）的深度分析能力，但目前仅支持有限模式检查。