شناسایی آسیب پذیری Blind SQL Injection با استفاده از Selenium و Logistic Regression

سال انتشار: 1405
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 13

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ECICONFE10_121

تاریخ نمایه سازی: 22 شهریور 1405

چکیده مقاله:

در این مقاله، روش خاصی برای شناسایی آسیب پذیری Blind SQL Injection با استفاده از کتابخانه Selenium در زبان برنامه نویسی پایتون و الگوریتم Logistic Regression بررسی و ابزاری توسعه داده شده است. این ابزار با بهره گیری از قابلیت های Selenium در رندر صفحات وب دینامیک و انتظار هوشمند برای بارگذاری کامل محتوا، و همچنین تحلیل اختلاف اندازه پاسخ های دریافتی از سرور با استفاده از این الگوریتم، می تواند الگوهای مرتبط با Blind SQL Injection را به صورت خودکار تشخیص دهد. برای ارزیابی عملکرد، آزمایش های گسترده ای بر روی مجموعه ای از وب سایت های خارجی که به صورت تصادفی از طریق دورک های گوگل انتخاب شده بودند انجام شد. نتایج آزمایش ها نشان می دهد که ابزار طراحی شده در شناسایی حملات SQL Injection Blind توانسته به دقت ۹۳ درصد برسد که حدود ۱۵ درصد نسبت به ابزارهای رایج دیگر عملکرد بهتری از خود نشان می دهد. در نهایت، تحلیل و ارزیابی نتایج نیز نشان می دهد که ترکیب رویکرد الگوریتم Logistic Regression با خودکارسازی مبتنی بر Selenium می تواند در افزایش توان تشخیص و کاهش مثبت های کاذب نقش موثری ایفا نماید.

نویسندگان

امیرعلی جواهرچی

مرکز تحقیقات کاربردی فینتک و بلاکچین، دانشگاه بین المللی امام رضا (ع)، مشهد

علیرضا موحدیان

مرکز تحقیقات کاربردی فینتک و بلاکچین، دانشگاه بین المللی امام رضا (ع)، مشهد