Pattern Detection When to use this skill 코드 리뷰: 문제 패턴 사전 감지 보안 검토: 취약점 패턴 스캔 리팩토링: 중복 코드 식별 모니터링: 이상 징후 알림 Instructions Step 1: 코드 스멜 패턴 감지

긴 함수 감지:

50줄 이상 함수 찾기

grep -n "function|def|func " */.{js,ts,py,go} | \ while read line; do file=$(echo $line | cut -d: -f1) linenum=$(echo $line | cut -d: -f2) # 함수 길이 계산 로직 done

중복 코드 패턴:

유사한 코드 블록 검색

grep -rn "if.==.null" --include=".ts" . grep -rn "try\s{" --include="*.java" . | wc -l

매직 넘버:

하드코딩된 숫자 검색

grep -rn "[^a-zA-Z][0-9]{2,}[^a-zA-Z]" --include="*.{js,ts}" .

Step 2: 보안 취약점 패턴

SQL Injection 위험:

문자열 연결로 SQL 쿼리 생성

grep -rn "query.+.\$|execute.%s|query.f\"" --include=".py" . grep -rn "SELECT.+.||" --include=".{js,ts}" .

하드코딩된 시크릿:

비밀번호, API 키 패턴

grep -riE "(password|secret|api_key|apikey)\s=\s['\"][^'\"]+['\"]" --include="*.{js,ts,py,java}" .

AWS 키 패턴

grep -rE "AKIA[0-9A-Z]{16}" .

위험한 함수 사용:

eval, exec 사용

grep -rn "eval(.)|exec(.)" --include="*.{py,js}" .

innerHTML 사용

grep -rn "innerHTML\s=" --include=".{js,ts}" .

Step 3: 코드 구조 패턴

임포트 분석:

사용되지 않는 임포트 후보

grep -rn "^import|^from.import" --include=".py" . | \ awk -F: '{print $3}' | sort | uniq -c | sort -rn

TODO/FIXME 패턴:

미완성 코드 찾기

grep -rn "TODO|FIXME|HACK|XXX" --include="*.{js,ts,py}" .

에러 핸들링 패턴:

빈 catch 블록

grep -rn "catch.{[\s]}" --include="*.{js,ts,java}" .

무시되는 에러

grep -rn "except:\spass" --include=".py" .

Step 4: 데이터 이상 패턴

정규식 패턴:

import re

patterns = { 'email': r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,}', 'phone': r'\d{3}[-.\s]?\d{4}[-.\s]?\d{4}', 'ip_address': r'\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}', 'credit_card': r'\d{4}[-\s]?\d{4}[-\s]?\d{4}[-\s]?\d{4}', 'ssn': r'\d{3}-\d{2}-\d{4}', }

def detect_sensitive_data(text): found = {} for name, pattern in patterns.items(): matches = re.findall(pattern, text) if matches: found[name] = len(matches) return found

통계적 이상 탐지:

import numpy as np from scipy import stats

def detect_anomalies_zscore(data, threshold=3): """Z-score 기반 이상치 탐지""" z_scores = np.abs(stats.zscore(data)) return np.where(z_scores > threshold)[0]

def detect_anomalies_iqr(data, k=1.5): """IQR 기반 이상치 탐지""" q1, q3 = np.percentile(data, [25, 75]) iqr = q3 - q1 lower = q1 - k * iqr upper = q3 + k * iqr return np.where((data < lower) | (data > upper))[0]

Step 5: 트렌드 분석 import pandas as pd

def analyze_trend(df, date_col, value_col): """시계열 트렌드 분석""" df[date_col] = pd.to_datetime(df[date_col]) df = df.sort_values(date_col)

# 이동 평균
df['ma_7'] = df[value_col].rolling(window=7).mean()
df['ma_30'] = df[value_col].rolling(window=30).mean()

# 성장률
df['growth'] = df[value_col].pct_change() * 100

# 트렌드 방향
recent_trend = df['ma_7'].iloc[-1] > df['ma_30'].iloc[-1]

return {
    'trend_direction': 'up' if recent_trend else 'down',
    'avg_growth': df['growth'].mean(),
    'volatility': df[value_col].std()
}

Output format 패턴 감지 리포트

패턴 감지 리포트

요약

스캔 파일 수: XXX
감지된 패턴: XX
심각도 높음: X
심각도 중간: X
심각도 낮음: X

감지된 패턴

보안 취약점 (HIGH)

| 파일 | 라인 | 패턴 | 설명 |

|------|------|------|------|

코드 스멜 (MEDIUM)