01Core pain point and demand
HWASan 基于 16 字节 tag granule 检测内存错误，无法发现 granule 内部的堆越界读取（intra-granule over-read），而 ASan 使用字节级 redzone 可以捕获，导致同一漏洞在两种 sanitizer 下结果不一致，开发者难以判断该信任哪个工具。
02Product solution
开发一个 AI 驱动的分析工具，自动对比 HWASan 和 ASan 的检测报告，识别因 granule 粒度差异导致的漏报，并给出漏洞可信度评分和修复建议。工具可集成到 CI/CD 流程，提供统一报告。
03Monetization and business model
采用 SaaS 订阅模式，按项目或团队收费；提供免费试用版和高级功能（如 CI 集成、历史趋势分析）。也可通过企业定制化部署和技术支持盈利。
04Action steps
- 1调研 HWASan 和 ASan 在 arm64 Android 上的具体差异案例，收集测试样本。
- 2开发原型工具，解析两种 sanitizer 的输出日志，实现差异对比算法。
- 3集成 AI 模型，对差异进行归因分析，评估漏洞真实风险。
- 4构建用户界面和 CI/CD 插件（如 GitHub Actions、Jenkins）。
- 5邀请安全研究员进行 beta 测试，收集反馈并迭代。
- 6发布正式版，通过安全社区和会议推广。
- 7持续更新规则库，适配新版本 Android 和 LLVM。
05Risk notice
技术风险：HWASan 和 ASan 行为可能随版本变化，需持续维护；市场风险：目标用户群体较小，需验证付费意愿；竞争风险：Google 可能官方改进工具，削弱第三方价值。