如何使用Logsensor快速识别登录面板和POST表单SQLi缺陷

关于Logsensor

Logsensor是一款功能强大的传感器扫描工具,在该工具的帮助下,广大研究人员不仅能够轻松发现和识别目标应用程序的登录面板,而且还可以扫描POST表单的SQLi漏洞缺陷。

Logsensor专为渗透测试和红队人员设计,可以快速识别和检测目标应用程序的安全问题。

功能介绍

1、支持执行多主机登录面板扫描任务;

2、代理兼容性(HTTP、HTTPS);

3、支持多进程扫描登录面板;

4、在扫描多个URL时速度非常快,性能强;

依赖组件

re

bs4

termcolor

argparse

tabulate

requests

工具安装

由于该工具基于Python开发,因此我们首先需要在本地设备上安装并配置好Python环境。

接下来,广大研究人员可以直接使用下列命令将该项目源码克隆至本地:

复制代码
git clone https://github.com/Mr-Robert0/Logsensor.git

然后切换到项目目录中,给工具安装脚本提供可执行权限:

复制代码
cd Logsensor && sudo chmod +x logsensor.py install.sh

使用pip工具和项目提供的requirements.txt文件安装该工具所需的依赖组件:

复制代码
pip install -r requirements.txt

执行工具安装脚本即可:

复制代码
./install.sh

工具使用

多主机扫描以检测登录面板

我们可以根据实际需求调整线程数量,默认为30,下列命令仅执行登录面板检测器模块:

复制代码
python3 logsensor.py -f <subdomains-list>

python3 logsensor.py -f <subdomains-list> -t 50

python3 logsensor.py -f <subdomains-list>  --login

针对性表单SQLi扫描

我们可以使用--sqli或-s参数并提供指定的登录面板URL,让Logsensor仅运行SQLi表单扫描模块:

复制代码
python logsensor.py -u www.example.com/login --sqli

除此之外,还可以开启代理以查看发送的请求,或自定义用户在登录表单输入的用户名(默认为"username"):

复制代码
python logsensor.py -u www.example.com/login -s --proxy http://127.0.0.1:8080

python logsensor.py -u www.example.com/login -s --inputname email

查看工具帮助信息

复制代码
python logsensor.py --help

 

usage: logsensor.py [-h --help] [--file ] [--url ] [--proxy] [--login] [--sqli] [--threads]

 

optional arguments:

  -u , --url           目标URL (例如 http://example.com/ )

  -f , --file            选择一个目标主机列表文件 (例如 list.txt )

  --proxy             设置代理 (例如 http://127.0.0.1:8080)

  -l, --login           仅运行登录面板检测器模块

  -s, --sqli           仅运行POST表单SQLi扫描模块,需提供登录面板URL

  -n , --inputname   自定义实际用户名输入以执行SQLi扫描 (例如'username'或'email')

  -t , --threads        线程数量 (默认30)

  -h, --help           显示工具帮助信息和退出

工具运行截图

许可证协议

本项目的开发与发布遵循GPL-3.0开源许可证协议。

项目地址

Logsensor :【GitHub传送门

参考资料

regex · PyPI

bs4 · PyPI

termcolor · PyPI

argparse · PyPI

tabulate · PyPI

requests · PyPI

相关推荐
午安~婉4 小时前
GitHub Token/ GitHub Stats统计显示图异常
前端·github·vercel·github token
dong_junshuai6 小时前
每天一个开源项目#59 AirLLM:27.6K星,3.72GB显存跑2.8T模型
人工智能·程序员·github
lpfasd1236 小时前
2026年第31周GitHub趋势周报
github
Jul1en_8 小时前
【Claude Code Compact】源码级别的学习上下文压缩
java·前端·学习·github·ai编程
逛逛GitHub8 小时前
Karpathy 刚发了一个帖子,怎么判断一个新模型到底行不行?
github
m4Rk_9 小时前
【论文阅读】Agent 记忆机制(28):MEM1——将记忆压缩融入推理,实现近似恒定上下文的长程智能体
论文阅读·人工智能·学习·开源·github
逛逛GitHub9 小时前
盘点 17 个 7 月份 GitHub 上夯夯夯的开源项目。
github
在水一缸12 小时前
从“反向技能“到协作革命:当开源重新定义AI编程助手
开源·github·ai编程·开发者工具·ai编程助手·ai协作·claude cowork
用户5268356779014 小时前
存储运维实战:基于 Ceph Event 监听与 Python 适配器的分布式存储健康度物理声光响应架构
github
dong_junshuai14 小时前
每天一个开源项目#58 DwarfStar:2万星原生引擎,让DeepSeek V4跑在Mac上
github