AutoRepeater: 助力自动化HTTP请求重复的Burp Suite扩展
2024-08-11 08:29:10作者:邬祺芯Juliet
简介
在Web应用安全测试领域,Burp Suite无疑是一款广泛使用的HTTP调试工具。然而,在进行授权测试时,频繁的手动请求修改和重发可能会错过一些安全问题,并降低测试效率。为此,我们推出了一个开源的Burp Suite扩展——AutoRepeater。它旨在简化和自动化这个过程,使安全研究人员可以轻松地自动复制、修改并重新发送请求,同时快速评估响应差异。

技术解析
AutoRepeater通过定义替换规则,智能地筛选出需要重发的已改变请求。当匹配到特定条件的请求时,AutoRepeater会先应用基础替换,然后为每个定义的替换复制请求并执行替换操作。这一创新设计将原本繁琐的"修改-重发"循环转变为高效自动化流程。
应用场景
示例一:测试未认证用户访问权限
你可以设置一条基本替换规则,匹配并移除"Cookie"头,以此检验未认证用户能否访问应用。
示例二:测试不同用户间的授权访问
想要检查低权限用户是否能获取高权限信息,可以针对每个会话cookie设定替换规则。记录低权限用户的cookie值,配置基础替换来匹配并替换所有cookie的值。然后,以最高权限用户的身份浏览应用,查看结果。
特色功能
- 自动化请求复制、修改和重发。
- 条件化替换规则。
- 快速替换头部、cookie和参数值。
- 分割显示的请求/响应视图。
- 请求/响应差异对比视图。
- 基础替换(如CSRF令牌和session cookie)以防破坏请求。
- 标签可命名,便于管理。
- 日志记录功能,便于回顾操作。
- 数据导出,方便共享和备份。
- 激活切换,按需使用。
- 其他Burp Suite工具直接发送请求至AutoRepeater。
使用建议
确保开启AutoRepeater前已准备好开始浏览。设置好基础替换后,开始测试。每个会话结束时,尽管配置会保留,但具体数据会丢失,定期保存和导出是明智的选择。
参考资源
- 视频教程:BSides Rochester 2018 - AutoRepeater: Automated HTTP Request Repeating With Burp Suite
- 博客文章:AutoRepeater: Automated HTTP Request Repeating With Burp Suite
AutoRepeater将为你提供一种通用且高效的解决方案,无论是在测试身份验证问题还是其他可能存在的安全问题时,都能让你的工作更流畅、更精准。立即加入我们的社区,体验这款强大的Burp Suite扩展吧!
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
421
3.22 K
Ascend Extension for PyTorch
Python
230
261
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
330
暂无简介
Dart
685
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
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869