Yaklang/Yakit项目中风险类型(risk.type)的正确使用方法
2025-06-03 02:16:07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
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 StartedRust0191
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 Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
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
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
765
4.97 K
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++
857
1.93 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++
680
1.33 K
Ascend Extension for PyTorch
Python
719
879
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
456
438
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++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 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 Notebook
303
118
昇腾LLM分布式训练框架
Python
178
220