🛡️ SecureCode AI - 智慧型程式碼資安審計助手

SecureCode AI 是一個基於 RAG (Retrieval-Augmented Generation) 技術的程式碼審計工具。它結合了 Google Gemini 的強大語言理解能力與 OWASP Top 10 資安知識庫，能即時分析程式碼中的安全漏洞、評估時間複雜度，並提供自動重構建議。

✨ 主要功能

1. 🐛 資安漏洞檢測：自動識別 SQL Injection, XSS, Path Traversal 等常見漏洞 (Mapping to OWASP Top 10)。
2. 📉 複雜度分析：計算程式碼的 Big O 時間複雜度，找出潛在的效能瓶頸。
3. 🛠️ 自動重構建議：AI 自動生成修復後的安全程式碼片段，並附帶詳細改善說明。
4. 💻 現代化 UI：基於 Streamlit 打造的響應式介面，支援語法高亮與動態視覺效果。

🚀 快速開始

1. 安裝環境

建議使用 Python 3.11 版本。

# 建立虛擬環境 (Optional but recommended)
python -m venv venv
# Windows
.\venv\Scripts\activate
# Mac/Linux
source venv/bin/activate

# 安裝相依套件
pip install -r requirements.txt

2. 設定 API Key

請在專案根目錄建立一個 .env 檔案，並填入您的 Google Gemini API Key： GOOGLE_API_KEY=你的_GOOGLE_API_KEY_這裡 申請Google API(https://aistudio.google.com/app/apikey)

3. 啟動應用程式

streamlit run app.py
📂 專案結構
Plaintext

SecureCode-AI/
├── knowledge_base      # OWAS top10 2021/2025、CWE資料
├── app.py              # Streamlit 前端介面主程式
├── check_models.py     # 檢查有什麼模型在線
├── create_vector_db.py # 建立向量庫
├── data_ingestion.py   # 從網路上下載OWAS top10 2021/2025 md檔案
├── fetch_cwe.py        # 將CWE轉成MD格式
├── rag_engine.py       # RAG 核心邏輯 (LangChain + Gemini + ChromaDB)
├── requirements.txt    # 專案相依套件清單
├── .env                # 環境變數 (請勿上傳此檔案)
├── .gitignore          # Git 忽略清單
└── README.md           # 專案說明文件

安裝好環境後須先執行 create_vector_db.py 將md檔案轉成向量存入ChromaDB

python create_vector_db.py

若knowledge_base無載好的md檔案，需先執行 data_ingestion.py 下載資料然後使用 fetch_cwe.py 將CWE轉為MD格式 再進行上述的 create_vector_db.py

python data_ingestion.py
python fetch_cwe.py.py
python create_vector_db.py

🛠️ 技術棧

Frontend: Streamlit

LLM Orchestration: LangChain

Model: Google Gemini (via Google AI Studio)

Vector Database: ChromaDB

📝 License This project is licensed under the MIT License.