Yaklang/Yakit项目中风险类型(risk.type)的正确使用方法
2025-06-03 02:59:08作者:郁楠烈Hubert
在Yaklang/Yakit项目的安全测试中,风险报告(risk)是一个核心功能模块,它允许安全研究人员将发现的安全问题规范化地输出。其中risk.type()参数的正确设置尤为重要,因为它决定了问题的分类和后续处理方式。
风险类型参数的重要性
risk.type()参数用于指定问题的类型分类,这个参数必须准确填写,否则系统会默认归类为"其它"类型。这不仅影响报告的准确性,还可能影响后续的管理和修复优先级评估。
常见风险类型对照
根据Yaklang/Yakit项目的文档和实践经验,以下是一些常见的类型及其对应的缩写:
- SQL注入: "sqli"
- 跨站脚本: "xss"
- 远程代码执行: "rce"
- 信息泄露: "info"
- 文件包含: "file-include"
- 命令注入: "command-injection"
- 路径遍历: "path-traversal"
- 服务器端请求伪造: "ssrf"
- XML外部实体注入: "xxe"
- 不安全的直接对象引用: "idor"
使用建议
-
优先使用标准缩写:系统能够自动识别常见的缩写形式,如"sqli"、"xss"等。
-
保持一致性:在整个项目中,建议团队统一使用相同的类型标识,便于后续统计和分析。
-
结合risk.typeVerbose():可以使用risk.typeVerbose()提供更详细的类型描述,这对于报告的可读性很有帮助。
-
参考官方文档:Yakit项目已经完善了关于risk的文档,建议开发者在使用前仔细阅读。
示例代码
risk.NewRisk(
result.Url,
risk.title("BakFile: %v" % result.Url),
risk.payload(result.Url),
risk.severity("high"),
risk.description(BakFile_DESC),
risk.solution(BakFile_RSV),
risk.type("info"), # 正确使用标准缩写
risk.typeVerbose("文件泄露"),
risk.request(result.RequestRaw),
risk.response(result.ResponseRaw),
)
注意事项
如果risk.type()参数填写不正确或使用了系统无法识别的类型,系统会自动将其归类为"其它"类型。这可能导致问题被低估或忽略,因此务必确保使用正确的类型标识。
对于新发现的问题类型,如果不在现有分类中,建议先与团队讨论确定合适的分类方式,或者在项目社区中提出,以便完善类型系统。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C026
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
423
3.25 K
Ascend Extension for PyTorch
Python
231
262
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++
689
331
暂无简介
Dart
686
160
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
667
仓颉编译器源码及 cjdb 调试工具。
C++
136
869