Day3 作业

目录

一、安装xray 实现对皮卡丘靶场的主动和被动扫描

1.被动扫描:

(1)生成证书,安装好证书。

(2)BurpSuit 配置上游代理

(3)浏览器设置

(4)开启监听,被动扫描

(5)说明两者联动扫描流量代理后流量走向,即上层代理服务器的工作原理

2.主动扫描

二、安装goby,实现对皮卡丘靶场的扫描

1.配置好数据

2.扫描完成,查看报告


一、安装xray 实现对皮卡丘靶场的主动和被动扫描

1.被动扫描:

(1)生成证书,安装好证书。

原理:在浏览器使用https协议通信时,xray通过将自定义的ca证书发送给客户端,客户端若信任该证书,当客户端尝试与真正的服务器建立HTTPS连接时,Xray可以利用该证书签发各种伪造的服务器证书,作为中间人能够拦截并修改这些通信。

Xray先原样返回数据给客户端,从而分别获取到客户端和服务器的响应。这一步骤使得Xray能够分析通信内容,查找可能的安全漏洞。

在获取到通信内容后,Xray可以修改请求中的参数,然后重新向目标服务器发送请求,以测试不同的漏洞场景。

生成证书命令:.\xray_windows_amd64.exe genca

启动Xray,并监听本地的8989端口。所有通过该端口的HTTP/HTTPS流量都将被Xray捕获并进行分析。

命令:.\xray_windows_amd64.exe webscan --listen 127.0.0.1:8989 --html-output test.html

(2)BurpSuit 配置上游代理

如果使用Bp作为上游代理,Xray作为被动扫描工具,接收来自另一个代理的转发流量。Burp Suite捕获到目标系统的网络流量后,将其转发给Xray进行分析。这种方式下,Xray不需要直接处理HTTPS流量的拦截和解析,而是依赖于上游代理来完成这些工作。

在BurpSuite中,进入“Options”或“User Options”设置。找到“Upstream Proxy”或“Upstream Proxies”选项,并配置它指向Xray的监听地址和端口。设置好127.0.0.1:8989。

目的:将BurpSuite捕获的网络流量转发给Xray进行分析,从而实现对目标系统的安全扫描

  • (3)浏览器设置

在BP自带浏览器的http://Burp里点击右侧的CA Certificate下载好证书,再在火狐浏览器上安装证书,最后设置浏览器上的代理。由于HTTPS通信是基于SSL/TLS加密的,客户端(如浏览器)会验证服务器的证书以确保通信的安全性。

通过下载并安装Burp Suite生成的CA证书到浏览器中,浏览器会信任由该CA签发的所有证书,包括Burp Suite伪造的服务器证书,使得BP被客户端信任。

  • (4)开启监听,被动扫描

注意Xray的监听端口和扫描参数与BP监听设置一致。

命令:.\xray_windows_amd64.exe webscan --listen 127.0.0.1:8989 --html-output 1.html

  • (5)说明两者联动扫描流量代理后流量走向,即上层代理服务器的工作原理

流量走向:

1.客户端请求:

用户通过浏览器或其他HTTP客户端发起对目标Web应用程序的请求。

2.浏览器代理设置:

在浏览器中配置HTTP代理,将代理服务器地址设置为BurpSuite监听的地址和端口(如127.0.0.1:8989)。

3.请求到达BurpSuite:

浏览器发出的请求首先被发送到BurpSuite,BurpSuite作为上层代理服务器接收并处理这些请求。

4.BurpSuite转发请求:

BurpSuite在接收到请求后,根据配置将请求转发给Xray。这通常通过在BurpSuite中设置上游代理服务器(Upstream Proxy Servers)来实现,上游代理服务器的地址设置为Xray监听的地址和端口(如127.0.0.1:8989)。

5.Xray扫描和处理:

Xray接收到来自BurpSuite的请求后,对请求进行扫描,检查潜在的Web安全漏洞。Xray会分析请求的内容、参数等,并根据内置的规则和插件进行漏洞检测。

6.Xray返回响应:

Xray完成扫描后,将处理后的请求(可能已修改或添加了额外的测试数据)发送给目标Web应用程序,并接收来自服务器的响应。

7.BurpSuite接收响应:

Xray将服务器的响应返回给BurpSuite,BurpSuite再将响应转发给原始的HTTP客户端(浏览器)。

8.浏览器显示响应:

浏览器接收到来自BurpSuite的响应后,显示给用户。

2.主动扫描

爬虫模式是模拟人工去点击网页的链接,然后去分析扫描,和代理模式不同的是,爬虫不需要人工的介入,访问速度要快很多。

开始扫描命令:xray_windows_amd64.exe  webscan --basic-crawler http://127.0.0.1 --html-output xray-crawler-testphp.html

过程:

可以看到被输出的报告:xray-crawler-testphp.html

二、安装goby,实现对皮卡丘靶场的扫描

1.配置好数据

2.扫描完成,查看报告

  • 19
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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