eyeballer

眼球

讓您的屏幕截圖快速亮相。

Eyeballer是用於大型網絡滲透測試的，您需要從一組基於Web的主機中找到“有趣的”目標。繼續使用您喜歡的屏幕截圖工具，例如正常（目擊者或Gowitness），然後通過Eyeballer運行它們，告訴您可能包含脆弱性的是什麼，什麼不包含脆弱性。

試用它：https：//eyeballer.bishopfox.com

示例標籤

舊的網站	登錄頁

WebApp	自定義404

停放的域

標籤意味著什麼

舊的網站塊狀框架，破碎的CSS，是一個看起來像在2000年代初期設計的網站的某些“ Je ne sais quoi”。當您看到它時，您就會知道。舊網站不僅醜陋，而且它們通常也超級脆弱。當您想入侵某些東西時，這些網站是金礦。

登錄頁面登錄頁面對於筆測試很有價值，它們表明您目前還無法訪問其他功能。這也意味著有一個簡單的憑證攻擊過程。您可能會認為您可以設置一個簡單的啟發式方法來查找登錄頁面，但實際上確實很難。現代網站不僅使用我們可以抓住的簡單輸入標籤。

WebApp這告訴您，這裡有較大的頁面和功能可以用作攻擊的表面積。這與沒有其他功能的簡單登錄頁面相反。或沒有其他功能的默認IIS登錄頁面。該標籤應向您指出，這裡有一個Web應用程序要攻擊。

定制的404個現代網站喜歡有可愛的定制404頁，上面有破碎的機器人或悲傷的狗的照片。不幸的是，他們也喜歡在這樣做的同時返回HTTP 200響應代碼。通常，“ 404”頁面甚至不包含文本“ 404”。儘管在視覺上進行了很多操作，但這些頁面通常是不感興趣的，而Eyeballer可以幫助您篩選它們。

停放的域停放的域是看起來真實但不是有效攻擊表面的網站。它們是備用頁面，通常沒有任何實際功能，幾乎完全由廣告組成，通常不受我們的實際目標運行。當指定的域是錯誤或失效時，這就是您得到的。隨著時間的流逝，找到這些頁面並將其從範圍中刪除確實很有價值。

設定

在PIP上下載所需軟件包：

 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：設置用於與TensorFlow一起使用的GPU超出了此讀數的範圍。可以考慮硬件兼容性，可以安裝驅動程序...有很多。因此，如果您想要GPU，您只需要自己弄清楚這部分。但是至少從Python軟件包的角度來看，上述要求文件已涵蓋您。

預處理的重量

有關最新預定的重量，請在Github上查看此處的發行版。

培訓數據您可以在此處找到我們的培訓數據：

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

從培訓數據中您需要兩件事：

1. images/文件夾，包含所有屏幕截圖（調整大小為224x224）
2. 具有所有標籤的labels.csv

將兩者都複製到眼球代碼樹的根中。

此外，您可以找到一個預驗證的權重文件，可以在不培訓的情況下立即使用。

1. bishop-fox-pretrained-vN.h5

它在Github上，查看最新版本的releases部分。

預測標籤

注意：為了獲得最佳結果，請確保以本機1.6倍的長寬比屏幕截圖。即：1440x900。 Eyeballer會自動將圖像自動縮小到適合您的尺寸，但是如果它的寬高比是錯誤的，那麼它將以影響預測性能的方式擠壓。

要眼球一些屏幕截圖，只需運行“預測”模式：

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

或用於整個文件目錄：

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

Eyeballer將以人類可讀格式results.csv results.html

表現

眼球的性能是針對評估數據集測量的，這是隨機選擇的整體屏幕截圖的20％。由於這些屏幕截圖從未在培訓中使用，因此它們可以成為查看模型表現效果的有效方法。這是最新結果：

總體二進制精度	93.52％
全有或全無的精度	76.09％

總體二進制精度可能是您認為模型的“準確性”。考慮到任何單個標籤，這是正確的，這是正確的。

全有或全無的精度更加嚴格。為此，我們考慮了所有圖像的標籤，如果有任何標籤是錯誤的，則認為這是失敗的。該準確性額定值是該模型正確預測任何給定圖像的所有標籤的機會。

標籤	精確	記起
自定義404	80.20％	91.01％
登錄頁面	86.41％	88.47％
WebApp	95.32％	96.83％
舊的	91.70％	62.20％
停放的域	70.99％	66.43％

有關精密vs召回的詳細說明，請查看Wikipedia。

訓練

要訓​​練新型號，請運行：

 eyeballer.py train

您需要一台具有良好GPU的機器才能在合理的時間內運行。但是，設置該設置超出了此讀數的範圍。

這將輸出一個新的型號文件（默認情況下為toges.h5）。

評估

您剛剛訓練了一種新型號，很酷！讓我們看看它在各種指標上從未見過的一些圖像的表現如何：

 eyeballer.py --weights YOUR_WEIGHTS.h5 evaluate

輸出將描述該模型在每個程序標籤的召回和精確度中的準確性。 （包括“無上述”作為偽標籤）