【亲测免费】 ActiveScan++ 技术文档
2026-01-25 06:18:17作者:明树来
1. 安装指南
1.1 系统要求
- Burp Suite Professional:版本1.6或更高。
- Jython:2.5或更高版本的独立版。可以从Jython官网下载。
1.2 手动安装步骤
- 打开Burp Suite Professional。
- 导航到“Extender” -> “Options”。
- 在“Python environment”下点击“Select file”。
- 选择下载的
jython-standalone-2.5.jar文件。 - 导航到“Extender” -> “Extensions”。
- 点击“Add”。
- 将“Extension Type”更改为Python。
- 选择
activeScan++.py文件。 - 安装完成!
2. 项目使用说明
2.1 基本使用
- 激活扫描:只需运行正常的主动扫描即可触发ActiveScan++的检查。
- 注意事项:主机头检查可能会篡改主机头,导致请求被路由到同一主机上的不同应用程序。在共享托管环境中运行此扫描器时需谨慎。
2.2 功能概述
- 潜在主机头攻击:包括密码重置中毒、缓存中毒和DNS重绑定。
- 边缘侧包含:检测边缘侧包含问题。
- XML输入处理:检测XML输入处理中的潜在问题。
- 可疑输入转换:例如
7*7 => '49',\\\\ => '\\'。 - 被动扫描器问题:仅在模糊测试期间出现的被动扫描器问题。
3. 项目API使用文档
ActiveScan++主要通过Burp Suite的扩展机制进行调用,API文档主要涉及Burp Suite的扩展接口。以下是一些关键接口的使用说明:
3.1 IBurpExtender接口
- 定义:所有Burp Suite扩展必须实现的接口。
- 方法:
registerExtenderCallbacks(IBurpExtenderCallbacks callbacks):注册扩展回调。
3.2 IScannerCheck接口
- 定义:用于实现自定义扫描检查的接口。
- 方法:
doPassiveScan(IHttpRequestResponse baseRequestResponse):执行被动扫描。doActiveScan(IHttpRequestResponse baseRequestResponse, IScannerInsertionPoint insertionPoint):执行主动扫描。
3.3 IExtensionHelpers接口
- 定义:提供各种实用方法来帮助扩展开发。
- 方法:
analyzeRequest(IHttpRequestResponse requestResponse):分析HTTP请求。analyzeResponse(byte[] response):分析HTTP响应。
4. 项目安装方式
4.1 手动安装
- 步骤:
- 下载并安装Jython 2.5或更高版本的独立版。
- 在Burp Suite中配置Jython环境。
- 加载
activeScan++.py文件。
4.2 自动安装(可选)
- 步骤:
- 使用Burp Suite的BApp Store安装ActiveScan++。
- 自动配置Jython环境。
通过以上步骤,您可以成功安装并使用ActiveScan++扩展,提升Burp Suite的扫描能力。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
468
461
暂无描述
Dockerfile
776
5.07 K
Ascend Extension for PyTorch
Python
756
961
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
872
2.01 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
696
1.4 K
昇腾LLM分布式训练框架
Python
183
230
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430