Cloudflares security-audit-skill erklärt: Wie mehrstufige KI-Agenten deinen Code auf Sicherheitslücken prüfen

Wenn du Code in einen normalen KI-Chat kopierst und fragst: „Gibt es hier Sicherheitslücken?“, ist das Ergebnis fast immer enttäuschend. Das Modell meldet fehlende Header oder oberflächliche Checklisten-Punkte, übersieht aber komplexe Autorisierungsfehler (IDOR) oder Cache-Poisoning über mehrere Dateien hinweg.

Um genau dieses Problem zu lösen, hat Cloudflare das Paket cloudflare/security-audit-skill als Open Source (MIT-Lizenz) veröffentlicht – genau den Coding-Agent-Skill, aus dem Cloudflares eigenes internes System zur Schwachstellenerkennung entstanden ist. Auf GitHub hat das Projekt bereits über 47.000 Sterne gesammelt.

1. Warum einfache Security-Prompts scheitern

1. Lückenhafte Abdeckung (Coverage Gaps): In großen Repositories verliert ein einzelner Agent schnell den Überblick darüber, welche Endpunkte und Vertrauensgrenzen (Trust Boundaries) bereits geprüft wurden.
2. Bestätigungsfehler (Confirmation Bias): Sobald ein LLM eine verdächtige Stelle sieht, versucht es seine Hypothese zu bestätigen – und produziert Fehlalarme (False Positives).
3. Verwechslung von Hardening und echten Lücken: Wenn Schicht A einen Angriff bereits blockiert, ist das Fehlen von Schicht B eine Härtungsnotiz, aber keine kritische Schwachstelle.

Cloudflares security-audit-skill kombiniert deshalb isolierte Sub-Agenten mit deterministischen Node.js-Validatoren (validate-coverage-ledger.cjs und validate-findings.cjs).

2. Die 6 Phasen der Sicherheitsprüfung

[Phase 1: Reconnaissance] ──▶ Architektur & Eingabeflächen in coverage-ledger.json erfassen
           │
           ▼
[Phase 2: Coverage-Led Hunting] ──▶ Isolierte Hunter-Sub-Agenten für 10 Angriffsklassen
           │
           ▼
[Phase 3: Candidate Validation] ──▶ Frischer Verifier-Agent versucht jeden Fund zu WIDERLEGEN
           │
           ▼
[Phase 4 & 5: Structured Output & Verification] ──▶ Schema-Prüfung in findings.json
           │
           ▼
[Phase 6: Target-Neutral Reporting] ──▶ Erzeugt REPORT.md & FINDINGS-DETAIL.md

• Phase 1 (Reconnaissance): Erstellt architecture.md und coverage-ledger.json, damit keine Datei übersehen wird.
• Phase 2 (Hunting): Spezialisierte Hunter-Agenten prüfen 10 Domänen (darunter WEB-PROTOCOL-AND-AUTH.md, AI-AND-LLM.md, DATA-ISOLATION-AND-LIFECYCLE.md und SUPPLY-CHAIN-AND-RELEASE.md).
• Phase 3 (Adversarial Validation): Die goldene Regel lautet: „Der Agent, der einen Fund überprüft, ist niemals der Agent, der ihn gefunden hat.“ Ein unabhängiger Verifier-Agent versucht aktiv, die gemeldete Lücke zu widerlegen.

3. Installation & Nutzung in 10 Sekunden

Installiere den Skill über die Skills CLI:

npx skills add https://github.com/cloudflare/security-audit-skill \
  --skill security-audit \
  --global

Starte danach deinen Coding-Agenten im Projektverzeichnis und gib folgenden Befehl ein:

security audit this codebase