下巴- 客户端JavaScript的基于图的安全分析框架

基于ESPRIMA解析器的JavaScript的属性图的开源，原型实现以及Estree spidermonkey规范。 JAW可用于分析Web应用程序和基于JavaScript的程序的客户端。
该项目已根据GNU AFFERO通用公共许可证v3.0许可。请参阅此处以获取更多信息。
Jaw在https://soheilkhodayari.github.io/jaw/上提供了一个GitHub页面网站。
Release Notes:
2023年10月，JAW-V3（警长）: JAW已更新以检测客户端请求劫持漏洞。 2022年7月，JAW-V2（Thetthing）: JAW更新到其下一个主要版本，能够检测DOM CLOBBerbering漏洞。请参阅JAW-V2分支。 2020年12月，JAW-V1 :第一个原型版本。请参阅JAW-V1分支。

Overview of JAW​

下颌的体系结构如下所示。

Test Inputs​

可以以两种不同的方式使用:
Arbitrary JavaScript Analysis:通过指定程序的文件系统路径来建模和分析任何JavaScript程序。
Web Application Analysis:通过提供单个种子URL来分析Web应用程序。

Data Collection​

JAW具有几个启用JavaScript的Web爬网机，用于大规模收集Web资源。

HPG Construction​

使用收集的Web资源创建混合程序图（HPG），该图将导入到NEO4J数据库中。
可选地，为HPG构造模块提供语义类型的映射到自定义JavaScript语言令牌，从而根据其目的促进JavaScript函数的类别（例如，HTTP请求函数）。

Analysis and Outputs​

查询构建的NEO4J图数据库，以进行各种分析。 JAW为数据流分析，控制流分析，可及性分析和模式匹配提供实用程序遍历。这些遍历可用于开发自定义安全分析。
下巴还包括用于检测客户端CSRF的内置遍历，DOM CLOBBERing和请求劫持漏洞。
输出将存储在与输入的文件夹中。

Setup​

安装脚本依赖于以下先决条件:-最新版本的NPM软件包管理器（Node JS） - python 3.x的任何稳定版本3.x -Python Pip Package Manager
之后，安装必要的依赖项Via:
$ ./install.sh，有关详细的安装说明，请参阅此处。

Quick Start​

Running the Pipeline​

您可以在背景屏幕Via:中运行管道实例
$ python3 -m run_pipeline -conf=config.yaml CLI提供以下选项:
$ python3 -m run_pipeline -h
USAGE: run_pipeline.py [-h] [ - conf file] [ - site site] [ - 列表列表] [ - from from]
该脚本运行工具管道。
可选参数:
-h， - 赫尔普显示此帮助消息和退出
-conf文件，-c文件管道配置文件。 （Default: config.yaml）

• 网站，-s网站网站进行测试；覆盖配置文件（Default:无）
• 列表列表，-l列表网站列表要测试；覆盖配置文件（Default:无）
• 从第一个条目中，从第一个条目中考虑提供站点列表何时；覆盖配置文件（Default: -1）
• to，-t到最后一个条目，请考虑何时提供站点列表；覆盖配置文件（Default: -1）Input Config:JAW期望.YAML配置文件作为输入。有关示例，请参见Config.yaml。

Hint.配置文件指定不同的通行证（例如，爬网，静态分析等），可以为每个漏洞类启用或禁用。这允许单独或以不同的顺序运行工具构建块（例如，首先爬网，然后进行安全分析）。

Quick Example​

用于运行快速示例，演示如何构建属性图并在其上运行Cypher查询，DO:
$ python3 -M andarys.example.example_analysis-输入=$（pwd）/data/test_program/test.js

Crawling and Data Collection​

此模块收集数据（即测试的JavaScript代码和状态值）。如果要测试文件系统上已经有的特定JavaScript文件，则可以在此步骤skip。
Jaw具有基于硒（JAW-V1），Puppeteer（JAW-V2，V3）和剧作家（JAW-V3）的爬虫。对于大多数最新功能，建议使用uppeteer或基于剧作的版本。

Playwright CLI with Foxhound​

这款Web Crawler员工Foxhound是Firefox的乐器版本，在通过网页导航时执行动态污染跟踪。要启动爬行者，DO:
$ CD爬网
$ Node crawler-taint.js -seedurl=https://google.com -maxurls=100 -headless=true-true-foxhoundpath=optional-foxhound-path-foxhound-path foxHoundPath默认设置为以下Directory: Crawler/Firfox，其中包含一个名为Binary Firefox。
Note:您需要使用此版本的Foxhound构建。 JAW-V3版本中包含Ubuntu构建。

Puppeteer CLI​

启动爬行者，do:
$ CD爬网
$ node crawler.js - seedurl=https://google.com -maxurls=100 -browser=chrome -headless -headless=true，请参阅此处。有关更多信息。

Selenium CLI​

启动爬行者，do:
$ CD爬行者/HPG_CRAWLER
$ vim docker-compose.yaml＃设置要在此处爬网的网站并保存
$ docker-compose构建
$ docker -compose -D请参阅此处的HPG_CRAWLER的文档以获取更多信息。

Graph Construction​

HPG Construction CLI​

用于生成给定（一组）JavaScript文件的HPG，DO:
$ node Engine/cli.js -lang=js -graphid=graph1 -input=/in/file1.js -input=/in/file2.js -output=$（pwd）/data/data/out/-mode=csv
可选参数:
-lang:输入程序的语言
-graphid:生成的HPG的标识符
-Input:输入程序的路径
- 输出:输出hpg的路径必须为i
-mode:确定输出格式（CSV或GraphMl）

HPG Import CLI​

以在Neo4J Graph数据库（Docker实例）内导入HPG，DO:
$ python3 -m hpg_neo4j.hpg_import -rpath=to to to to to-the-folder-the-csv-files -id=xyz -nodes=nodes.csv-eDges=rels.csv=rels.csv
$ python3 -m hpg_neo4j.hpg_import -h
USAGE: HPG_IMPORT.PY [-H] [ - -RPATH P] [-ID I] [ - NODES N] [ - EDGES E]
该脚本将属性图的CSV导入到Neo4J Docker数据库中。
可选参数:
-h， - 赫尔普显示此帮助消息和退出

• 吊车P的相对路径与包含data目录中的图形CSV文件的文件夹相对路径
• ID i图形或Docker容器的标识符
• 节点n节点CSV文件的名称（default: nodes.csv）
• edges e关系CSV文件的名称（Default: Rels.CSV）

HPG Construction and Import CLI (v1)​

，以创建HPG_Crawler输出的混合属性图并在本地NEO4J实例中导入它，您也可以do: do:
$ python3 -m engine.api path --js=program.js --import=bool --hybrid=bool --reqs=requests.out --evts=events.out --cookies=cookies.pkl --html=html_snapshot.htmlSpecification of Parameters:path: absolute path to the folder containing the program files for analysis (must be under the engine/outputs 文件夹）。 -js=program.js:用于分析的JavaScript程序的名称（DEFAULT: JS_PROGRAME.JS）。 -import=boo:是否应将构造的属性图导入到活动的neo4j数据库（Default: True）。 -HYBRID=BOOL:是否启用了混合模式（Default: False）。这意味着测试仪希望通过输入文件来丰富属性图，该文件的任何HTML快照，触发事件，HTTP请求和cookie（如Jaw Crawler收集）。 - reqs=requests.out:仅用于混合模式，包含观察到的网络请求序列的文件的名称，将字符串false传递以排除（default: request_logs_short.out.out）。 -evts=Events.out:仅用于混合模式，包含射击事件序列的文件的名称，将字符串false传递以排除（default: Events.out）。 -cookies=cookies.pkl:仅用于混合模式，包含cookie的文件的名称，将字符串false传递到排除（default: cookies.pkl）。 -html=html_snapshot.html:仅用于混合模式，包含DOM树快照的文件的名称，将字符串false传递到dublate（default: html_rendered.html）。有关更多信息，您可以使用Graph Construction API:提供的帮助CLI
$ Python3 -m Engine.API -H

Security Analysis​

可以使用Cypher或NeoModel ORM查询构造的HPG。

Running Custom Graph traversals​

您应该在分析/Analysis_name中放置并运行查询。

Option 1: Using the NeoModel ORM (Deprecated)​

您可以使用NeoModel Orm查询HPG。写一个query:
（1）查看HPG数据模型和语法树。 （2）查看HPGS的ORM模型（3）请参阅提供的示例查询文件； example_query_orm.py在分析/示例文件夹中。 $ python3 -m analyzes.example.example_query_orm有关更多信息，请参阅此处。

Option 2: Using Cypher Queries​

您可以使用Cypher编写自定义查询。对于此:
（1）查看HPG数据模型和语法树。 （2）请参见提供的示例查询文件； example_query_cypher.py在分析/示例文件夹中。 $ python3 -m andarys.example.example_query_cypher有关更多信息，请参阅此处。

Vulnerability Detection​

本节介绍了如何配置和使用下颌进行漏洞检测以及如何解释输出。下颌包含用于检测客户端CSRF和DOM CLOBBERING的独立查询
Step 1.在输入config.yaml文件:中启用漏洞类的分析组件
request_hijacking:
启用: True
＃[.]
＃
Domclobbering:
启用: false
＃[.]
CS_CSRF:
启用: false
＃[.]Step 2.使用:运行管道实例
$ python3 -m run_pipeline -conf=config.yamlHint.您可以在不同屏幕下运行管道的多个实例:
$ screen -dms s1 bash -c'python3 -m run_pipeline -conf=conf1.yaml; exec sh'
$ screen -dms s2 bash -c'python3 -m run_pipeline -conf=conf2.yaml; exec sh'
$＃[.]要自动生成并行配置文件，您可以使用generate_config.py脚本。

How to Interpret the Output of the Analysis?​

输出将存储在一个名为sink.flows.out的文件中，以在与输入的文件夹中。例如，对于客户端的CSRF，对于每个检测到的HTTP请求，下颌输出标记与构造请求（即程序切片）元素相关的语义类型集（又称语义标签或标签）的条目。例如，通过窗口。LocationIndection Point可以原谅具有语义类型['win.loc']的HTTP请求。但是，标记为['非范围']的请求是不可原谅的。
示例输出条目在:下显示
[*] tags: ['win.loc']
[*] nodeid: {'topexpression':'86'，'callexpression':'87'，'gright':'94'}
[*]位置: 29
[*]功能: AJAX
[*] template: ajaxloc +'/bearer1234/'
[*] top Expression: $ .ajax（{Xhrfields: {withCredentials:'true'}，url: ajaxloc +'/bearer1234/'}）
1: ['win.loc']变量=ajaxloc
0 (loc:6)- var ajaxloc=window.location.href This entry shows that on line 29, there is a $.ajax call expression, and this call expression triggers an ajax request with the url template value of ajaxloc + '/bearer1234/, where the parameter ajaxloc is a program slice reading its value at line 6 from window.location.href, thus forgetable through ['win.loc']。

Test Web Application​

为了简化下颌的测试过程并确保您的设置准确，我们提供了一个简单的node.js Web应用程序，您可以使用该应用程序测试JAW。
首先，安装依赖项VIA:
$ CD测试/测试Webapp
然后安装$ npm，然后在新的屏幕:中运行该应用程序
$ screen -dms jawwebapp bash -c'端口=6789 npm run devstart; Exec SH'

Detailed Documentation.​

有关更多信息，请访问我们的Wiki页面。以下是用于快速访问的目录。

The Web Crawler of JAW​

Web Crawlers 010-10属性图节点语法和语法树属性图

Data Model of Hybrid Property Graphs (HPGs)​

Graph Construction​

使用jaw with Neo4j docker容器

Graph Traversals​

构建属性图3010-10在属性图3

Contribution and Code Of Conduct​

拉的属性图3

Academic Publication​

拉动请求。该项目旨在是一个安全，受欢迎的空间，预计贡献者将遵守《贡献者的行为守则》。

Acknowledgements​

如果您使用下巴进行学术研究，我们建议您引用以下论文:
@inproceedings {jaw，
title={JAW:使用混合属性图和声明性遍历研究客户端CSRF，
作者={Soheil Khodayari和Giancarlo Pellegrino}，
BookTitle={30th {USENIX}安全研讨会（{USENIX} SECURION 21）}，
年={2021}，
地址={Vancouver，B.C。}，
publisher={{usenix}协会}，
} 010-1010颌骨已经走了很长一段路，我们想在这里给贡献者一个当之无愧的喊叫！
@tmbrbr， @c01gide，@jndre和sepehr mirzaei。

 

H

Linux-smart-Enumeration-五型和CTF的Linux Eumunux枚举工具

H

VGER-与已验证的Jupyter实例交互的交互式CLI应用程序