SAST: analizzare il codice senza eseguirlo

Tue, 14 Apr 2026 09:00:00 +0200

Perché conta

Tolti i segreti dal codice, possiamo analizzare il codice stesso. Il SAST (Static Application Security Testing) legge il sorgente — senza eseguirlo — cercando pattern che portano a vulnerabilità. È il primo controllo che tocca la logica di ciò che scriviamo, e si attiva prima ancora della compilazione, nel punto più a sinistra possibile dopo il threat modeling.

Cosa trova (e cosa no)

Il SAST eccelle sui difetti locali e riconoscibili nel codice:

Injection (SQL, comandi, LDAP): input non sanitizzato che finisce in una query o in una shell.
Path traversal, XSS, deserializzazione insicura.
Crypto debole: MD5 per le password, algoritmi deprecati, chiavi hardcoded.
Pattern pericolosi: eval, formattazione di stringhe in query.

Non vede i difetti che emergono solo a runtime o dalla configurazione: un bucket pubblico, un header mancante, una logica di autorizzazione sbagliata che il codice esprime “correttamente”. Per quelli servono DAST e analisi di configurazione, capitoli successivi.

Come funziona: la taint analysis

Il cuore del SAST moderno è l’analisi del flusso dei dati contaminati (taint): segue un dato da una sorgente non fidata (input utente) fino a un sink pericoloso (una query), controllando se passa per un sanitizer.

  flowchart LR
    SRC["Source<br/>request.getParameter()"] -->|dato contaminato| F[Flusso nel codice]
    F --> SAN{"Passa da un<br/>sanitizer?"}
    SAN -->|no| SINK["Sink<br/>db.execute(sql)"]
    SAN -->|sì| OK[Sicuro]
    SINK --> V[VULNERABILITÀ:<br/>SQL injection]
    style V fill:#fde2e4,stroke:#e63946

Se un dato arriva dalla sorgente al sink senza sanitizzazione, lo strumento segnala. Questo spiega sia la potenza (trova catene non ovvie) sia i limiti (non sa che una certa funzione è un sanitizer se non gliel’hai detto → falso positivo).

Il problema dei falsi positivi

Il SAST ingenuo è famoso per il rumore. Un tool che segnala 500 problemi di cui 480 irrilevanti viene disattivato in una settimana. Le contromisure in una pipeline sana:

# esempio di gate SAST ragionevole nella CI
sast:
  fail_on: high          # blocca solo su severità alta, non su tutto
  diff_aware: true       # analizza solo il codice cambiato nella PR
  baseline: true         # ignora il debito preesistente, blocca il NUOVO
  suppress_with: comment # i falsi positivi si marcano, tracciati e revisionati

Le righe evidenziate sono ciò che rende il SAST sopportabile: blocca solo il nuovo rischio alto, non tutto il debito storico, e lascia una via esplicita (tracciata) per i falsi positivi.

Nel flusso di lavoro

Il posto giusto è la pull request: il feedback arriva come commento in linea, nel contesto, a chi ha appena scritto quel codice. Molti team aggiungono il SAST anche nell’IDE (feedback in tempo reale) e un passaggio nella CI come gate. Regole personalizzate (Semgrep rende questo semplice) codificano gli abuse case del threat model: la minaccia diventa una regola che fallisce se la falla ritorna.

Domanda: se il SAST ha tanti falsi positivi e non vede i difetti di runtime, perché non affidarsi solo al DAST che testa l'app reale?

Perché vedono cose diverse e in momenti diversi, e scartarne uno lascia un buco. Il SAST ha una visibilità totale sul codice — ogni ramo, ogni percorso, anche quelli che un test dinamico non raggiungerebbe mai senza l'input giusto — e dà feedback sulla singola riga, in fase di scrittura, quando correggere costa un minuto. Il DAST vede l'applicazione viva, quindi trova i difetti di configurazione e di ambiente che il SAST ignora, ma solo sui percorsi che riesce effettivamente a esercitare, e arriva tardi, in staging, quando il codice è già scritto e il contesto mentale perso. Non sono ridondanti, sono complementari: il SAST è la copertura ampia e precoce con il prezzo del rumore, il DAST è la conferma realistica ma tardiva e parziale. La risposta ai falsi positivi non è eliminare il SAST, è configurarlo bene — diff-aware, baseline, gate solo su severità alta, regole tarate sul tuo codice — così il segnale emerge dal rumore. Un difetto di injection trovato dal SAST sulla pull request costa un commento; lo stesso difetto trovato dal DAST in staging costa un ticket; trovato in produzione costa un incidente. Vuoi entrambe le reti, non la più comoda.

Conclusione

Il SAST legge il codice senza eseguirlo e segue i dati contaminati dalla sorgente al sink: ampio, precoce, ma rumoroso se non tarato su diff, baseline e severità. Cattura però solo il codice che scriviamo noi. La maggior parte di un’applicazione moderna, però, è codice che non abbiamo scritto: le dipendenze. Analizzarle è un problema diverso — la Software Composition Analysis, prossimo capitolo.