Upcoming SlideShare
Webアプリ診断AIの開発 クローラー編
- 1. Webアプリ診断A.Iの開発 - クローラー編 - Chainer MeetUp #01 2015/12/19
- 2. 1．自己紹介 • 名前：高江洲 勲（babaroa@bbr_bbq） • 仕事：Webアプリケーションの脆弱性診断 • 所属：三井物産セキュアディレクション • 経験：銀行系システム開発、Webアプリ開発など • 趣味：脆弱性スキャナ作り、機械学習 ・6,720分でWebアプリケーションスキャナを作る方法 ・多層パーセプトロンでCAPTCHAを認識する … http://qiita.com/bbr_bbq
- 3. 診断員 Internet Webサーバ Webアプリ F/W 診断員 診断環境 診断対象 Webアプリを巡回しながら診断パターン(XSS,SQLiなど)を試行。 Webアプリのレスポンスから脆弱性の有無を判定する。 2．Webアプリケーション診断とは？
- 4. 3．GOAL 人間の診断員と同じように、Webアプリの脆弱性を見つける。 そんな診断A.Iを作る。 ・診断対象のWebアプリを隅々まで巡回し、 ・様々な診断を実施し、 ・脆弱性を発見したら報告する。 具体的には… 完成には30年くらいかかる見込み…
- 5. 4．いまできること ・Webアプリの巡回 ページ種別の認識（ログイン？会員登録？） フォームに最適なパラメータ値を入力 ページ遷移の成否を認識 ・脆弱性スキャン ・簡易レポート出力 会員登録機能でアカウントを作った後にログインを試行し、 ログイン後のページを粛々と巡回しながらスキャンする。 こんなことができます… A.Iで実現
- 6. 5．診断A.Iの思考フロー ① 人間から対象WebアプリのトップURLを教えて貰う ② トップURLのResから、次ページのURL・パラメータを抽出 ③ 次ページの種別を認識（ログイン？会員登録？） Naive Bayes分類器 ④ （FORMの場合）正常遷移できる最適パラメータ値を学習 DeepじゃないDQN（Deep Q-Network） ⑤（学習結果を基に）正常遷移しながらスキャンを実行 ⑥ 診断結果を報告 繰り返す 全ページ・全パラメータの診断が終わるまで “学習→遷移→スキャン”を繰り返す。
- 7. 6．最適パラメータ値の学習 ・ ・ ・ 状態の入力 中間処理 行動の出力（パラメータ構成の決定） ・ ・ ・ 多層NN 95 14 ・ ・ ・ Q’値 -2 評価 報酬 or 罰則 英字のみ 英字・数字 メアド風文字列 今のページNo 次のページNo 遷移状態 87 8 6 Q値 誤差の算出 強化学習 誤差が最小になるように重みを更新 ・多層NNでChainerを利用 p1=abcd&p2=xyz・・・ p1=1234&p2=abc・・・ p1=hoge@hoge.jp・・・ ・ ・ ・
- 8. 7．デモ 診断対象：OWASP BWA Cyclone シグネチャ：SQLインジェクション「‘¥」 レスポンスに出力されるSQL構文エラーを検出して脆弱性判定 例）
- 9. 8．今後の予定 ・クローリング能力の強化 複雑なアプリの巡回（業務アプリ、ECサイトなど） CAPTCHA／画像認証の突破 ・脆弱性スキャン能力の強化 ロジック系の脆弱性にも一部対応 誤検知の低減 ・自然言語処理の組み込み ・バグバウンティプログラムへの参戦 診断A.Iによるバグ検出の実現
Be the first to comment