探索GraphQL安全审计新工具:BatchQL
2024-05-20 00:32:59作者:苗圣禹Peter
BatchQL是一款专注于执行批处理GraphQL查询和操作的安全审计脚本。这个小巧的工具旨在填补网络上关于GraphQL批量攻击工具的空白,同时也热衷于接受社区的改进建议和贡献。
项目介绍
在探讨GraphQL批量攻击问题时,我们发现虽然有许多相关的博客文章,但缺少一个实际可用的工具来执行这些攻击。BatchQL应运而生,它能够检测并实施一系列针对GraphQL服务的潜在安全威胁。例如,通过单个查询尝试10,000种可能的四位数密码重置码,这可能会绕过一些网站的速率限制或账户锁定机制。
项目技术分析
BatchQL具备以下检测功能:
- 支持Introspection查询
- 检测模式建议
- 可能的CSRF(跨站请求伪造)检测
- 基于查询名称的批处理
- 基于JSON列表的批处理
目前,该工具支持JSON列表形式的查询以进行批量攻击,无论是将变量嵌入查询中还是作为JSON输入提供。
应用场景
枚举
通过简单的命令行参数,你可以对目标GraphQL服务进行枚举,检查是否存在如上述列举的各种安全风险。
❯ python batch.py -e http://re.local:5000/graphiql -p localhost:8080
批量攻击
BatchQL还支持执行基于文件的GraphQL查询和单词列表的批量攻击。例如,尝试登录过程中的密码暴力破解:
❯ python batch.py --query acc-login.txt --wordlist passwords.txt -v '{"loginInput":{"email":"admin@example.com","password":"#VARIABLE#","rememberMe":false}}' --size 100 -e http://re.local:5000/graphiql -p localhost:8080
项目特点
- 简单易用:只需几行命令即可进行枚举和攻击。
- 强大的批量处理能力:允许通过JSON列表进行大规模的查询,有效探测潜在漏洞。
- 全面的检测功能:涵盖多种安全问题,如Introspection、CSRF等。
- 可扩展性:欢迎社区成员提交改进和增强功能。
参考资源
了解更多信息,请参考以下链接:
BatchQL是一个强大的工具,对于想要评估其GraphQL服务安全性的开发者和安全研究人员来说,无疑是一个宝贵的资源。立即加入我们的行列,一起探索和保护GraphQL的世界!
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
182
196
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++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
274
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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