最简单的SQL注入测试方法:Break & Repair技术详解

最简单的SQL注入测试方法:Break & Repair技术详解

每当看到人们讨论SQL注入测试时,我注意到一个普遍现象:很多初学者感到困惑。有些人甚至因为不确定该寻找什么或如何正确测试而难以开始。

在这篇文章中,我想分享我个人测试SQL注入的方法------以最简单的方式。

第一步:首先了解数据库

在测试之前,你需要对应用程序使用的数据库类型有个基本了解。

  • 是MySQL吗?
  • 是PostgreSQL吗?
  • 是Oracle吗?
  • 或者它甚至不是基于SQL的,可能是MongoDB(NoSQL)?

为什么这很重要?因为有效载荷是特定于数据库的。MySQL的有效载荷不一定在MongoDB上工作,MongoDB的有效载荷也不在PostgreSQL上工作。

所以,第一条规则:在开始喷洒有效载荷之前,先了解数据库类型。

第二步:不要过早假设

假设你找到一个端点,比如"example.com/user?id=123"

这看起来像是一个可能与数据库交互的参数。但不要只是假设它存在漏洞。甚至不要假设它是SQL,可能是NoSQL或者只是一个返回JSON的API。

关键是在下结论之前先与之交互。

第三步:"Break and Repair"技术

这是我一直在使用的真正宝贵技术,我称之为"Break and Repair"。

实际上我是从观看Tib3rius在YouTube上的视频中获得这个想法的,但我将其简化为自己的风格。逻辑很简单:

首先,尝试破坏SQL环境。 然后,尝试修复它。

让我解释一下。

破坏

你在参数末尾添加一个单引号('),即(example.com/user?id=123...

会发生什么?

  • 有时,你会看到错误消息(如"SQL语法错误")。
  • 有时,你根本看不到任何响应,它只是变成空白或返回默认错误页面。

两者都是重要的信号。

修复

现在,添加另一个单引号(这样你就有了两个),(example.com/user?id=123...

通过这样做,你实际上是在再次正确"关闭"SQL查询。

如果对123'(破坏)的响应与123''(修复)不同,那就是背后有SQL在运行的线索。

这就是我所说的"Break and Repair"。你用一个引号破坏查询,然后用两个引号修复它。如果服务器在两者之间的行为不同,恭喜你,你找到了一个可能的SQLi入口点。

第四步:测试盲SQL注入

并非所有SQL注入都会抛出明显的错误消息。很多时候,你什么也看不到,这就是盲SQL注入的用武之地。

在这里,你可以使用以下技巧:

  • 基于布尔的payload(真/假条件)
  • 基于时间的payload(响应延迟)

例如,如果你正在测试MySQL,你可能会尝试类似(?id=123' AND SLEEP(5)-- -)的东西

如果页面突然多花了5秒加载,那就是你的信号。

再次记住,payload取决于数据库。MySQL的payload在MongoDB上不起作用。

第五步:提取信息(证明影响)

在漏洞赏金计划中,找到SQLi很好------但证明影响更好。

大多数公司希望你能证明漏洞是真实的。你不需要转储整个数据库,那没有必要。但你可以展示简单的东西,比如:

  • 数据库名称
  • 数据库版本
  • 当前用户

例如,在MySQL中,你可以提取(SELECT database(); SELECT version();)

这通常足以让公司接受你的报告。

最后思考

每当我测试SQLi时,我不会过度思考。我只是记住一个简单的方法,那就是"Break and Repair"。

如果你刚接触漏洞赏金狩猎或渗透测试,不要让SQL注入吓到你。从基础开始,了解数据库,并应用break and repair。随着你的练习,其余的自然而然就会了。

特别感谢我称之为"SQLi大师"的@5hady_,非常感谢你的提示和指导,我在这里分享的很多内容都来自你的想法,加上我自己的一些研究以及我在这个过程中理解问题的方式。

相关推荐
MM_MS1 小时前
Halcon小案例--->路由器散热口个数(两种方法)
人工智能·算法·目标检测·计算机视觉·视觉检测·智能路由器·视觉
SelectDB技术团队1 小时前
驾驭 CPU 与编译器:Apache Doris 实现极致性能的底层逻辑
数据库·数据仓库·人工智能·sql·apache
没学上了1 小时前
Vlm-BERT简介
人工智能·深度学习·bert
独自破碎E1 小时前
怎么实现AI的多轮对话功能?
人工智能
阿豪Jeremy1 小时前
bert-base-chinese-ner微调总结——针对“领域实体微调”及“增量实体微调”任务
人工智能·深度学习·bert
KG_LLM图谱增强大模型2 小时前
知识图谱+大模型“驱动的生物制药企业下一代主数据管理:Neo4j知识图谱与GraphRAG及GenAI的深度整合
人工智能·大模型·知识图谱
DisonTangor2 小时前
【DeepSeek拥抱开源】通过可扩展查找实现的条件记忆:大型语言模型稀疏性的新维度
人工智能·语言模型·自然语言处理
lkbhua莱克瓦242 小时前
稠密、稀疏与MoE:大模型时代的三重架构革命
人工智能·深度学习·机器学习·ai·架构
反向跟单策略2 小时前
期货反向跟单-贵金属牛市中的反向跟单密码
大数据·人工智能·学习·数据分析·区块链
K姐研究社2 小时前
实测百度文库AI PPT制作,一键排版美化生成专业PPT
人工智能·百度·powerpoint