Революция в XSS: математика вместо браузера
В версии 3.6 команда BountyyFi полностью переписала модуль обнаружения XSS. Вместо ресурсоемкого запуска Chrome/Chromium для каждого URL, Lonkero теперь использует подход на основе HTTP-анализа и математического доказательства уязвимости. Это устраняет зависимость от браузерных движков, которые часто «зависают» при массовых сканах.
Новый метод требует всего 2-3 запроса на параметр (против 100+ у традиционных сканеров), что ускоряет процесс в 300 раз (время ответа ~200 мс на URL). Система выявляет 16 контекстов отражения (HTML, JS, атрибуты, CSS) и проводит анализ экранирования, чтобы доказать эксплуатируемость, а не просто найти отражение ввода.
Zero OOB: Blind SQLi без внешних коллбэков
Версия 3.2 представила технологию OOBZero Engine, позволяющую проводить атаки вслепую (Blind SQL Injection) без использования внешних серверов-посредников (Collaborator, Interactsh). Вместо отправки данных на внешний хост, Lonkero анализирует микросекундные задержки ответов сервера.
- Калиброванная корреляция SLEEP: Анализ временных задержек с расчетом коэффициента Пирсона. Если r > 0.95, это подтвержденный ответ БД.
- Извлечение данных: Бинарный поиск по ASCII-значениям позволяет извлекать данные из БД посимвольно (7 запросов на символ), превращая инференс в доказательство.
- True Single-Packet Attack: Прямой контроль над TCP/TLS сокетами для точности измерений.
Интеллектуальная оркестровка и контроль нагрузки
Lonkero использует ML Auto-Learning для снижения уровня ложных срабатываний до 5% (против 20-30% у индустриальных аналогов). Система применяет байесовскую гипотезу и семантический анализ ответов для фильтрации шума. Пользователи могут управлять интенсивностью тестирования через флаг --payload-intensity, выбирая от 50 до 12 450+ пейлоадов в зависимости от риска параметра.
Сравнение производительности и точности
Ниже приведены ключевые метрики нового модуля XSS и сравнение подходов к обнаружению уязвимостей:
| Метрика / Характеристика | Lonkero v3.6 (Новый метод) | Традиционные сканеры (Browser-based) |
|---|---|---|
| Время анализа одного URL | ~200 мс | > 60 секунд |
| Количество запросов на параметр | 2-3 | 100+ |
| Точность Reflected XSS (HTML body) | 99% | Зависит от движка |
| Точность Reflected XSS (JS string) | 95% | Зависит от движка |
| Точность DOM XSS (static analysis) | 85% | Зависит от движка |
| Ложные срабатывания (общие) | 5% | 20-30% |
Новые векторы атак: Prompt Injection и SSRF
В версии 3.1 добавлен сканер Invisible Prompt Injection, обнаруживающий скрытые инструкции в файлах README.md, невидимые при рендеринге, но читаемые LLM. Также расширены возможности SSRF (тестирование POST-тел JSON и form-encoded) и добавлен сканер Second-Order Injection, проверяющий хранение пейлоадов в одном эндпоинте и их исполнение в другом.
Источник: Github ↗