[發明專利]一種基于被動掃描的邏輯漏洞檢測方法

在審

• 申請號: 202111551309.6
• 申請日: 2021-12-21
• 公開（公告）號: CN114329481A
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 吳炎臻;李佩澤;田鵬旭
• 申請（專利權）人: 上海矢安科技有限公司
• 主分類號: G06F21/57
• 分類號: G06F21/57
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.本發明為達到邏輯漏洞檢測目的，需要以中間人攻擊方式接入到客戶端與服務器通信流量中，通過使用三種不同賬號狀態，分別為未登錄狀態的賬號、A用戶權限的賬號、B用戶權限的賬號，去請求同一個API報文，根據返回的內容差異進行評估，計算可能存在邏輯漏洞的概率以及可能存在敏感信息泄露的內容，再綜合所處業務場景最后得出一個風險值。

2.首先需要闡述其中所涉及到的算法原理：

1、RDC(Removing Dynamic Content):

RDC為去動態內容算法，主要用于去除頁面無效的動態響應內容，減少對FH以及SIMHash算法的輸入干擾；其核心計算公式可歸納如下：

R_n表示第N次請求返回去動態值，需要請后兩次請求的返回內容近似相同，可得到一個去動態相似的值

2、FH（Fuzzy Hashing）

將頁面內容通過模糊哈希計算取值

3、SIMHash(Simailer Hashing)

計算兩個文本內容的哈夫曼長度

4、TF-IDF(term frequency–inverse document frequency)

TF-IDF有兩部分算法組成，詞頻（term frequency，tf）指的是某一個給定的詞語在該文件中出現的頻率；這個數字是對詞數（term count）的歸一化，以防止它偏向長的文件；（同一個詞語在長文件里可能會比短文件有更高的詞數，而不管該詞語重要與否）對于在某一特定文件里的詞語t_ij來說，它的重要性可表示為：

以上式子中n_ij是該詞在文件d_j中的出現次數，而分母則是在文件d_j中所有字詞的出現次數之和

逆向文件頻率（inverse document frequency，idf）是一個詞語普遍重要性的度量。

3.某一特定詞語的idf，可以由總文件數目除以包含該詞語之文件的數目，再將得到的商取以10為底的對數得到：

其中:

|D|：語料庫中的文件總數

|{j:t_i∈d_j}|：包含詞語t_j的文件數目（即n_ij≠0的文件數目）如果詞語不在資料中，就導致分母為零，因此一般情況下使用1+|{j:t_i∈d_j}| 然后可得

tfidf_ij = tf_ij X idf_i

通過詞頻-逆向文件頻率 算法可用于判斷敏感信息在頁面中泄露的程度。

4.結合上訴算法，應用到檢測中可得邏輯漏洞檢測流程圖（參考圖一），具體的流程說明如下：

（1） 被動掃描器通過網關獲得輸入流量，去除無關的靜態內容（如js、圖片已經靜態的HTML頁面）

（2） 接著進入API邏輯判斷，邏輯漏洞大多發生于API相關請求鏈接中，這步主要用于再次去重無用關鍵內容

（3） 再進入動態業務檢測功能，確定其為有效的請求

（4） 接著載入另外兩種不同狀態的賬號，進入邏輯漏洞判斷

（5） 根據得分的高低，確定是否進入到具體的場景識別中

（6）最后到達權值復算的邏輯，給出存在邏輯漏洞的概率分值。