MAD-CAT
[Outil d'automatisation de corruption de données par attaque Meow]

Aperçu

MAD-CAT (Meow Attack Data Corruption Automation Tool) est un outil de sécurité complet conçu pour simuler des attaques de corruption de données contre plusieurs systèmes de bases de données. L'outil prend en charge à la fois les attaques sur cible unique et les campagnes d'attaque groupées basées sur des fichiers CSV, avec une prise en charge des scénarios d'attaque avec et sans identification.

Services de bases de données pris en charge

L'outil prend actuellement en charge les services de bases de données suivants :

• MongoDB (port 27017)
• Elasticsearch (port 9200)
• Cassandra (port 9042)
• Redis (port 6379)
• CouchDB (port 5984)
• Hadoop HDFS (port 9870)

Installation

# Clone the repository
git clone https://github.com/karlvbiron/MAD-CAT.git

# Navigate to the tool directory
cd MAD-CAT

# Set up the virtual environment
python3 -m venv venv
source venv/bin/activate

# Install dependencies
pip install -r requirements.txt

Arguments de la ligne de commande

Argument	Description
-l, --list	Liste les services de bases de données pris en charge
-c, --csv	Fichier CSV contenant la liste des cibles (format : ip,service,port,username,password)
-t, --target	Adresse IP de l'hôte cible (pour le mode cible unique)
-s, --service	Service de base de données à attaquer (par ex., mongodb, elasticsearch, cassandra, redis, couchdb, hadoop)
-p, --port	Numéro de port (si non par défaut)
-u, --username	Nom d'utilisateur pour l'authentification
-pw, --password	Mot de passe pour l'authentification
-v, --verbose	Activer le mode verbeux

Exemples d'utilisation

Liste des services pris en charge

python mad_cat.py -l

Attaques sur cible unique

Simulation MongoDB (avec identification)

python mad_cat.py -t 192.168.1.11 -s mongodb -u root -pw example

Simulation Elasticsearch (sans identification)

python mad_cat.py -t 192.168.1.12 -s elasticsearch

Simulation Cassandra

python mad_cat.py -t 192.168.1.13 -s cassandra

Simulation Redis

python mad_cat.py -t 192.168.1.14 -s redis

Simulation CouchDB (avec identification)

python mad_cat.py -t 192.168.1.15 -s couchdb -u admin -pw password

Simulation Hadoop HDFS

python mad_cat.py -t 192.168.1.16 -s hadoop

Mode d'attaque groupée par CSV

Attaquez plusieurs cibles à l'aide d'un fichier CSV :

python mad_cat.py -c list.csv

Format du fichier CSV

Le fichier CSV doit contenir une cible par ligne avec le format suivant :

192.168.1.11,mongodb,27017,"root","example"
192.168.1.12,elasticsearch,9200,"",""
192.168.1.13,cassandra,9042,"",""
192.168.1.14,redis,6379,"",""
192.168.1.15,couchdb,5984,"admin","password"
192.168.1.16,hadoop,9870,"",""

Format : ip,service,port,username,password

• Laissez le nom d'utilisateur et le mot de passe sous forme de chaînes vides ("") pour les attaques sans identification

Structure du projet

MAD-CAT/
├── __init__.py
├── core/
│   ├── __init__.py
│   ├── base_attacker.py          # Abstract base class for all attackers
│   └── attack_factory.py         # Factory pattern for attacker creation
├── attackers/
│   ├── __init__.py               # Attacker registration
│   ├── mongodb.py                # MongoDB attacker implementation
│   ├── elasticsearch.py          # Elasticsearch attacker implementation
│   ├── cassandra.py              # Cassandra attacker implementation
│   ├── redis.py                  # Redis attacker implementation
│   ├── couchdb.py                # CouchDB attacker implementation
│   └── hadoop.py                 # Hadoop HDFS attacker implementation
├── utils/
│   ├── __init__.py
│   └── logging.py                # Logging configuration
├── dockerized-database-infrastructure/
│   ├── docker-compose.yml        # Docker Compose configuration
│   └── init-scripts/
│       ├── mongodb/
│       │   └── mongodb-init.js
│       ├── elasticsearch/
│       │   ├── es-custom-entrypoint.sh
│       │   └── es-bulk_data.json
│       ├── cassandra/
│       │   ├── cassandra-entrypoint.sh
│       │   └── cassandra-init.cql
│       ├── couchdb/
│       │   ├── couchdb-entrypoint.sh
│       │   └── couchdb-init.sh
│       ├── hadoop/
│       │   ├── hadoop-entrypoint.sh
│       │   └── hadoop-init.sh
│       └── redis/
│           ├── redis-entrypoint.sh
│           └── redis-init.sh
├── mad_cat.py                    # Main entry point
├── fetch_data.py                 # Utility to fetch and verify database data
├── list.csv                      # Example CSV file for bulk attacks
├── requirements.txt              # Python dependencies
└── README.md                     # This file

Fonctionnalités

• ✅ 6 services de bases de données : MongoDB, Elasticsearch, Cassandra, Redis, CouchDB, Hadoop HDFS
• ✅ Attaques avec et sans identification : prend en charge les deux modes d'authentification
• ✅ Mode cible unique : attaquez des instances de base de données individuelles
• ✅ Mode d'attaque groupée par CSV : attaquez plusieurs cibles à partir d'un fichier CSV
• ✅ Architecture basée sur le patron Factory : facile à étendre avec de nouveaux attaquants de bases de données
• ✅ Journalisation complète : journaux horodatés enregistrés dans le répertoire logs/
• ✅ Confirmation de l'utilisateur : nécessite une confirmation explicite avant d'exécuter les attaques
• ✅ Statistiques d'attaque : rapport détaillé des bases de données, collections et enregistrements affectés
• ✅ Prise en charge des ports par défaut : utilise automatiquement les ports standard s'ils ne sont pas spécifiés

Comment ça fonctionne

MAD-CAT simule une attaque de corruption de données en :

1. Se connectant à la base de données cible à l'aide des identifiants fournis (ou en tentant un accès anonyme)
2. Énumérant toutes les bases de données et collections/tables (à l'exception des bases système)
3. Corrompant les données en remplaçant les valeurs chaînes/numériques par des chaînes alphanumériques aléatoires suivies de « -MEOW »
4. Rapportant des statistiques sur les bases de données traitées, les collections affectées et les enregistrements modifiés

Flux d'attaque

Target → Connect → List Databases → For Each Database:
                                      ├─ List Collections
                                      └─ For Each Collection:
                                          ├─ Fetch All Records
                                          ├─ Replace Values with {random}-MEOW
                                          └─ Update Records

Ports par défaut

Service	Port par défaut
MongoDB	27017
Elasticsearch	9200
Cassandra	9042
Redis	6379
CouchDB	5984
Hadoop HDFS	9870

Outils supplémentaires