[笔记]渗透测试工具Burpsuit《一》Burpsuit介绍

简介: [笔记]渗透测试工具Burpsuit《一》Burpsuit介绍

前言

Burp Suite(burpsuit官网) 是用于攻击web 应用程序的集成平台。它包含了许多Burp工具,这些不同的burp工具通过协同工作,有效的分享信息,支持以某种工具中的信息为基础供另一种工具使用的方式发起攻击。

它主要用来做安全性渗透测试,可以实现拦截请求、Burp Spider爬虫、漏洞扫描(付费)等类似Fiddler和Postman但比其更强大的功能。

一、安装配置

1.1 环境

>jdk1.8
burpsuite_pro_v1.7.11.jar
burploader-crack.jar

1.7环境过时了 ssl证书已无法绕过 所以使用2022版本自带浏览器可以绕过

如果机器上同时安装了其他版本的jdk,请使用1.8对应的java.exe -jar burploader-crack.jar命令来启动burploader-crack.jar

> 私信获得下载地址

jdk17安装及配置

burpsuite_pro_v2022.1.1.jar

BurpCrack.jar

下载地址

1.2 安装过程

  • 双击burpsuite_pro_v2022.1.1.jar运行
  • 或者执行命令 java.exe -jar burpsuite_pro_v2022.1.1.jar

或者直接运行BurpSuiteLoader.bat

1.3 科技过程

可参考此处

简要分为几步:

通过 BurpCrack.jar 科技绕过使用(拿到requestCode 生成responseCode,具体不会科技的,可私信)

通过BurpSuiteLoader.bat启动burpsuite_pro_v2022.1.1.jar

问题:burpsuit to run burp suite using java 17+

参考解决

主要就是BurpSuiteLoader.bat添加 --add-opens等,修改后内容如下:

@echo off
start "burpsuite" /B "javaw.exe" --illegal-access=permit -Xmx8G -XX:-UseParallelGC -noverify --add-opens=java.desktop/javax.swing=ALL-UNNAMED --add-opens=java.base/java.lang=ALL-UNNAMED -javaagent:BurpSuiteLoader_v2022.1.1.jar -Dfile.encoding=utf-8 -jar "burpsuite_pro_v2022.1.1.jar"
pause

二、常用功能

常用功能包括:

  • 漏扫
  • 抓包
  • 暴力破解
  • 重放

2.1 Manual penetration testing features

特征:

  • 拦截所有你能在浏览器上看到的

Intercept everything your browser sees:A powerful proxy/history lets you modify all HTTP(S) communications passing through your browser.

拦截所有你能在浏览器上看到的:一个强大的代理/历史可以修改所有通过您的浏览器的HTTP (S)通信。

  • 管理侦察数据

Manage recon data: All target data is aggregated and stored in a target site map - with filtering and annotation functions.

管理侦察数据:

  • Expose hidden attack surface
  • Test for clickjacking attacks
  • Work with WebSockets
  • Break HTTPS effectively
  • Manually test for out-of-band vulnerabilities
  • Speed up granular workflows
  • Quickly assess your target
  • Assess token strength

2.2 Advanced/custom automated attacks

2.3 Automated scanning for vulnerabilities

2.4 Productivity tools

2.5 Extensions

三、拓展功能

使用Burp Suite和Python进行自动化漏洞挖掘

利用Burp Suite进行移动应用程序渗透测试

burpsuit教程


相关文章
|
2月前
|
前端开发 测试技术 Python
【Selenium全攻略】掌握这一工具,实现自动化测试的所有梦想
本文分享了使用Selenium进行UI自动化测试的全过程,包括开发环境部署、代码实现、思路分析和难点解析。作者通过一个实际案例,讲述了如何利用Selenium处理前端生成报告失败的问题,以及在UI自动化中定位元素和处理元素不唯一的情况。同时,文章强调了解决问题思路的重要性,鼓励读者开拓思维,寻找不同的解决方案。
93 4
【Selenium全攻略】掌握这一工具,实现自动化测试的所有梦想
|
2月前
|
前端开发 jenkins 测试技术
自动化测试介绍,为何 Apifox 是进行自动化测试的最佳工具
自动化测试利用专用软件执行测试用例,比手动测试更高效准确。Apifox是一款集API文档、调试与自动化测试于一体的工具,提供一体化解决方案,简化API变更管理。其强大的测试功能支持丰富的断言及测试场景组合,便于模拟真实业务流程。Apifox还提供详尽的测试报告与分析功能,有助于快速定位问题。此外,它能轻松集成到CI/CD流程中,并支持定时任务及多分支管理,极大提升了测试效率和团队协作。相较于其他工具,Apifox以其全面的功能和友好的界面脱颖而出。
|
18天前
|
缓存 Java 测试技术
谷粒商城笔记+踩坑(11)——性能压测和调优,JMeter压力测试+jvisualvm监控性能+资源动静分离+修改堆内存
使用JMeter对项目各个接口进行压力测试,并对前端进行动静分离优化,优化三级分类查询接口的性能
谷粒商城笔记+踩坑(11)——性能压测和调优,JMeter压力测试+jvisualvm监控性能+资源动静分离+修改堆内存
|
13天前
|
测试技术
基于LangChain手工测试用例转App自动化测试生成工具
在传统App自动化测试中,测试工程师需手动将功能测试用例转化为自动化用例。市面上多数产品通过录制操作生成测试用例,但可维护性差。本文探讨了利用大模型直接生成自动化测试用例的可能性,介绍了如何使用LangChain将功能测试用例转换为App自动化测试用例,大幅节省人力与资源。通过封装App底层工具并与大模型结合,记录执行步骤并生成自动化测试代码,最终实现高效自动化的测试流程。
27 4
|
24天前
|
人工智能 测试技术 PyTorch
AI计算机视觉笔记二十四:YOLOP 训练+测试+模型评估
本文介绍了通过正点原子的ATK-3568了解并实现YOLOP(You Only Look Once for Panoptic Driving Perception)的过程,包括训练、测试、转换为ONNX格式及在ONNX Runtime上的部署。YOLOP由华中科技大学团队于2021年发布,可在Jetson TX2上达到23FPS,实现了目标检测、可行驶区域分割和车道线检测的多任务学习。文章详细记录了环境搭建、训练数据准备、模型转换和测试等步骤,并解决了ONNX转换过程中的问题。
|
24天前
|
人工智能 计算机视觉
AI计算机视觉笔记十五:编写检测的yolov5测试代码
该文为原创文章,如需转载,请注明出处。本文作者在成功运行 `detect.py` 后,因代码难以理解而编写了一个简易测试程序,用于加载YOLOv5模型并检测图像中的对象,特别是“人”类目标。代码实现了从摄像头或图片读取帧、进行颜色转换,并利用YOLOv5进行推理,最后将检测框和置信度绘制在输出图像上,并保存为 `result.jpg`。如果缺少某些模块,可使用 `pip install` 安装。如涉及版权问题或需获取完整代码,请联系作者。
|
24天前
|
机器学习/深度学习 人工智能 文字识别
AI计算机视觉笔记二十:PaddleOCR环境搭建及测试
OCR技术广泛应用于日常生活中,与人脸识别一样常见。PaddleOCR是一个基于飞桨的OCR工具库,具有超轻量级中文OCR模型,支持中英文数字组合、竖排及长文本识别。本文档详细介绍了PaddleOCR的学习过程,包括环境搭建、安装、样本标注及测试步骤。使用AutoDL云平台进行环境创建,并提供了详细的命令行操作指南,帮助用户顺利完成PaddleOCR的部署与测试。
|
1月前
|
监控 安全 Linux
如何利用Kali Linux进行网站渗透测试:最常用工具详解
如何利用Kali Linux进行网站渗透测试:最常用工具详解
68 6
|
1月前
|
安全 Linux 测试技术
Kali Linux预装的自动化渗透测试工具
Kali Linux预装的自动化渗透测试工具
43 2
|
1月前
|
机器学习/深度学习 人工智能 数据处理
AI计算机视觉笔记六:mediapipe测试
MediaPipe是由Google Research开发并开源的多媒体机器学习框架,已被集成到YouTube、Google Lens等重要产品中。该框架支持多种功能,如物体检测、自拍分割、头发分割、人脸检测、手部检测及运动追踪等。本文档将指导你通过Python环境搭建与测试MediaPipe,包括创建虚拟环境、安装依赖库,并进行手指骨骼识别测试。具体步骤涵盖环境配置、摄像头数据处理及结果显示。