Autowasp 使用教程
2025-04-17 04:18:46作者:何举烈Damon
1. 项目介绍
Autowasp 是一个开源的 Burp Suite 扩展,它将 OWASP Web 安全测试指南(WSTG)与 Burp Scanner 集成,为现代渗透测试人员提供一个简化的 Web 应用程序安全测试流程。这个工具会指导新的渗透测试人员了解 Web 应用程序安全的最佳实践,并自动化 OWASP WSTG 检查。
2. 项目快速启动
以下是快速启动 Autowasp 的步骤:
环境准备
确保您已经安装了 Burp Suite Professional。
下载 Autowasp
克隆 Autowasp 仓库到您的计算机:
git clone https://github.com/PortSwigger/autowasp.git
构建项目
使用 IntelliJ IDEA:
- 克隆仓库后,打开 IntelliJ IDEA,选择导入项目或打开项目。
- 打开项目结构 (
File > Project Structure...或Ctrl+Alt+Shift+S)。 - 在主类选项中,选择
BurpExtender (burp)。 - 在项目设置中,选择模块,添加
/src/main/resources作为项目资源。 - 点击应用并关闭项目设置。
- 点击构建项目 (
Build > Build Project)。
构建完成后,autowasp.jar 文件会生成在 /Autowasp/out/artifacts/autowasp_jar/autowasp.jar。
使用命令行:
- 克隆仓库后,运行以下命令:
cd Autowasp
mvn clean compile assembly:single
- 构建完成后,
autowasp.jar文件会生成在/Autowasp/target/autowasp-1.0-SNAPSHOT-jar-with-dependencies.jar。
安装扩展
- 下载 release 版本的 Autowasp JAR 文件。
- 打开 Burp Suite。
- 点击
Extender标签页。 - 在
Extensions标签页下点击Add。 - 在
Extension Details中点击Select file并选择 Autowasp JAR 文件,然后点击Next。 - 如果没有输出或错误,您会在顶部标签行看到一个名为 Autowasp 的新标签页。
3. 应用案例和最佳实践
以下是一个使用 Autowasp 的通用测试工作流程:
- 在 Autowasp 中显示 OWASP 清单以供参考。
- 将目标 URL 添加到
Scope。Scope功能将从 Burp Scanner 提取相关结果并监听不安全的 Web 请求和响应。 - 将扫描问题映射到清单中的具体测试案例。
- 手动探索网站的页面,然后点击
Enable Burp Scanner Logging以在Logger标签页下显示扫描问题。 - 将发现的问题映射到清单。
- 插入与日志相关的安全观察和证据。
- 生成包含清单、日志、证据和评论的报告。
4. 典型生态项目
Autowasp 作为 Burp Suite 的扩展,是 Web 应用程序安全测试生态的一部分。其他类似的开源项目包括 OWASP ZAP (Zed Attack Proxy)、w3af 等,它们都提供了自动化 Web 应用程序安全测试的工具和框架。通过结合这些工具,渗透测试人员可以更全面地进行安全评估。
登录后查看全文
热门项目推荐
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。C030
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
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
425
3.26 K
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
334
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
264
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
🎉 (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
🔥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
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
19
30