全网最新、最详细的使用burpsuite验证码识别绕过爆破教程（2023最新）

已于 2023-09-06 23:00:49 修改
阅读量1.2w 收藏 112
点赞数 14
分类专栏： 教程 漏洞复现 文章标签： burpsuit插件 验证码绕过 验证码爆破 渗透测试 验证码识别
于 2022-12-27 15:57:03 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq1140037586/article/details/128455338
版权

1、前沿

最近一直在研究绕过验证码进行爆破的方法，在这里对自己这段时间以来的收获进行一下分享。在这里要分享的绕过验证码爆破的方法一共有2个，分为免费版本（如果验证码比较奇怪可能会有识别错误的情况）和付费版本（调用收费接口，所以很精准），下面针对两种不同的版本分别做分享

2、免费版验证码识别爆破

（1）软件下载地址

https://github.com/smxiazi/NEW_xp_CAPTCHA/releases/tag/4.2
无法访问github的可以用下面的地址下载
https://download.csdn.net/download/qq1140037586/87349626

（2）插件的加载

使用如下步骤将下载好的NEW_xp_CAPTCHA_4.2.jkd.8.jar文件导入到burpsuit
在这里插入图片描述
在burpsuit顶部能看到xiapao插件成功加载之后就成功了
在这里插入图片描述

（3）插件的使用

！！！注意，需要python3 小于3.7的版本（3.6.6版本亲测没问题）！！！
如果是用win系统可以直接下载打包好的环境,内置python3.6.6版本以及下载好对应的模块 NEW_xp_CAPTCHA win64 python环境完整版.rar
网盘链接: https://pan.baidu.com/s/1U0ZRjtxdqmNYF0b_O-6B1Q 提取码: tfi5
CSDN下载链接https://download.csdn.net/download/qq1140037586/87349535
1、首先进行pip更新

python -m pip install --upgrade pip
python -m pip install requests

2、 安装muggle-ocr（文件大概400M左右，需要安装一点时间）

python -m pip install -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com muggle-ocr

3、镜像安装

python -m pip install ddddocr -i https://pypi.tuna.tsinghua.edu.cn/simple

4、进入到下载的插件目录，执行如下命令，将验证码识别服务启动起来

python.exe server_4.2.py

启动后效果如下
在这里插入图片描述
启动之后，访问http://127.0.0.1:8899/会出现如下页面，就证明服务启动成功
在这里插入图片描述
5、开始使用验证码识别爆破
在需要验证码识别的地方右击，复制图片地址
在这里插入图片描述
将地址填写到箭头所指的地方，勾选启动插件，监控intruder，监控repreter，点击保存配置
在这里插入图片描述
此时输入内容点击登陆提交之后，抓包，将其发送到intruder，在验证码值得地方替换内容为

@xiapao@1@

在这里插入图片描述
！！！注意 ！！！
爆破的时候，并发数量一定要设置为1，不然大概率会出现验证码错位的情况，导致爆破失败
在这里插入图片描述

之后添加payload后，就可以开始跑了，可以看到，没有提示验证码错误，而是提示密码错误
在这里插入图片描述
最终爆破也能成功登陆
在这里插入图片描述
此时在http://127.0.0.1:8899/地址能看到爆破时的识别记录，可以看到当验证码出现比较奇葩的时候是有误报的，所以接下来会介绍进阶版，直接调用收费api进行爆破
在这里插入图片描述

3、付费版验证码识别爆破

（1）插件下载

https://github.com/smxiazi/xp_CAPTCHA/releases
无法访问github的可以用下面的地址下载
https://download.csdn.net/download/qq1140037586/87349607

（2）插件加载

与免费版一样，使用如下步骤将下载好的NEW_xp_CAPTCHA_4.2.jkd.8.jar文件导入到burpsuit
在这里插入图片描述

（3）平台注册

先在http://www.kuaishibie.cn处注册账号。（由于调用这个平台的接口，请先注册，收费是1块钱识别500次），注册好后在如下的位置填写好账号密码，勾选启动插件，监控intruder，监控repreter，点击保存配置
在这里插入图片描述

（4）开始使用验证码识别爆破

在需要验证码识别的地方右击，复制图片地址
在这里插入图片描述
将地址填写到箭头所指的地方，勾选启动插件，监控intruder，监控repreter，点击保存配置
在这里插入图片描述
此时输入内容点击登陆提交之后，抓包，将其发送到intruder，在验证码值得地方替换内容为，点击开始攻击

@xiapao_api@1@

在这里插入图片描述
最终爆破成功
在这里插入图片描述
可以在后台http://www.kuaishibie.cn/user/detail.html看到识别的记录，可以发现99.9%都是识别成功的
在这里插入图片描述

夏初春末_昊
关注
  • 14
    点赞
  • 踩
  • 112
    收藏
    觉得还不错? 一键收藏
  • 13
    评论
专栏目录
burpsuite小白教程。手把手教学 使用burpsuite拦截浏览器请求，修改请求参数，查看返回结果
06-09
burpsuite小白教程。手把手教学 使用burpsuite拦截浏览器请求，修改请求参数，查看返回结果
弱口令爆破(图片验证码爆破工具)
03-01
用于带有图片验证码弱口令爆破
带有验证码的爆破(包含Burp suite工具爆破)
weixin_43960066的博客
09-16 6864
关于含有验证码爆破的一些总结！
网络安全CTF系列培训教程之Web篇-burpsuite爆破弱密码
最新发布
ctfayang的博客
03-11 992
本文介绍了Burpsuite的设置以及如何爆破攻击web 密码。
暴力破解【验证码绕过、token防爆破】靶场实验
11-03 1683
本文主要介绍了以pikachu靶场为例，使用BurpSuite工具暴力破解【验证码绕过、token防爆破】3种类型的实验。
使用BP插件captcha-killer识别图片验证码&绕过系统验证码机制
Pluto.的博客
08-14 1084
利用bp插件captcha-killer识别图片验证码&绕过系统验证码机制，可用于有验证码机制的账密bao po，短信hong zha等
burpsuite验证码爆破教程
Javachichi的博客
04-08 3178
6、填写验证码识别接口，这里有百度的可以用，但是有次数限制，需要修改为自己的token，不推荐，但是如果想使用，只需要在接口的大框框里右键--模板库--百度，点击，就会自动填充百度ocr的模板。此时需要观察我们intruder页面的数据包的cookie是否和我们验证码插件所在页面的数据包的cookie一样，需要以插件页面的cookie为准。3、添加变量，对要爆破的地方和验证码的地方添加变量，我这里假设爆破密码，所以需要对密码所在的值和验证码的值添加变量。工欲善其事必先利其器。
验证码爆破总结
渗透测试研究中心
12-15 8041
一、使用reCAPTCHA插件进行验证码爆破 插件下载地址：https://github.com/bit4woo/reCAPTCHA/releases 1.浏览器输入网站登录页面，输入用户名和密码以及验证码，然后通过buspuit获取数据包 2.然后点击验证码获取验证码的地址，在proxy中找到获取图形验证码的请求，选中它并点击右键选择“Send to reCAPTCHA”，这个请求的信息将被发送到reCAPTCHA。 3.切换到reCAPTCHA标签，并配置所需的...
验证码绕过（对验证码绕过的理解-----burpsuite）
gl620321的博客
07-06 6477
**Pikachu是一个带有漏洞的Web应用系统， **在这里包含了常见的web安全漏洞。通过一些资料认识这个练习的靶机平台。练习需要的条件是自己首先在电脑上下载并安装相关的工具。Burp suit、Phpstudy(利用火狐或者谷歌等浏览器访问pikachu的网址127.0.0.1),fire proxy omrga插件。Pikachu目前的漏洞类型有16种类型。 Burte Force（暴力破...
渗透测试-验证码的爆破与绕过
qq_50854662的博客
11-17 3663
【验证码机制原理】 客户端发起请求->服务端响应并创建一个新的SessionID同时生成随机验证码，将验证码和SessionID一并返回给客户端->客户端提交验证码连同SessionID给服务端->服务端验证验证码同时销毁当前会话，返回给客户端结果。 【客户端可能存在的安全问题】 1、有的网站验证码由本地js生成仅仅在本地用js验证。可以在本地禁用js，用burp把验证字段删除。 2、有的网站把验证码输出到客户端html中，送到客户端Cookie或response head
弱口令漏洞与验证码绕过——渗透day04
qq_62716256的博客
08-10 3432
弱口令漏洞与验证码绕过——渗透day04
Burp suite图形验证码识别转发插件captcha-killer.0.1.2
01-25
Burp suite图形验证码插件 注：需要配合验证码识别接口可用，本插件仅提供转发功能，不提供验证码识别
burpsuite最新版-附burpsuite使用全套课程
10-08
burpsuite总是大家最喜爱的渗透工具，但因其复杂及其界面全英文，导致使用困难，资源内附全套使用教程，帮大家轻松减去学习压力
Burpsuite的超详细安装教程（图文版）
04-18
burpsuite安装教程 Burp Suite是一个集成化的渗透测试工具，它集合了多种渗透测试组件，使我们自动化地或手工地能更好的完成对web应用的渗透测试和攻击。 在渗透测试中，我们使用Burp Suite将使得测试工作变得更加...
Burp Suite使用教程1.pdf
05-12
Burp Suite使用教程 Burp Suite 是一套用于 Web 应用程序安全测试的综合工具，是一款集成化的渗透测试工具，包含了很多功能，可以帮助我们高效地完成对Web应用程序的渗透测试和攻击。 Burp Suite由Java语言编写，...
burpsuite爆破用户名和密码测试
09-06
使用wamp搭建测试渗透环境并用burpsuite暴破用户名和密码 把群共享中的wamp.rar下载下来解压到C盘根目录，然后运行“wampmanager.exe”，点击右下角的图标，在弹出的菜单中选择Mysql->Service-安装服务。
burpsuite安装详细教程.zip
03-10
以下是一个详细的Burp Suite安装教程： 下载Burp Suite： 首先，你需要从官方网站或其他可信来源下载Burp Suite的安装包。确保下载的是最新版本，以确保软件的安全性和稳定性。 安装Java环境： 由于Burp Suite是由...
BurpSuite使用介绍（一）
02-21
BurpSuite是用于攻击web应用程序的集成平台。它包含了许多工具，并为这些工具设计了许多接口，以促进加快攻击应用程序的过程。所有的工具都共享一个能处理并显示HTTP消息，持久性，认证，代理，日志，警报的一个强大...
基于bp神经网络构建图片验证码识别python代码
06-12
好的，以下是基于BP神经网络的图片验证码识别Python代码： 首先，我们需要导入相关的库： ```python import numpy as np import matplotlib.pyplot as plt from PIL import Image ``` 接着，我们需要准备训练数据。假设我们有一个包含100个验证码图片的数据集，每个验证码有5个字符，每个字符大小为30x30像素。我们可以将每个字符转换成一个长度为900的向量，然后将5个字符的向量合并成一个长度为4500的向量。将这些向量保存到一个numpy数组中，作为训练数据。 ```python # 加载训练数据 X_train = [] y_train = [] for i in range(100): for j in range(5): im = Image.open(f"captcha_{i}_{j}.png") # 加载验证码图片 im = im.convert("L") # 转换为灰度图 im = im.resize((30, 30)) # 缩放为30x30像素 X_train.append(np.array(im).flatten()) # 将字符转换成向量并加入训练数据 y_train.append(i) # 记录验证码的序号 X_train = np.array(X_train) y_train = np.array(y_train) ``` 接着，我们需要对训练数据进行预处理。将像素值归一化到0到1之间，并对标签进行one-hot编码。 ```python # 对训练数据进行预处理 X_train = X_train / 255.0 y_train_onehot = np.zeros((len(y_train), 100)) y_train_onehot[np.arange(len(y_train)), y_train] = 1 ``` 接下来，我们可以构建BP神经网络模型。这里我们使用一个包含一个隐藏层的神经网络，隐藏层的大小为100。输入层大小为4500，输出层大小为100，代表100个不同的验证码。 ```python # 构建BP神经网络模型 class NeuralNetwork: def __init__(self, input_size, hidden_size, output_size): self.W1 = np.random.randn(input_size, hidden_size) * 0.01 self.b1 = np.zeros((1, hidden_size)) self.W2 = np.random.randn(hidden_size, output_size) * 0.01 self.b2 = np.zeros((1, output_size)) def forward(self, X): self.z1 = np.dot(X, self.W1) + self.b1 self.a1 = np.tanh(self.z1) self.z2 = np.dot(self.a1, self.W2) + self.b2 exp_scores = np.exp(self.z2) self.probs = exp_scores / np.sum(exp_scores, axis=1, keepdims=True) return self.probs def backward(self, X, y, learning_rate): delta3 = self.probs delta3[range(len(X)), y] -= 1 dW2 = np.dot(self.a1.T, delta3) db2 = np.sum(delta3, axis=0, keepdims=True) delta2 = np.dot(delta3, self.W2.T) * (1 - np.power(self.a1, 2)) dW1 = np.dot(X.T, delta2) db1 = np.sum(delta2, axis=0) self.W1 -= learning_rate * dW1 self.b1 -= learning_rate * db1 self.W2 -= learning_rate * dW2 self.b2 -= learning_rate * db2 def train(self, X, y, learning_rate, num_passes): for i in range(num_passes): probs = self.forward(X) self.backward(X, y, learning_rate) if i % 10 == 0: loss = self.calculate_loss(X, y) print(f"iteration {i}: loss = {loss}") def calculate_loss(self, X, y): num_examples = len(X) correct_logprobs = -np.log(self.probs[range(num_examples), y]) data_loss = np.sum(correct_logprobs) return 1.0 / num_examples * data_loss nn = NeuralNetwork(4500, 100, 100) nn.train(X_train, y_train, 0.01, 1000) ``` 最后，我们可以使用训练好的模型对新的验证码进行识别。首先需要将验证码转换成向量，然后使用训练好的神经网络模型进行预测。 ```python # 加载测试数据 im = Image.open("test_captcha.png") im = im.convert("L") im = im.resize((30, 150)) X_test = np.array(im).reshape(5, 30*30) # 对测试数据进行预处理 X_test = X_test / 255.0 # 使用训练好的模型进行预测 y_test_prob = nn.forward(X_test) y_test = np.argmax(y_test_prob, axis=1) # 输出预测结果 print("Predicted labels:") print(y_test) ``` 以上就是基于BP神经网络的图片验证码识别Python代码。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 13
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值