eyeballer

眼球

让您的屏幕截图快速亮相。

Eyeballer是用于大型网络渗透测试的，您需要从一组基于Web的主机中找到“有趣的”目标。继续使用您喜欢的屏幕截图工具，例如正常（目击者或Gowitness），然后通过Eyeballer运行它们，告诉您可能包含脆弱性的是什么，什么不包含脆弱性。

试用它：https：//eyeballer.bishopfox.com

示例标签

旧的网站	登录页

WebApp	自定义404

停放的域

标签意味着什么

旧的网站块状框架，破碎的CSS，是一个看起来像在2000年代初期设计的网站的某些“ Je ne sais quoi”。当您看到它时，您就会知道。旧网站不仅丑陋，而且它们通常也超级脆弱。当您想入侵某些东西时，这些网站是金矿。

登录页面登录页面对于笔测试很有价值，它们表明您目前还无法访问其他功能。这也意味着有一个简单的凭证攻击过程。您可能会认为您可以设置一个简单的启发式方法来查找登录页面，但实际上确实很难。现代网站不仅使用我们可以抓住的简单输入标签。

WebApp这告诉您，这里有较大的页面和功能可以用作攻击的表面积。这与没有其他功能的简单登录页面相反。或没有其他功能的默认IIS登录页面。该标签应向您指出，这里有一个Web应用程序要攻击。

定制的404个现代网站喜欢有可爱的定制404页，上面有破碎的机器人或悲伤的狗的照片。不幸的是，他们也喜欢在这样做的同时返回HTTP 200响应代码。通常，“ 404”页面甚至不包含文本“ 404”。尽管在视觉上进行了很多操作，但这些页面通常是不感兴趣的，而Eyeballer可以帮助您筛选它们。

停放的域停放的域是看起来真实但不是有效攻击表面的网站。它们是备用页面，通常没有任何实际功能，几乎完全由广告组成，通常不受我们的实际目标运行。当指定的域是错误或失效时，这就是您得到的。随着时间的流逝，找到这些页面并将其从范围中删除确实很有价值。

设置

在PIP上下载所需软件包：

 sudo pip3 install -r requirements.txt

或者如果您需要GPU支持：

 sudo pip3 install -r requirements-gpu.txt

注意：设置用于与TensorFlow一起使用的GPU超出了此读数的范围。可以考虑硬件兼容性，可以安装驱动程序...有很多。因此，如果您想要GPU，您只需要自己弄清楚这部分。但是至少从Python软件包的角度来看，上述要求文件已涵盖您。

预处理的重量

有关最新预定的权重，请在Github上查看此处的发行版。

培训数据您可以在此处找到我们的培训数据：

https://www.kaggle.com/altf42600/pentest-screensots

从培训数据中您需要两件事：

1. images/文件夹，包含所有屏幕截图（调整大小为224x224）
2. 具有所有标签的labels.csv

将两者都复制到眼球代码树的根中。

此外，您可以找到一个预验证的权重文件，可以在不培训的情况下立即使用。

1. bishop-fox-pretrained-vN.h5

它在Github上，查看最新版本的releases部分。

预测标签

注意：为了获得最佳结果，请确保以本机1.6倍的长宽比屏幕截图。即：1440x900。 Eyeballer会自动将图像自动缩小到适合您的尺寸，但是如果它的宽高比是错误的，那么它将以影响预测性能的方式挤压。

要眼球一些屏幕截图，只需运行“预测”模式：

 eyeballer.py --weights YOUR_WEIGHTS.h5 predict YOUR_FILE.png

或用于整个文件目录：

 eyeballer.py --weights YOUR_WEIGHTS.h5 predict PATH_TO/YOUR_FILES/

Eyeballer将以人类可读格式results.csv results.html

表现

眼球的性能是针对评估数据集测量的，这是随机选择的整体屏幕截图的20％。由于这些屏幕截图从未在训练中使用，因此它们可以成为查看模型表现效果的有效方法。这是最新结果：

总体二进制精度	93.52％
全有或全无的精度	76.09％

总体二进制精度可能是您认为模型的“准确性”。考虑到任何单个标签，这是正确的，这是正确的。

全有或全无的精度更加严格。为此，我们考虑了所有图像的标签，如果有任何标签是错误的，则认为这是失败的。该准确性额定值是该模型正确预测任何给定图像的所有标签的机会。

标签	精确	记起
自定义404	80.20％	91.01％
登录页面	86.41％	88.47％
WebApp	95.32％	96.83％
旧的	91.70％	62.20％
停放的域	70.99％	66.43％

有关精密vs召回的详细说明，请查看Wikipedia。

训练

要训​​练新型号，请运行：

 eyeballer.py train

您需要一台具有良好GPU的机器才能在合理的时间内运行。但是，设置该设置超出了此读数的范围。

这将输出一个新的型号文件（默认情况下为toges.h5）。

评估

您刚刚训练了一种新型号，很酷！让我们看看它在各种指标上从未见过的一些图像的表现如何：

 eyeballer.py --weights YOUR_WEIGHTS.h5 evaluate

输出将描述该模型在每个程序标签的召回和精确度中的准确性。 （包括“无上述”作为伪标签）