Skip to content
KitploitKITPLOIT
StrumentiExploitsBlog
Log in
Invia
StrumentiExploitsBlog
Invia

Strumenti di Hacking, PenTest e Cybersecurity per il tuo Arsenale di Sicurezza!

Kitploit è una directory di strumenti di hacking, cybersecurity e pentesting. Scopri gli ultimi aggiornamenti dei progetti per trovare vulnerabilità, analizzare sistemi, automatizzare i test e rafforzare la tua sicurezza.

FeedContattoPrivacy© 2026 Kitploit

Directory degli strumenti

Categorie

Vedi tutte le categorie
Loading categories
VulnScan — Scanner di vulnerabilità web in Python: SQL injection, XSS , path traversal, security headers. Crawler, dashboard Flask, report in un PDF | Kitploit
Strumenti/GitHubGitHub/torchiachristian/vulnscan
Analisi StaticaScanner di VulnerabilitàScanner di Vulnerabilità WebAnalisi del CodiceSicurezza WebPenetration TestingApprendimento e FormazioneCrawler
GitHubtorchiachristian/vulnscan

VulnScan

Scanner di vulnerabilità web in Python: SQL injection, XSS , path traversal, security headers. Crawler, dashboard Flask, report in un PDF

2393 mesi faNon ancora revisionato
Vedi Repository
Condividi

VulnScan

Scanner di vulnerabilita' web. Fa il crawling di un sito, trova form e parametri, e li prova contro SQL injection, XSS riflesso, path traversal e header di sicurezza mancanti. Produce un report a terminale, un PDF e ha una dashboard Flask.

Progetto di apprendimento. L'ho scritto per capire come funzionano quegli attacchi lato pratico, dopo aver studiato la teoria. Il codice e' generato con assistenza AI e lo dichiaro: quello che ho fatto io e' il testing e la correzione dei falsi positivi, che sono documentati in docs/DESIGN_NOTES.md.

Solo su applicazioni tue o con autorizzazione scritta. Scansionare siti di terzi senza permesso e' illegale nella maggior parte delle giurisdizioni.

Cosa rileva

  • SQL Injection, error-based e boolean-based blind
  • XSS riflesso
  • Path traversal
  • Header di sicurezza mancanti (CSP, HSTS, X-Frame-Options, X-Content-Type-Options)
  • Crawler che scopre pagine e form
  • Report PDF e dashboard web

Quello che NON fa, anche se i payload sono nei file: SQL injection time-based e XSS stored. Il time-based richiede di misurare la latenza contro una baseline e su rete rumorosa produce falsi positivi troppo facilmente; lo stored richiede di inviare su una pagina e verificare su un'altra, cosa che il crawler attuale non fa. Finche' non c'e' il codice non li dichiaro tra le feature.

Installazione

git clone https://github.com/torchiachristian/VulnScan
cd VulnScan
pip install -r requirements.txt
python3 src/database.py

Uso

# 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

Dove provarlo

# DVWA in docker
docker run -p 80:80 vulnerables/web-dvwa
# credenziali admin/password, livello di sicurezza "Low"

Oppure OWASP Juice Shop. Nel repo ci sono anche due app Flask minime in tests/: una volutamente vulnerabile e una sicura, usate per verificare che il tool trovi le vulnerabilita' vere senza inventarne di finte.

Il falso positivo che ho trovato testando

La prima versione del detector boolean-based faceva così:

if len(response_true.text) != len(response_false.text):
    # -> SQL Injection, Critical

Bastava un byte di differenza tra la risposta alla condizione vera e quella alla condizione falsa per dichiarare una SQL injection critica.

Il problema e' che due richieste identiche alla stessa pagina quasi mai danno la stessa risposta: token CSRF, timestamp, contatori di visite, banner. Ho scritto un'app Flask senza nessun database e con l'input sempre escapato, con dentro un token casuale come ne ha qualsiasi sito, e il tool ci ha trovato questo:

[6] SQL Injection (Critical)
    Evidence: Response length difference: 268 vs 300

Una SQL injection su un'applicazione che non ha un database. Due richieste identiche alla stessa pagina davano 262 e 241 byte, quindi il controllo scattava anche senza payload.

Adesso il detector misura prima quanto varia la pagina da sola a parita' di input, poi considera una differenza solo se supera quel rumore di un margine e se il risultato e' coerente su piu' tentativi, sempre nello stesso verso. Se la pagina e' troppo instabile per misurare restituisce niente invece di indovinare.

Sulla stessa app sicura ora non segnala piu' nulla, e su un'app con una SQL injection vera continua a trovarla.

Struttura

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

Limiti

Il crawler non gestisce autenticazione, quindi vede solo la parte pubblica di un'applicazione. Non c'e' rate limiting: contro un sito vero va usato con cautela. I payload sono generici e non provano bypass di WAF. Il boolean-based resta l'euristica piu' fragile delle due tecniche SQL e per questo il report riporta sempre il rumore misurato e la soglia usata, cosi' chi legge puo' valutare.

Licenza

MIT. Usalo in modo etico.

Scarica lo strumento

Più Popolari

Vedi tutti →

Scopri gli strumenti più utilizzati dalla nostra community.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 Il toolkit OSINT definitivo: grafo di indagine, punteggio di affidabilità, famiglie di alias, mappa, timeline e report. 49 moduli, oltre 400 siti, nessuna chiave API richiesta.

    772
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # App di esecuzione con un tocco GhostLock (CVE-2026-43499)

    505
  • 3

    ARTEX

    baarai/artex

    Piattaforma di penetration testing autonoma multi-agente basata su LLM con agenti planner/worker, grafi di asset e di esplorazione, registrazione del traffico MITM e retesting delle vulnerabilità.

    420
  • 4

    redforge

    cybersecurity91/redforge

    Toolkit red team lato browser con 102 strumenti offline per ricognizione, generazione di payload, attacchi alle credenziali, crittografia, codifica e reportistica dell'engagement.

    345
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Il sistema d'azione per la cybersecurity nativa AI—dove l'intento diventa esecuzione governata, le evidenze diventano memoria operativa, e ogni operazione migliora la successiva.

    260
  • 6

    antifox

    antifox-ai/antifox

    Piattaforma multi-agente di penetration testing autonoma basata sull'IA che esegue ricognizione, scoperta della superficie d'attacco, validazione dello sfruttamento e consegna di report supportati da evidenze.

    251

Esplora tutti gli strumenti

Sfoglia la nostra collezione di strumenti

Vedi tutti gli strumenti →