
Сканер веб-уязвимостей на Python: SQL injection, XSS, path traversal, security headers. Краулер, дашборд Flask, отчёт в PDF.
Сканер уязвимостей веб-приложений. Выполняет обход сайта, находит формы и параметры и проверяет их на SQL-инъекции, отражённый XSS, path traversal и отсутствующие заголовки безопасности. Формирует отчёт в терминале, PDF и имеет дашборд на Flask.
Учебный проект. Я написал его, чтобы понять, как эти атаки работают на
практике, после изучения теории. Код сгенерирован с помощью ИИ, и я это
заявляю: то, что сделал я, — это тестирование и исправление ложных
срабатываний, которые задокументированы в
docs/DESIGN_NOTES.md.
Только на своих приложениях или с письменного разрешения. Сканирование чужих сайтов без разрешения незаконно в большинстве юрисдикций.
Чего он НЕ делает, хотя payload'ы есть в файлах: time-based SQL-инъекции и stored XSS. Time-based требует измерения задержки относительно базовой линии и в зашумлённой сети слишком легко даёт ложные срабатывания; stored требует отправки на одну страницу и проверки на другой, чего текущий краулер не делает. Пока нет кода, я не заявляю их среди возможностей.
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"
Или OWASP Juice Shop. В репозитории также есть два минимальных приложения Flask в
tests/: одно намеренно уязвимое и одно безопасное, используемые для проверки того, что
инструмент находит настоящие уязвимости, не выдумывая ложных.
Первая версия детектора на основе булевых значений работала так:
if len(response_true.text) != len(response_false.text):
# -> SQL Injection, Critical
Одного байта разницы между ответом на истинное условие и ответом на ложное условие было достаточно, чтобы объявить критическую SQL-инъекцию.
Проблема в том, что два идентичных запроса к одной и той же странице почти никогда не дают одинаковый ответ: CSRF-токены, временные метки, счётчики посещений, баннеры. Я написал приложение на Flask без какой-либо базы данных и с всегда экранируемым вводом, внутри которого был случайный токен, как есть на любом сайте, и инструмент нашёл в нём это:
[6] SQL Injection (Critical)
Evidence: Response length difference: 268 vs 300
SQL-инъекция в приложении, у которого нет базы данных. Два идентичных запроса к одной и той же странице давали 262 и 241 байт, поэтому проверка срабатывала даже без payload.
Теперь детектор сначала измеряет, насколько страница варьируется сама по себе при одинаковом вводе, а затем учитывает разницу, только если она превышает этот шум на определённый запас и если результат согласуется на нескольких попытках, всегда в одном и том же направлении. Если страница слишком нестабильна для измерения, он возвращает ничего вместо того, чтобы угадывать.
На том же защищённом приложении теперь он больше ничего не сигнализирует, а на приложении с настоящей SQL-инъекцией продолжает её находить.
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
Краулер не обрабатывает аутентификацию, поэтому он видит только публичную часть приложения. Ограничения скорости (rate limiting) нет: против реального сайта его нужно использовать с осторожностью. Полезные нагрузки (payload) являются общими и не доказывают обход WAF. Boolean-based остаётся самой хрупкой эвристикой из двух техник SQL, и поэтому отчёт всегда указывает измеренный шум и использованный порог, чтобы читатель мог оценить.
MIT. Используйте этично.