Lagune og Deepsec (v2.2.1) er to defensive svar på det samme problemet: sikkerhet i en tid der KI hjelper til med utviklingen. Premisset, begynnelsen, midten og slutten, og måten hvert av dem presenterer seg for brukeren på, skiller seg bevisst fra hverandre, også der mekanikken overlapper.

tip

Er Lagune inspirert av Deepsec? Nei, Lagune er skrevet fra bunnen av og er inspirert av Spec-Driven Development og Security Hardening. De to prosjektene er utviklet uavhengig av hverandre, og sammenligningen her skal hjelpe brukerne med å forstå forskjellene.

Kort oppsummert

Aspekt	Lagune	Deepsec
Type	En metodikk (SDH) med en referanseimplementasjon	Et produkt: en agentdrevet sårbarhetsskanner
Tyngdepunkt	Sikkerhetsprinsipper og kunnskap som lastes ved behov, styrer agenten, forankret i deterministiske hooks	Et bredt regex-nett mater en obligatorisk KI-undersøkelse
Hva det leverer	Herdet kode, bevis og en sporet kjede av funn	En triagert rapport med funn, rangert etter alvorlighetsgrad
Endrer koden din	Ja: harden redigerer koden din	Nei: bare statisk analyse, leverer funn og anbefalingstekst
Kjøremiljø	Kjører på agenten og modellen du allerede bruker, uansett nivå	Kjører sin egen modellpipeline, som standard med en frontier-modell
Kom i gang	Én plugininstallasjon eller npx skills add, og deretter styrer du det med vanlig språk, uten noe nytt verktøy å sette opp	Sett opp et arbeidsområde .deepsec/, installer avhengigheter og legg til en modellnøkkel

Slik fungerer det

I Lagune kommer agenten først: Den styrer, henter inn kunnskap ved behov ut fra hva koden er, og overlater til de deterministiske hookene den delen de kan avgjøre.

I Deepsec kommer det deterministiske først: En bred skanning flagger kandidater som viser en obligatorisk modell hva den skal undersøke og vurdere.

Aspekt	Lagune	Deepsec
Rekkefølge	Sikkerhetsprinsippene og kunnskapen som passer, styrer agenten, som delegerer til hooks og vurderer resten selv	Matchere flagger kandidater, modellen undersøker og vurderer hver av dem
Deterministisk rolle	Hooks for flere språk som gir en konklusjon eller retter inn agenten, kombinert med kunnskapen i kategoriene	Matchere som flagger kandidater for den obligatoriske modellen å vurdere
Utviklingsflyt	/lagune bygger sikkert underveis mens du koder	Det gjennomgår kode, men skriver den ikke
Revisjonsflyt	charter → detect → plan → harden → verify	scan → process → triage → revalidate → report
Oppgaven til KI-en	Resonnere ut fra kunnskapen, ta i bruk utbedringen og bevise at den holder	Undersøke hver kandidat og rapportere funnene

Livssyklus

Lagune virker før, under og etter at koden er skrevet. Deepsec gjennomgår et repository når koden finnes.

Tidspunkt	Lagune	Deepsec
Før koden finnes	charter lager en sikkerhetspolicy ut fra uttalte intensjoner	Starter fra eksisterende kode: init trenger en mappe
Under byggingen	/lagune bygger sikkert som standard underveis, uten å etterlate noen artefakt	Gjennomgår etter byggingen, ikke underveis
På eksisterende kode	detect → plan → harden → verify	scan → process, kjerneflyten
Løpende gjennomgang	Kjør fasene på nytt per omfang, ingen ferdigpakket CI-sperre	Inkrementell ny skanning, process --diff som exit-sperre i CI

Deteksjonslag

De to deterministiske lagene er motsatte av natur: Det ene avgjør, det andre flagger.

Aspekt	Lagune	Deepsec
Gruppering	Hooks og spesialiseringer, gruppert i kategorier	Matchere per mønster eller rammeverk
Utdata	Bokstavelig konklusjon (finding / review / advisory) pluss en klassifiseringsetikett	Kandidat uten konklusjon (slug, linjer, kodeutdrag, matchet mønster)
Justering	Presisjon: tar hensyn til kommentarer, med vern for plassholdere og søkevinduer	Recall: brede nett, KI-en luker ut falske positiver etterpå
Dybde	Dypere på klassene begge dekker	Bredere, men mindre dyp på klassene begge dekker
Falske positiver	Holdes lave ved kilden og vurderes deretter i kontekst	Overproduseres med vilje og skjæres ned av en runde med revalidate

Kunnskap og vurdering

Begge har sikkerhetskunnskap som regex ikke kan uttrykke. De skiller seg i hvor den ligger, og hvem som kan forme den.

Aspekt	Lagune	Deepsec
Form	Redigerbare markdown-moduler, flere av dem støttet av en deterministisk hook	En kort prompt og høydepunkter per teknologi, som bygger på modellens egen kunnskap
Utvalg	Tilpasset koden, lastes bare når konteksten finnes	Settes inn i hver KI-batch, pluss høydepunkter for teknologien som er oppdaget
Hvem som skriver den	Brukeren redigerer moduler og legger til nye med specialize	Vedlikeholderen eier prompten, brukeren fyller ut en INFO.md
Hvor vurderingen ligger	Hookene avgjør sitt grunnlag, agenten vurderer resten ut fra kunnskapen	Sentralisert: én KI-prosessor vurderer hver kandidat
Gjenbruk	Én modul styrer både detect og verify	Én prompt driver det eneste trinnet, process

Funn og lukking

Størst forskjell er det på hva et funn blir når det er løst.

Aspekt	Lagune	Deepsec
Alvorlighetsgrad	En CVSS v4.0-score, justert for eksponering og hva som står på spill	En alvorlighetsgrad fra KI, pluss en triage P0 / P1 / P2 av utnyttbarhet og konsekvens
Konklusjoner	Risk closed, Risk not closed eller Cannot tell from the code	true-positive, false-positive, fixed, uncertain, accepted-risk, duplicate
Lagring	Arbeidskjeden avstemmes, lukkede funn destilleres til en historikk	Poster per fil som bare utvides, ingenting fjernes
Sluttilstand	Lukkbar: Et bevist funn tas ut, og kjeden kan komme i ro	Hvert funn beholdes for godt og skjules i visningene når det er løst
Detaljnivå i historikken	Et kompakt sammendrag av hva risikoen var	Hele sporet av konklusjoner, inkludert hvordan det ble utbedret

Kostnad

Aspekt	Lagune	Deepsec
Deterministisk grunnlag	Gratis: Hooks kjører uten KI og uten nøkkel, og gir allerede konklusjoner	Gratis: scan kjører uten KI, men gir ingen konklusjoner alene
Typisk regning	Inngår i en agent du allerede kjører: ned til 0 dollar med en lokal modell, prisen på abonnementet du allerede har, eller per iterasjon ved bruk via API	Omtrent 25 til 1200 dollar per kjøring for 100 til 2000 filer, mer i større skala
Billigste vei	Hvilken som helst modell, også en gratis lokal, lukker syklusen	Det finnes billigere betalte nivåer, men funn krever det betalte KI-trinnet

Utvidbarhet og styring

Hver av dem åpner laget den andre holder lukket.

Aspekt	Lagune	Deepsec
Hva du utvider	Redigere moduler, eller legge til nye via specialize	Legge til matchere, agenter, varslere og eierskap
Policylag	Sikkerhetsprinsippene styrer hver fase og er versjonert	Konfigurasjonen er operativ (matchere, modeller, stier)
Overstyring via navn	En forbedret modul overstyrer den innebygde	Ved kollisjon mellom matcher-slugs vinner din matcher

Grensesnitt

Deepsec leverer resultater til en sikkerhetsorganisasjon. Lagune viser en live-visning for den som kjører det.

Aspekt	Lagune	Deepsec
Flate for mennesker	Et lokalt live-dashbord over hele kjeden, på vanlig språk	Filer for rapport, eksport, metrikker og PR-kommentarer, pluss et dokumentasjonsnettsted
Ansvar	Viser filer og spesialiseringene som ble brukt	Foreslår en ansvarlig: vakthavende, leder eller committer
Reproduserbart bevis	prove skriver kjørbare tester og et sikkerhetsvarsel for offentliggjøring	Forblir statisk med vilje og kjører aldri målet
Verktøyets eget forsvar	Herder et lokalt skrive-API i dashbordet	Herder sin egen KI-kjøring mot ikke-klarert målkode

Skala og utrulling

Aspekt	Lagune	Deepsec
Installasjon	Ni kommandoer fra pluginen til agenten din eller CLI-en til skills, uten at noe opprettes i prosjektet	Et arbeidsområde .deepsec/ med egen pakke og egne avhengigheter
Skaleringsretning	Avgrenses til et hvilket som helst utsnitt, en kontekst, fra én fil til hele prosjektet	Skanner hele repositories, helt opp til store monorepos
Distribusjon	Bare lokalt, den ene serveren lytter på loopback	Valgfri fordeling over worker-VM-er i Vercel Sandbox

Brukeropplevelse

Hvordan hver av dem møter den som kjører dem: hva den første kjøringen krever, og hvordan brukeren styrer dem.

Oppstart

Lagune kjører gjennom agenten som allerede er åpen. Deepsec setter først opp sitt eget arbeidsområde og tilgang til modellen.

Aspekt	Lagune	Deepsec
Første kommando	Plugininstallasjonen eller npx skills add wellwelwel/lagune, deretter /lagune-* i agenten	npx deepsec init, deretter cd .deepsec, pnpm install, scan, process
Påloggingsdetaljer for å kjøre	Ingen egen nøkkel, det bruker agenten du har nå	En modellnøkkel (f.eks. AI Gateway, et OIDC-token fra Vercel som varer i 12 timer, eller et token fra Anthropic)

Styring

Begge tar imot føringer. Lagune leser formen på inndataene i hver fase. Deepsec snevrer inn filutvalget den samme undersøkelsen kjører over.

Aspekt	Lagune	Deepsec
Hele prosjektet	En fase uten inndata skanner hele omfanget	scan og process skanner hele repositoryet
Et utsnitt	Alle faser kan avgrenses til gitte filer eller mapper	--files, --files-from eller --diff avgrenser kjøringen
En problemstilling	En fase kan avgrenses til en beskrevet bekymring	Prompten for undersøkelsen er fast
Et prioritetsnivå	harden og verify kan avgrenses til kritisk, høy, middels eller lav	Funn merkes etter kjøringen
Én enkelt verdi	En hook vurderer ett kodeutdrag, ett mønster eller én URL direkte (--pattern, --url)	Arbeidsenheten er en fil

Vanlige spørsmål

I Lagune kommer agenten først, og det virker før, under og etter at koden er skrevet: Det fastsetter policy før koden finnes, herder underveis mens du bygger, og reviderer, herder og verifiserer kode som allerede er skrevet. I Deepsec kommer det deterministiske først: En bred regex-skanning mater en obligatorisk undersøkelse med en frontier-modell, som gjennomgår eksisterende kode og rapporterer funn uten å endre den.

Hele flyten i Lagune kan kjøre for 0 dollar på en gratis lokal modell, og de deterministiske hookene gir konklusjoner helt uten KI. Skanningen i Deepsec er gratis, men gir ingen konklusjoner, så alle funn krever det betalte KI-trinnet.

Lagune gjør det: harden tar i bruk utbedringer i koden din. Deepsec gjør det ikke: Det er bare statisk analyse og leverer funn og anbefalingstekst som en person eller agent tar i bruk separat.