参考：https://github.com/duoergun0729/3book/tree/master/code/gym-waf

代码：

wafEnv.py

#-*- coding:utf-8 –*-

import numpy as np

import re

import random

from gym import spaces

import gym

from sklearn.model_selection import train_test_split

#samples_file="xss-samples.txt"

samples_file="xss-samples-all.txt"

samples=[]

with open(samples_file) as f:

    for line in f:

        line = line.strip('\n')

        print("Add xss sample:" + line)

        samples.append(line)

# 划分训练和测试集合

samples_train, samples_test = train_test_split(samples, test_size=0.4)

class Xss_Manipulator(object):

    def __init__(self):

        self.dim = 0

        self.name=""

    #常见免杀动作：

    # 随机字符转16进制 比如： a转换成&#x61；

    # 随机字符转10进制 比如： a转换成&#97；

    # 随机字符转10进制并假如大量0 比如： a转换成&#000097；

    # 插入注释 比如： /*abcde*/

    # 插入Tab

    # 插入回车

    # 开头插入空格 比如： /**/

    # 大小写混淆

    # 插入 \00 也会被浏览器忽略

    ACTION_TABLE = {

    #'charTo16': 'charTo16',

    #'charTo10': 'charTo10',

    #'charTo10Zero': 'charTo10Zero',

    'addComment': 'addComment',

    'addTab': 'addTab',

    'addZero': 'addZero',

    'addEnter': 'addEnter',

    }

    def charTo16(self,str,seed=None):

        #print("charTo16")

        matchObjs = re.findall(r'[a-qA-Q]', str, re.M | re.I)

        if matchObjs:

            #print("search --> matchObj.group() : ", matchObjs)

            modify_char=random.choice(matchObjs)

            #字符转ascii值ord(modify_char

            #modify_char_10=ord(modify_char)

            modify_char_16="&#{};".format(hex(ord(modify_char)))

            #print("modify_char %s to %s" % (modify_char,modify_char_10))

            #替换

            str=re.sub(modify_char, modify_char_16, str,count=random.randint(1,3))

        return str

    def charTo10(self,str,seed=None):

        #print("charTo10")

        matchObjs = re.findall(r'[a-qA-Q]', str, re.M | re.I)

        if matchObjs:

            #print("search --> matchObj.group() : ", matchObjs)

            modify_char=random.choice(matchObjs)

            #字符转ascii值ord(modify_char

            #modify_char_10=ord(modify_char)

            modify_char_10="&#{};".format(ord(modify_char))

            #print("modify_char %s to %s" % (modify_char,modify_char_10))

            #替换

            str=re.sub(modify_char, modify_char_10, str)

        return str

    def charTo10Zero(self,str,seed=None):

        #print("charTo10")

        matchObjs = re.findall(r'[a-qA-Q]', str, re.M | re.I)

        if matchObjs:

            #print("search --> matchObj.group() : ", matchObjs)

            modify_char=random.choice(matchObjs)

            #字符转ascii值ord(modify_char

            #modify_char_10=ord(modify_char)

            modify_char_10="&#000000{};".format(ord(modify_char))

            #print("modify_char %s to %s" % (modify_char,modify_char_10))

            #替换

            str=re.sub(modify_char, modify_char_10, str)

        return str

    def addComment(self,str,seed=None):

        #print("charTo10")

        matchObjs = re.findall(r'[a-qA-Q]', str, re.M | re.I)

        if matchObjs:

            #选择替换的字符

            modify_char=random.choice(matchObjs)

            #生成替换的内容

            #modify_char_comment="{}/*a{}*/".format(modify_char,modify_char)

            modify_char_comment = "{}/*8888*/".format(modify_char)

            #替换

            str=re.sub(modify_char, modify_char_comment, str)

        return str

    def addTab(self,str,seed=None):

        #print("charTo10")

        matchObjs = re.findall(r'[a-qA-Q]', str, re.M | re.I)

        if matchObjs:

            #选择替换的字符

            modify_char=random.choice(matchObjs)

            #生成替换的内容

            modify_char_tab="   {}".format(modify_char)

            #替换

            str=re.sub(modify_char, modify_char_tab, str)

        return str

    def addZero(self,str,seed=None):

        #print("charTo10")

        matchObjs = re.findall(r'[a-qA-Q]', str, re.M | re.I)

        if matchObjs:

            #选择替换的字符

            modify_char=random.choice(matchObjs)

            #生成替换的内容

            modify_char_zero="\\00{}".format(modify_char)

            #替换

            str=re.sub(modify_char, modify_char_zero, str)

        return str

    def addEnter(self,str,seed=None):

        #print("charTo10")

        matchObjs = re.findall(r'[a-qA-Q]', str, re.M | re.I)

        if matchObjs:

            #选择替换的字符

            modify_char=random.choice(matchObjs)

            #生成替换的内容

            modify_char_enter="\\r\\n{}".format(modify_char)

            #替换

            str=re.sub(modify_char, modify_char_enter, str)

        return str

    def modify(self,str, _action, seed=6):

        print("Do action :%s" % _action)

        action_func=Xss_Manipulator().__getattribute__(_action)

        return action_func(str,seed)

ACTION_LOOKUP = {i: act for i, act in enumerate(Xss_Manipulator.ACTION_TABLE.keys())}

#<embed src="data:text/html;base64,PHNjcmlwdD5hbGVydCgxKTwvc2NyaXB0Pg==">

#a="get";b="URL(ja\"";c="vascr";d="ipt:ale";e="rt('XSS');\")";eval(a+b+c+d+e);

#"><script>alert(String.fromCharCode(66, 108, 65, 99, 75, 73, 99, 101))</script>

#<input onblur=write(XSS) autofocus><input autofocus>

#<math><a xlink:href="//jsfiddle.net/t846h/">click

#<h1><font color=blue>hellox worldss</h1>

#LOL<style>*{/*all*/color/*all*/:/*all*/red/*all*/;/[0]*IE,Safari*[0]/color:green;color:bl/*IE*/ue;}</style>

class Waf_Check(object):

    def __init__(self):

        self.name="Waf_Check"

        self.regXSS=r'(prompt|alert|confirm|expression])' \

                    r'|(javascript|script|eval)' \

                    r'|(onload|onerror|onfocus|onclick|ontoggle|onmousemove|ondrag)' \

                    r'|(String.fromCharCode)' \

                    r'|(;base64,)' \

                    r'|(onblur=write)' \

                    r'|(xlink:href)' \

                    r'|(color=)'

        #self.regXSS = r'javascript'

    def check_xss(self,str):

        isxss=False

        #忽略大小写

        if re.search(self.regXSS,str,re.IGNORECASE):

            isxss=True

        return isxss

class Features(object):

    def __init__(self):

        self.dim = 0

        self.name=""

        self.dtype=np.float32

    def byte_histogram(self,str):

        #bytes=np.array(list(str))

        bytes=[ord(ch) for ch in list(str)]

        #print(bytes)

        h = np.bincount(bytes, minlength=256)

        return np.concatenate([

            [h.sum()],  # total size of the byte stream

            h.astype(self.dtype).flatten() / h.sum(),  # normalized the histogram

        ])

    def extract(self,str):

        featurevectors = [

            [self.byte_histogram(str)]

        ]

        return np.concatenate(featurevectors)

class WafEnv_v0(gym.Env):

    metadata = {

        'render.modes': ['human', 'rgb_array'],

    }

    def __init__(self):

        self.action_space = spaces.Discrete(len(ACTION_LOOKUP))

        #xss样本特征集合

        #self.samples=[]

        #当前处理的样本

        self.current_sample=""

        #self.current_state=0

        self.features_extra=Features()

        self.waf_checker=Waf_Check()

        #根据动作修改当前样本免杀

        self.xss_manipulatorer= Xss_Manipulator()

        self._reset()

    def _seed(self, num):

        pass

    def _step(self, action):

        r=0

        is_gameover=False

        #print("current sample:%s" % self.current_sample)

        _action=ACTION_LOOKUP[action]

        #print("action is %s" % _action)

        self.current_sample=self.xss_manipulatorer.modify(self.current_sample,_action)

        #print("change current sample to %s" % self.current_sample)

        if not self.waf_checker.check_xss(self.current_sample):

            #给奖励

            r=10

            is_gameover=True

            print("Good!!!!!!!avoid waf:%s" % self.current_sample)

        self.observation_space=self.features_extra.extract(self.current_sample)

        return self.observation_space, r,is_gameover,{}

    def _reset(self):

        self.current_sample=random.choice(samples_train)

        print("reset current_sample=" + self.current_sample)

        self.observation_space=self.features_extra.extract(self.current_sample)

        return self.observation_space

    def render(self, mode='human', close=False):

        return

主代码：

#-*- coding:utf-8 –*-

import gym

import time

import random

import gym_waf.envs.wafEnv

import pickle

import numpy as np

from keras.models import Sequential

from keras.layers import Dense, Activation, Flatten, ELU, Dropout, BatchNormalization

from keras.optimizers import Adam, SGD, RMSprop

from rl.agents.dqn import DQNAgent

from rl.agents.sarsa import SarsaAgent

from rl.policy import EpsGreedyQPolicy

from rl.memory import SequentialMemory

from gym_waf.envs.wafEnv  import samples_test,samples_train

# from gym_waf.envs.features import Features

from gym_waf.envs.waf import Waf_Check

from gym_waf.envs.xss_manipulator import Xss_Manipulator

from keras.callbacks import TensorBoard

ENV_NAME = 'Waf-v0'

#尝试的最大次数

nb_max_episode_steps_train=50

nb_max_episode_steps_test=3

ACTION_LOOKUP = {i: act for i, act in enumerate(Xss_Manipulator.ACTION_TABLE.keys())}

class Features(object):

    def __init__(self):

        self.dim = 0

        self.name=""

        self.dtype=np.float32

    def byte_histogram(self,str):

        #bytes=np.array(list(str))

        bytes=[ord(ch) for ch in list(str)]

        #print(bytes)

        h = np.bincount(bytes, minlength=256)

        return np.concatenate([

            [h.sum()],  # total size of the byte stream

            h.astype(self.dtype).flatten() / h.sum(),  # normalized the histogram

        ])

    def extract(self,str):

        featurevectors = [

            [self.byte_histogram(str)]

        ]

        return np.concatenate(featurevectors)

def generate_dense_model(input_shape, layers, nb_actions):

    model = Sequential()

    model.add(Flatten(input_shape=input_shape))

    model.add(Dropout(0.1))

    for layer in layers:

        model.add(Dense(layer))

        model.add(BatchNormalization())

        model.add(ELU(alpha=1.0))

    model.add(Dense(nb_actions))

    model.add(Activation('linear'))

    print(model.summary())

    return model

def train_dqn_model(layers, rounds=10000):

    env = gym.make(ENV_NAME)

    env.seed(1)

    nb_actions = env.action_space.n

    window_length = 1

    print("nb_actions:")

    print(nb_actions)

    print("env.observation_space.shape:")

    print(env.observation_space.shape)

    model = generate_dense_model((window_length,) + env.observation_space.shape, layers, nb_actions)

    policy = EpsGreedyQPolicy()

    memory = SequentialMemory(limit=256, ignore_episode_boundaries=False, window_length=window_length)

    agent = DQNAgent(model=model, nb_actions=nb_actions, memory=memory, nb_steps_warmup=16,

                     enable_double_dqn=True, enable_dueling_network=True, dueling_type='avg',

                     target_model_update=1e-2, policy=policy, batch_size=16)

    agent.compile(RMSprop(lr=1e-3), metrics=['mae'])

    #tb_cb = TensorBoard(log_dir='/tmp/log', write_images=1, histogram_freq=1)

    #cbks = [tb_cb]

    # play the game. learn something!

    #nb_max_episode_steps 一次学习周期中最大步数

    agent.fit(env, nb_steps=rounds, nb_max_episode_steps=nb_max_episode_steps_train,visualize=False, verbose=2)

    #print("#################Start Test%################")

    #agent.test(env, nb_episodes=100)

    test_samples=samples_test

    features_extra = Features()

    waf_checker = Waf_Check()

    # 根据动作修改当前样本免杀

    xss_manipulatorer = Xss_Manipulator()

    success=0

    sum=0

    shp = (1,) + tuple(model.input_shape[1:])

    for sample in samples_test:

        #print(sample)

        sum+=1

        for _ in range(nb_max_episode_steps_test):

            if not waf_checker.check_xss(sample) :

                success+=1

                print(sample)

                break

            f = features_extra.extract(sample).reshape(shp)

            act_values = model.predict(f)

            action=np.argmax(act_values[0])

            sample=xss_manipulatorer.modify(sample,ACTION_LOOKUP[action])

    print("Sum:{} Success:{}".format(sum,success))

    return agent, model

if __name__ == '__main__':

    agent1, model1= train_dqn_model([5, 2], rounds=1000)

    model1.save('waf-v0.h5', overwrite=True)

效果：

reset current_sample=<img src=`xx:xx`onerror=alert(1)>

Do action :addEnter

Do action :addComment

Good!!!!!!!avoid waf:<img src=`xx:xx`

one/*8888*/rr

or=ale/*8888*/rt(1)>

 987/1000: episode: 221, duration: 0.016s, episode steps: 2, steps per second: 122, episode reward: 10.000, mean reward: 5.000 [0.000, 10.000], mean action: 1.500 [0.000, 3.000], mean observation: 0.179 [0.000, 53.000], loss: 1.608465, mean_absolute_error: 3.369818, mean_q: 7.756353

reset current_sample=<!--<img src="--><img src=x onerror=alert(123)//">

Do action :addEnter

Do action :addEnter

Do action :addEnter

Do action :addZero

Do action :addEnter

Do action :addEnter

Do action :addEnter

Do action :addEnter

Do action :addEnter

Good!!!!!!!avoid waf:<!--<

WAF 强化学习的更多相关文章

  1. 【整理】强化学习与MDP

    [入门,来自wiki] 强化学习是机器学习中的一个领域,强调如何基于环境而行动,以取得最大化的预期利益.其灵感来源于心理学中的行为主义理论,即有机体如何在环境给予的奖励或惩罚的刺激下,逐步形成对刺激的 ...

  2. 强化学习之 免模型学习（model-free based learning）

    强化学习之 免模型学习(model-free based learning) ------ 蒙特卡罗强化学习 与 时序查分学习 ------ 部分节选自周志华老师的教材<机器学习> 由于现 ...

  3. (译) 强化学习 第一部分：Q-Learning 以及相关探索

    (译) 强化学习 第一部分:Q-Learning 以及相关探索 Q-Learning review: Q-Learning 的基础要点是:有一个关于环境状态S的表达式,这些状态中可能的动作 a,然后你 ...

  4. 强化学习读书笔记 - 02 - 多臂老O虎O机问题

    # 强化学习读书笔记 - 02 - 多臂老O虎O机问题 学习笔记: [Reinforcement Learning: An Introduction, Richard S. Sutton and An ...

  5. 强化学习读书笔记 - 05 - 蒙特卡洛方法(Monte Carlo Methods)

    强化学习读书笔记 - 05 - 蒙特卡洛方法(Monte Carlo Methods) 学习笔记: Reinforcement Learning: An Introduction, Richard S ...

  6. 强化学习读书笔记 - 06~07 - 时序差分学习(Temporal-Difference Learning)

    强化学习读书笔记 - 06~07 - 时序差分学习(Temporal-Difference Learning) 学习笔记: Reinforcement Learning: An Introductio ...

  7. 强化学习之Q-learning ^_^

    许久没有更新重新拾起,献于小白 这次介绍的是强化学习 Q-learning,Q-learning也是离线学习的一种 关于Q-learning的算法详情看 传送门 下文中我们会用openai gym来做 ...

  8. 强化学习 - Q-learning Sarsa 和 DQN 的理解

    本文用于基本入门理解. 强化学习的基本理论 : R, S, A 这些就不说了. 先设想两个场景:  一. 1个 5x5 的 格子图, 里面有一个目标点,  2个死亡点二. 一个迷宫,   一个出发点, ...

  9. TensorLayer官方中文文档1.7.4：API – 强化学习

    API - 强化学习¶ 强化学习(增强学习)相关函数. discount_episode_rewards([rewards, gamma, mode]) Take 1D float array of ...

随机推荐

  1. javascript自定义属性的应用

    你知道吗?JavaScript可以为任何HTML元素添加任意的自定义属性,而且你可能无意中已经使用过自定义属性了,那么自定义属性通常有哪些应用呢? 1.想用“匹配”.对应关系的时候就用索引值 2.同时 ...

  2. yield的表达式形式、面向过程编程（grep -rl 'root' /etc）

    一.yield的表达形式 def foo(): print('starting') while True: x=yield None#return 2 print('value :',x) g=foo ...

  3. Matlab/Simulink仿真中如何将Scope转化为Figure?

    1.只需要在运行仿真后,在命令窗口内输入: ,'ShowHiddenHandle','on'); set(gcf,'menubar','figure'); scope最上方会出现一个菜单栏,选择Too ...

  4. 0409-服务注册与发现-Eurek Ribbon Feign常见问题及解决

    一.Eureka 1.1.Eureka Environment的配置: eureka.environment: 字符串 参考文档: https://github.com/Netflix/eureka/ ...

  5. LINQ不包含列表

    var query=lista.Where(p=>!listb.Any(g=>p.id==g.id && p.no==g.no))

  6. python16_day12【html、css】

    一.HTML 所有HTML标签操作 <!DOCTYPE html> <html lang="en"> <head> <!--编码--> ...

  7. Python之验证码

    Python生成随机验证码,需要使用PIL模块. 安装: ? 1 pip3 install pillow 基本使用 1. 创建图片 ? 1 2 3 4 5 6 7 8 9 from PIL impor ...

  8. Php ArrayIterator的几个常用方法

    搜索商低..从php.net找到 ,自己翻译一下 总结在一起   rewind()    指针回到初始位置 valid()        判断数组当前指针下是否有元素 key()        数组键 ...

  9. NIO复习03

    SocketChannel: 1. Java NIO中的SocketChannel是一个连接到TCP网络套接字的通道.可以通过以下2种方式创建SocketChannel: 打开一个SocketChan ...

  10. React 学习参考资料链接

    node.js官网https://nodejs.org/en/download/ React 入门实例教程http://www.ruanyifeng.com/blog/2015/03/react.ht ...