Skip to content
KitploitKITPLOIT
ToolsBlog
Einreichen
ToolsBlog
Einreichen

Hacking-, PenTest- und Cybersicherheits-Tools für Ihr Sicherheitsarsenal!

Kitploit ist ein Verzeichnis von Hacking-, Cybersicherheits- und Pentesting-Tools. Entdecken Sie die neuesten Projekt-Updates, um Schwachstellen zu finden, Systeme zu analysieren, Tests zu automatisieren und Ihre Sicherheit zu stärken.

··Feeds·Kontakt·Datenschutz·© 2026 Kitploit

Tool-Verzeichnis

Kategorien

Alle Kategorien anzeigen
Loading categories
CVE-2023-24488-SIEM-Sigma-Rule — Erkennen von Exploit-Versuchen für CVE-2023-24488 | Kitploit
Tools/GitHubGitHub/nstcyber/cve-2023-24488-siem-sigma-rule
Management von Indicators of Compromise (IOC)SchwachstellenanalyseWebsicherheitBedrohungsanalyseEinbruchserkennungLernen & Bildung
GitHubnstcyber/cve-2023-24488-siem-sigma-rule

CVE-2023-24488-SIEM-Sigma-Rule

Erkennen von Exploit-Versuchen für CVE-2023-24488

Beliebteste

Alle anzeigen →

Entdecken Sie die meistgenutzten Tools unserer Community.

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →
Repository anzeigen
113vor 3 JahrenNoch nicht geprüft
Teilen

Sigma Rule: Erkennung von Pre-Auth XSS CVE-2023-24488

Erkennen Sie Exploit-Versuche der Citrix Gateway Pre-Auth XSS CVE-2023-24488 Schwachstelle. Diese Sigma-Regel sucht nach XSS-Angriffsmustern im post_logout_redirect_uri-Abfrageparameter.

Regelbeschreibung

Die bereitgestellte Sigma-Regel dient dazu, potenzielle XSS-Angriffe auf den Parameter post_logout_redirect_uri zu identifizieren. Sie verwendet ein reguläres Ausdrucksmuster, um bestimmte Payloads zu erkennen, die häufig mit XSS-Angriffen in Verbindung gebracht werden.

Verwendung

Um diese Sigma-Regel zu nutzen, können Sie diese Regel in Ihre SIEM-Plattform importieren, um Ihre Erkennungsfähigkeiten für Pre-Auth XSS CVE-2023-24488 zu verbessern.

Mitwirkung

Beiträge, Fehlerberichte und Vorschläge sind willkommen! Zögern Sie nicht, Issues zu eröffnen oder Pull-Requests einzureichen, um die Regel zu verbessern.

Tool herunterladen