[发明专利]登陆场景下漏洞测试方法及系统

权利要求书

1.一种登陆场景下漏洞测试方法，其特征在于，包括：

接收测试终端发送的请求报文，所述请求报文的类型包括验证码请求报文和登陆场景请求报文；

转发所述登陆场景请求报文和所述验证码请求报文至目标服务器，以获得第一响应报文和对应的包括登陆验证码的验证文件；

解析所述验证文件，并将所述登陆场景请求报文和解析得到的所述登陆验证码组合重构得到重构请求报文，并发送至目标服务器，以获得对应的第二响应报文；

比对所述第一响应报文和所述第二响应报文，若比对不通过，则该测试终端的重放漏洞测试通过。

2.根据权利要求1所述的登陆场景下漏洞测试方法，其特征在于，还包括：

根据所述请求报文的分词特征和登陆行为分布特征，确定每个所述请求报文的场景类型，所述场景类型包括登陆场景和非登陆场景。

3.根据权利要求2所述的登陆场景下漏洞测试方法，其特征在于，所述根据所述请求报文的分词特征和登陆行为分布特征，确定每个所述请求报文的场景类型，包括：

将所述请求报文的请求头和请求体以字符为分词的最小单位进行分词，得到分词集合；

通过设定算法计算分词集合得到请求的分词特征和登陆类型分布特征；

对已标记分词特征和登陆类型分布特征的所述请求报文进行分词特征和登陆类型分布特征的特征向量映射，得到映射特征向量集；

将所述映射特征向量输入到预设的机器学习分类模型，输出请求报文的场景类型标识。

4.根据权利要求3所述的登陆场景下漏洞测试方法，其特征在于，还包括：

建立所述机器学习分类模型；

利用多个已标定场景类型标识的映射特征向量集组成的训练集训练所述机器学习分类模型。

5.根据权利要求1所述的登陆场景下漏洞测试方法，其特征在于，所述验证文件为图像，所述解析所述验证文件，包括：

对所述验证文件进行切割，得到所述登陆验证码的多个字符图片；

将每个所述字符图片输入至预设的深度卷积神经网络，得到识别出的登陆验证码。

6.根据权利要求5所述的登陆场景下漏洞测试方法，其特征在于，还包括：

建立所述深度卷积神经网络；

利用多个已标记字符的字符图片组成的训练集训练所述深度卷积神经网络。

7.根据权利要求5所述的登陆场景下漏洞测试方法，其特征在于，还包括：

采用中值滤波对所述验证文件进行处理；

对中值滤波后的所述验证文件进行二值化处理。

8.根据权利要求1-7任一项所述的登陆场景下漏洞测试方法，其特征在于，所述比对所述第一响应报文和所述第二响应报文，包括：

判断所述第二响应报文中是否包括登陆凭证；

若不包括，判断所述第一响应报文和所述第二响应报文的格式和大小是否一致；

若一致，则计算所述第一响应报文和所述第二响应报文的差异度，若所述差异度大于等于设定阈值，则比对不通过。

9.根据权利要求1-7任一项所述的登陆场景下漏洞测试方法，其特征在于，还包括：

查询登陆凭证是否包括在所述目标服务器中，若否则排除资源控制风险。

10.一种登陆场景下漏洞测试系统，其特征在于，包括：

接收模块，接收测试终端发送的请求报文，所述请求报文的类型包括验证码请求报文和登陆场景请求报文；

转发模块，转发所述登陆场景请求报文和所述验证码请求报文至目标服务器，以获得第一响应报文和对应的包括登陆验证码的验证文件；

解析模块，解析所述验证文件，并将所述登陆场景请求报文和解析得到的所述登陆验证码组合重构得到重构请求报文，并发送至目标服务器，以获得对应的第二响应报文；

比对模块，比对所述第一响应报文和所述第二响应报文，若比对不通过，则该测试终端的重放漏洞测试通过。