
Scanner de vulnérabilités web en Python: injection SQL, XSS , path traversal, en-têtes de sécurité. Crawler, tableau de bord Flask, rapport en PDF.
Scanner de vulnérabilités web. Il effectue le crawling d'un site, trouve les formulaires et les paramètres, et les teste contre l'injection SQL, le XSS réfléchi, le path traversal et les en-têtes de sécurité manquants. Il produit un rapport dans le terminal, un PDF et dispose d'un tableau de bord Flask.
Projet d'apprentissage. Je l'ai écrit pour comprendre comment fonctionnent ces attaques en pratique, après avoir étudié la théorie. Le code est généré avec l'assistance de l'IA et je le déclare : ce que j'ai fait moi-même, c'est le testing et la correction des faux positifs, qui sont documentés dans docs/DESIGN_NOTES.md.
Uniquement sur des applications qui t'appartiennent ou avec une autorisation écrite. Scanner des sites de tiers sans permission est illégal dans la plupart des juridictions.
Ce qu'il ne fait PAS, même si les payloads sont dans les fichiers : l'injection SQL time-based et le XSS stocké. Le time-based nécessite de mesurer la latence par rapport à une baseline et, sur un réseau bruité, produit trop facilement des faux positifs ; le stocké nécessite d'envoyer sur une page et de vérifier sur une autre, ce que le crawler actuel ne fait pas. Tant que le code n'existe pas, je ne les déclare pas parmi les fonctionnalités.
git clone https://github.com/torchiachristian/VulnScan
cd VulnScan
pip install -r requirements.txt
python3 src/database.py
# scansione base
python3 src/scanner.py http://localhost:8080
# con report PDF
python3 src/scanner.py http://localhost:8080 --pdf report.pdf
# dashboard web su http://127.0.0.1:5000
python3 src/web/app.py
# DVWA in docker
docker run -p 80:80 vulnerables/web-dvwa
# credenziali admin/password, livello di sicurezza "Low"
Ou OWASP Juice Shop. Dans le dépôt, il y a aussi deux applications Flask minimales dans
tests/ : une volontairement vulnérable et une sécurisée, utilisées pour vérifier que l'outil
trouve les vraies vulnérabilités sans en inventer de fausses.
La première version du détecteur booléen faisait ceci :
if len(response_true.text) != len(response_false.text):
# -> SQL Injection, Critical
Il suffisait d'un octet de différence entre la réponse à la condition vraie et celle à la condition fausse pour déclarer une injection SQL critique.
Le problème est que deux requêtes identiques vers la même page ne donnent presque jamais la même réponse : jetons CSRF, horodatages, compteurs de visites, bannières. J'ai écrit une application Flask sans aucune base de données et avec l'entrée toujours échappée, avec à l'intérieur un jeton aléatoire comme en a n'importe quel site, et l'outil y a trouvé ceci :
[6] SQL Injection (Critical)
Evidence: Response length difference: 268 vs 300
Une injection SQL sur une application qui n'a pas de base de données. Deux requêtes identiques vers la même page renvoyaient 262 et 241 octets, donc le contrôle se déclenchait même sans payload.
Désormais, le détecteur mesure d'abord la variabilité de la page seule à entrée égale, puis ne considère une différence que si elle dépasse ce bruit d'une marge et si le résultat est cohérent sur plusieurs tentatives, toujours dans le même sens. Si la page est trop instable pour être mesurée, il ne renvoie rien au lieu de deviner.
Sur la même application sécurisée, il ne signale plus rien désormais, et sur une application avec une vraie injection SQL, il continue à la trouver.
src/
├── crawler/web_crawler.py scoperta di pagine e form
├── detectors/
│ ├── http_utils.py costruzione richieste e misura del rumore
│ ├── sql_injection.py error-based e boolean-based
│ ├── xss.py XSS riflesso
│ ├── path_traversal.py directory traversal
│ └── security_headers.py header mancanti
├── reporting/pdf_generator.py report PDF
├── web/app.py dashboard Flask
├── scanner.py pipeline principale
└── database.py SQLite
payloads/ payload per tipo di attacco
tests/ app di prova (vulnerabile e sicura) + test
Le crawler ne gère pas l'authentification, il ne voit donc que la partie publique d'une application. Il n'y a pas de rate limiting : contre un vrai site, il faut l'utiliser avec prudence. Les payloads sont génériques et ne prouvent pas de contournement de WAF. Le boolean-based reste l'heuristique la plus fragile des deux techniques SQL et c'est pourquoi le rapport indique toujours le bruit mesuré et le seuil utilisé, afin que le lecteur puisse évaluer.
MIT. Utilisez-le de manière éthique.