JAW下载 - JAW源代码下载

JAW

其他类别

v4

下载

颚

网站|文档|设置|爬行者|快速开始码头（示例）

颚

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 GENERAL PUBLIC LICENSE 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。

发行说明：

2024年12月，JAW-V4：下颌更新了开放的重定向检测查询。
2023年10月，JAW-V3（警长）：JAW更新以检测客户端请求劫持漏洞。
2022年7月，JAW-V2（Thething）：JAW已更新到其下一个主要版本，能够检测到DOM Clobbering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。

内容

下巴的概述

测试输入
数据收集
HPG建筑
分析和输出

设置

安装

快速开始

运行管道
快速示例
爬行和数据收集
- 剧作家CLI与Foxhound
- 基于木偶的爬行者
- 基于硒的爬虫
图形结构
- HPG Construction CLI
- HPG导入CLI
安全分析
- 运行自定义图形遍历
- 脆弱性检测
测试Web应用程序

下巴的概述

下颌的结构如下所示。

测试输入

下巴可以以两种不同的方式使用：

任意JavaScript分析：通过指定程序的文件系统path来建模和分析任何JavaScript程序。
Web应用程序分析：通过提供单个种子URL来分析Web应用程序。

数据收集

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

HPG建筑

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函数的分类（例如，HTTP请求函数）。

分析和输出

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。

设置

安装脚本依赖以下先决条件：

npm package manager （节点JS）的最新版本
任何稳定版本的python 3.x
Python pip软件包经理

之后，通过以下方式安装必要的依赖项

$ ./install.sh

有关detailed安装说明，请参阅此处。

快速开始

运行管道

您可以通过以下方式在背景屏幕中运行管道的实例：

$ 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] [--list LIST] [--from FROM] [--to TO]

This script runs the tool pipeline.

optional arguments:
  -h, --help            show this help message and exit
  --conf FILE, -C FILE  pipeline configuration file. (default: config.yaml)
  --site SITE, -S SITE  website to test; overrides config file (default: None)
  --list LIST, -L LIST  site list to test; overrides config file (default: None)
  --from FROM, -F FROM  the first entry to consider when a site list is provided; overrides config file (default: -1)
  --to TO, -T TO        the last entry to consider when a site list is provided; overrides config file (default: -1)

输入配置： JAW期望.yaml配置文件作为输入。有关示例，请参见Config.yaml。

暗示。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。这样可以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）。

快速示例

要运行一个快速示例，演示如何构建属性图并在其上运行Cypher查询，请执行：

$ python3 -m analyses.example.example_analysis --input= $( pwd ) /data/test_program/test.js

爬行和数据收集

该模块收集测试所需的数据（即，网页的javascript代码和状态值）。如果要测试文件系统上已经有的特定Javascipt文件，则可以跳过此步骤。

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。

剧作家CLI与Foxhound

该网络爬行者采用Foxhound（Firefox的乐器版本），在通过网页导航时执行动态污点跟踪。要启动爬行者，请做：

$ cd crawler
$ node crawler-taint.js --seedurl=https://google.com --maxurls=100 --headless=true --foxhoundpath= < optional-foxhound-executable-path >

foxhoundpath默认设置为以下目录： crawler/foxhound/firefox包含一个名为firefox的二进制文件。

注意：您需要使用此版本的Foxhound构建。 JAW-V3版本中包含Ubuntu构建。

Puppeteer CLI

要启动爬行者，请做：

$ cd crawler
$ node crawler.js --seedurl=https://google.com --maxurls=100 --browser=chrome --headless=true

请参阅此处以获取更多信息。

硒CLI

要启动爬行者，请做：

$ cd crawler/hpg_crawler
$ vim docker-compose.yaml # set the websites you want to crawl here and save
$ docker-compose build
$ docker-compose up -d

有关更多信息，请在此处参考hpg_crawler的文档。

图形结构

HPG Construction CLI

要为给定（一组）JavaScript文件生成HPG，请执行：

 $ node engine/cli.js  --lang=js --graphid=graph1 --input=/in/file1.js --input=/in/file2.js --output=$(pwd)/data/out/ --mode=csv

optional arguments:
  --lang: 	language of the input program
  --graphid:  an identifier for the generated HPG
  --input: 	path of the input program(s)
  --output: 	path of the output HPG, must be i
  --mode: 	determines the output format (csv or graphML)

HPG导入CLI

要在Neo4J图形数据库（Docker实例）内导入HPG，请执行：

 $ python3 -m hpg_neo4j.hpg_import --rpath=<path-to-the-folder-of-the-csv-files> --id=<xyz> --nodes=<nodes.csv> --edges=<rels.csv>
$ python3 -m hpg_neo4j.hpg_import -h

usage: hpg_import.py [-h] [--rpath P] [--id I] [--nodes N] [--edges E]

This script imports a CSV of a property graph into a neo4j docker database.

optional arguments:
  -h, --help  show this help message and exit
  --rpath P   relative path to the folder containing the graph CSV files inside the `data` directory
  --id I      an identifier for the graph or docker container
  --nodes N   the name of the nodes csv file (default: nodes.csv)
  --edges E   the name of the relations csv file (default: rels.csv)

HPG建筑和进口CLI（V1）

为了为hpg_crawler的输出创建一个混合属性图并在本地NEO4J实例中导入它，您也可以做：

$ python3 -m engine.api < path > --js= < program.js > --import= < bool > --hybrid= < bool > --reqs= < requests.out > --evts= < events.out > --cookies= < cookies.pkl > --html= < html_snapshot.html >

参数规范：

<path> ：通往包含程序文件的文件夹的绝对路径（必须在engine/outputs文件夹下方）。
--js=<program.js> ：用于分析的JavaScript程序的名称（默认： js_program.js ）。
--import=<bool> ：是否应将构造的属性图导入到活动的Neo4J数据库（默认值：true）。
--hybrid=bool ：是否启用了混合模式（默认值： false ）。这意味着测试仪希望通过输入任何HTML快照，射击事件，HTTP请求和cookie的文件来丰富属性图。
--reqs=<requests.out> ：仅对于混合模式，包含obsevered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 ）。
--evts=<events.out> ：仅对于混合模式，包含射击事件序列的文件的名称，将字符串false传递到排除（默认： events.out ）。
--cookies=<cookies.pkl> ：仅对于混合模式，包含cookie的文件的名称，将字符串false传递到排除（默认： cookies.pkl ）。
--html=<html_snapshot.html> ：仅对于混合模式，包含DOM树快照的文件的名称，将字符串false传递以排除（默认： html_rendered.html ）。

有关更多信息，您可以使用图形构造API提供的帮助CLI：

$ python3 -m engine.api -h

安全分析

然后可以使用Cypher或NeoModel ORM查询构造的HPG。

运行自定义图形遍历

您应该在analyses/<ANALYSIS_NAME>中放置并运行查询。

选项1：使用NeoModel Orm（已弃用）

您可以使用NeoModel ORM查询HPG。写查询：

（1）查看HPG数据模型和语法树。
（2）查看HPG的ORM模型
（3）请参阅提供的示例查询文件； example_query_orm.py在analyses/example文件夹中。

$ python3 -m analyses.example.example_query_orm

有关更多信息，请参阅此处。

选项2：使用Cypher查询

您可以使用Cypher编写自定义查询。为了这：

（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analyses/example文件夹中。

$ python3 -m analyses.example.example_query_cypher

有关更多信息，请参阅此处。

脆弱性检测

本节介绍了如何配置和使用JAW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

步骤1。在输入config.yaml文件中启用漏洞类的分析组件：

 request_hijacking :
  enabled : true 
  # [...]

open_redirect :
  enabled : false 
  # [...]
  
domclobbering :
  enabled : false
  # [...]

cs_csrf :
  enabled : false
  # [...]

步骤2。使用以下方式运行管道的实例：

$ python3 -m run_pipeline --conf=config.yaml

暗示。您可以在不同screen s下运行多个管道的实例：

$ 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。

如何解释分析的输出？

输出将存储在称为sink.flows.out的文件中，以与输入的文件夹中。例如，对于客户端的CSRF，对于每个检测到的HTTP请求，下颌输出标记与构建请求（即，程序切片）元素关联的语义类型集（又称语义标签或标签）集的条目。例如，通过window.location Point可以原谅具有语义类型['WIN.LOC']的HTTP请求。但是，标记为['NON-REACH']的请求是不可原谅的。

示例输出条目如下：

 [*] Tags: ['WIN.LOC']
[*] NodeId: {'TopExpression': '86', 'CallExpression': '87', 'Argument': '94'}
[*] Location: 29
[*] Function: ajax
[*] Template: ajaxloc + "/bearer1234/"
[*] Top Expression: $.ajax({ xhrFields: { withCredentials: "true" }, url: ajaxloc + "/bearer1234/" })

1:['WIN.LOC'] variable=ajaxloc
	0 (loc:6)- var ajaxloc = window.location.href

此条目显示，在第29行上，有一个$.ajax呼叫表达式，并且此呼叫表达式触发了ajaxloc + "/bearer1234/的URL模板值的ajax请求，其中参数ajaxloc是一个程序slice slice slice slice slice slice在第6行中读取['WIN.LOC']在window.location.href中的读取其值。

测试Web应用程序

为了简化JAW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下JAW。

首先，通过以下方式安装依赖项：

$ cd tests/test-webapp
$ npm install

然后，在新屏幕中运行应用程序：

$ screen -dmS jawwebapp bash -c ' PORT=6789 npm run devstart; exec sh '

详细的文档。

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。

下巴的网络爬行者

网络爬网

混合属性图（HPG）的数据模型

属性图节点
语法和语法树
属性图边缘

图形结构

建造财产图
将下颌与Neo4J Docker容器

图形遍历

在属性图上运行查询

贡献和行为准则

拉力请求总是受到欢迎。该项目旨在是一个安全，热情的空间，预计贡献者将遵守《行为守则》。

学术出版物

如果您使用下巴进行学术研究，我们鼓励您引用以下论文：

 @inproceedings{JAW,
  title = {JAW: Studying Client-side CSRF with Hybrid Property Graphs and Declarative Traversals},
  author= {Soheil Khodayari and Giancarlo Pellegrino},
  booktitle = {30th {USENIX} Security Symposium ({USENIX} Security 21)},
  year = {2021},
  address = {Vancouver, B.C.},
  publisher = {{USENIX} Association},
}

致谢

下巴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。

展开

附加信息

版本 v4
类型其他类别
更新时间 2025-06-21
大小 33.96MB
来自于 Github