一段"完全合规"的代码，和一个危险的漏洞
先看一段代码：
@RestController
@RequestMapping("/api/order")
public class OrderController {
@GetMapping("/{id}")
public Order getOrder(@PathVariable String id) {
return orderRepo.findById(id).orElseThrow();
}
}
这段代码语法完全合规，没有SQL拼接，没有XSS输出，没有命中任何传统安全规则，任何一款SAST工具扫过，都会给出"通过"的结论。但它存在一个严重的安全漏洞：任何已登录用户只需要修改URL中的订单ID，就能访问别人的订单信息。
这就是越权漏洞，代码逻辑上没有"错"，但业务安全上存在致命缺陷。
越权漏洞：应用安全的最大威胁面
越权漏洞的本质是"权限校验缺失"。系统在处理用户请求时，没有验证当前用户是否有权访问目标资源，导致用户可以越权操作不属于自己的数据或功能。
越权漏洞通常分为几类：
水平越权是最常见的一种：同一权限级别的用户A可以访问用户B的数据，比如查看他人订单、修改他人资料、获取他人账单。
垂直越权则是低权限用户执行了高权限操作，比如普通用户调用了管理员接口。
还有更隐蔽的业务逻辑越权：支付金额篡改、优惠券重复领取、短信接口轰炸、回调验签绕过，这些漏洞和具体业务强绑定，不存在通用的检测规则。
行业实测数据表明，越权类漏洞占应用安全漏洞的60%–70%，所有逻辑类漏洞的占比高达95%以上。换句话说，你的安全工具每年报出的几千条告警里，绝大多数是注入、XSS这类传统漏洞，而真正最常被攻击者利用、造成损失最大的那些漏洞，可能一条都没有报出来。
为什么SAST检不出越权？
要回答这个问题，需要先理解SAST的工作原理。
传统SAST的核心能力是"模式匹配"。它基于预定义的规则库，在代码中搜索特定的危险模式，比如SQL拼接（SQL注入风险）、未过滤的HTML输出（XSS风险）、不安全的反序列化调用等等。这些规则针对的是"语法层面的危险特征"：代码中是否存在一个明确的危险函数调用，或者一条可控的数据流从不安全的输入到达了敏感的sink点。
但越权漏洞完全不在这一套逻辑里。回到开头的OrderController例子，这段代码没有任何危险函数调用，没有SQL拼接，没有HTML输出，数据流也是"正常"的。它的问题不在于"做了什么危险的事"，而在于"没做一件该做的事"：没有校验当前用户是否是这个订单的属主。
SAST无法理解"应该存在但缺失"的逻辑。它只能检测代码中"存在"的危险模式，无法判断代码中"缺少"了必要的业务校验。这是SAST在原理层面的盲区，不是规则数量的问题，你加再多规则，也无法穷举所有"应该校验但没有校验"的场景。
具体来说，SAST在越权检测上面临三重困难。
第一，越权判断依赖业务语义。
"这个接口是否应该校验用户身份"，这个问题的答案不在代码语法里，而在业务规则里。一个订单查询接口需要校验属主，一个公开的商品列表接口不需要，SAST无法区分这两者，因为它不理解"订单"是私密数据、"商品列表"是公开信息。
第二，越权验证需要跨文件追踪。
权限校验逻辑往往不在Controller层，而是在拦截器、过滤器、AOP切面或者中间件里。SAST需要追踪完整的调用链，从请求入口到权限校验点到数据访问层，判断整条链路上是否存在有效的鉴权。一旦调用链跨越多个文件和模块，传统SAST的追踪能力就会大幅下降。
第三，越权漏洞的"攻击路径"需要语义推理。
要确认一个越权漏洞是否真实存在，需要理解：这个接口的输入是什么、数据从哪来、有没有经过权限校验、最终访问了什么资源。这一系列判断需要理解代码的业务含义，而不只是语法结构。
正确的解法：SAST做事实，AI做推理
既然SAST有盲区，纯AI又不够靠谱，成本爆炸、语义幻觉、全局视野缺失。那正确的路线是让两者协同：SAST负责精确构建代码的完整结构，AI负责在结构之上做语义级推理。各自的盲区正好是对方的舒适区。
泛联新安的Omni Security基于这个思路，用SAST底座构建精确的代码元数据，再由AI Agent在结构化事实之上做语义级推理。具体到越权检测，它的推理过程是这样的：
① PathVariable id是用户可控输入；
② 当前Controller路径上未发现owner == currentUser校验；
③ findById直接返回Order实体；
④ 任意已认证用户可访问任意订单。
输出：CWE-639 IDOR，置信度0.94。
同时自动生成PoC：curl /api/order/10086 -H "Authorization: attacker"，直接证明漏洞可被触发。
这就是"检测+验证"的闭环：不是告诉你"这里可能有问题"，而是给你一条可以直接执行的攻击路径，证明这个问题确实能被触发。
越权检测的实际效果
在某股份制银行的实测中，Omni Security当场对两个代码仓分别检出40+个越权风险，这些问题此前经过多轮人工渗透测试和传统SAST扫描，全部漏掉了。在PoC生成与验证方面，1050份测试报告中仅1份误报，Recall超过95%，单条检测成本仅$0.03。
从发现到修复
发现越权只是第一步。Omni Security的修复Agent会根据漏洞上下文直接生成修复代码，比如在水平越权场景中，自动在数据访问前插入属主校验逻辑，研发审阅后一键应用。同时，Skill机制允许安全团队将敏感接口清单、可信数据源等信息沉淀为配置，AI基于这些配置做检测，越用越贴合业务实际，误报持续降低。
越权漏洞不是新事物，但在AI加速攻击的今天，它的危害正在被放大。当攻击者用AI秒级发现并武器化每一处越权缺陷时，防守方如果还在靠人工渗透和传统规则做检测，这场不对称的较量结局已经可以预见。理解越权漏洞的本质、找到正确的检测方式，是每一个安全团队需要正视的问题。
