CTF Web模块系列分享(三):客户端漏洞专题,核心讲解XSS和CSRF

CTF Web模块系列分享(三):客户端漏洞专题,核心讲解XSS和CSRF

今天咱们进入系列的第三期——客户端漏洞专题,核心讲解XSS(跨站脚本)和CSRF(跨站请求伪造)。这两类漏洞和之前的SQL注入不同,攻击目标不是服务器,而是用户的浏览器,利用的是浏览器对网站的信任机制,也是CTF Web模块中高频的基础题型,新手必须掌握!

话不多说,直接上干货!今天我们先拆原理,再讲实战,帮大家彻底分清XSS和CSRF的区别,轻松拿下这类题型的分数。

一、先分清:XSS和CSRF到底有啥不一样?

很多新手刚接触会把这两个漏洞搞混,先记住一个核心区别:

XSS:往页面里注入恶意脚本,让脚本在用户浏览器里执行,目的是偷取用户信息(比如Cookie、账号密码)。

CSRF:伪造用户的合法请求,让用户在不知情的情况下执行操作(比如转账、改密码),目的是利用用户权限做事。

用通俗的例子总结: XSS像在奶茶里加了泻药,让喝奶茶的人(用户)出问题; CSRF像“冒充你给商家发消息说‘把我的奶茶送给别人’”,利用你的身份(权限)做事。

二、XSS漏洞:跨站脚本的核心逻辑与实战

XSS的本质是:开发者没对用户输入的内容做过滤,导致恶意JavaScript脚本被嵌入到页面中,并且被浏览器执行。

1. 新手必懂的3种XSS类型

  • 存储型XSS:恶意脚本被存储到服务器数据库(比如评论区、个人资料),所有访问该页面的用户都会触发脚本(危害最大,CTF中最常考);
  • 反射型XSS:恶意脚本通过URL参数注入,只有点击了带有恶意参数的URL的用户才会触发(危害较小,常出现在搜索框、跳转页面);
  • DOM型XSS:通过修改页面的DOM结构触发,脚本不经过服务器,直接在客户端执行(相对少见,但需要掌握基础思路)。

2. 实战演练:存储型XSS拿Flag

以CTFshow新手场的存储型XSS题目为例,手把手教你解题:

题目场景
打开题目链接,是一个“留言板”页面,用户可以提交留言,页面会显示所有历史留言,Flag存储在管理员的Cookie中,我们需要通过XSS获取管理员的Cookie。

解题步骤
测试是否存在XSS:在留言框输入,提交后如果页面弹出“xss”弹窗,说明存在存储型XSS。

构造恶意脚本:核心是“偷取Cookie并发送到自己能访问的地方”,新手常用的payload(直接复制可用): 。

提交恶意留言:将构造好的payload输入留言框提交,等待管理员查看留言板(CTF题目中通常会模拟管理员访问,提交后直接触发)。

获取Flag:查看自己的服务器日志,会发现包含管理员Cookie的请求,其中就有Flag(格式:flag{xxx})。

三、CSRF漏洞:跨站请求伪造的核心逻辑与实战

CSRF的本质是:利用用户已登录的身份(浏览器保存的Cookie),伪造一个合法的请求,让用户在不知情的情况下执行特定操作。

1. CSRF成立的3个前提

用户已登录目标网站,浏览器保存了有效的Cookie。

攻击者能构造出合法的请求(知道请求的URL、参数、请求方法)。

用户在登录状态下访问了攻击者构造的恶意链接/页面。

2. 实战演练:CSRF伪造改密码请求

以修改用户密码”的CSRF题目为例,解题步骤:

题目场景
目标网站有“修改密码”功能,已知修改密码的请求是:http://题目地址/change.php?newpass=123456,请求方法为GET,我们需要构造CSRF页面,让登录的用户点击后自动修改密码为我们设定的值。

解题步骤
分析请求:通过Burp抓包确认修改密码的URL、参数(newpass)和请求方法(GET/POST)。

构造恶意页面:新建一个HTML文件,写入自动发送请求的代码(GET请求直接用img标签即可): < img src=“http://题目地址/change.php?newpass=hack123” style=“display:none”>。

诱导用户访问:将恶意HTML文件上传到自己的服务器,生成链接,诱导目标用户(已登录状态)点击。

验证结果:用户点击后,浏览器会自动发送修改密码的请求,密码被改为hack123,我们用新密码登录即可获取Flag。

四、新手避坑&学习建议

区分XSS和CSRF:记住“XSS偷信息,CSRF做操作”,不要混淆两者的攻击目标。

XSS payload灵活调整:如果基础payload被过滤,尝试替换标签(比如用代替script标签)。

CSRF重点看请求方法:GET请求构造简单(直接拼URL),POST请求需要构造表单自动提交。

推荐靶场:CTFshow新手场(XSS/CSRF专题)、DVWA(低/中难度模式)。

五、下期预告

今天我们搞定了XSS和CSRF这两个核心客户端漏洞,下期我们将进入第四期——文件上传/包含漏洞专题,这是Web模块中“突破服务器屏障”的关键漏洞,学会就能解决很多中难度题目。

如果今天的内容对你有帮助,别忘了点赞、在看,转发给一起学CTF的小伙伴~

CTF学习资源分享

网上虽然也有很多的学习资源,但基本上都残缺不全的,这是我们和网安大厂360共同研发的的网安视频教程,内容涵盖了入门必备的操作系统、计算机网络和编程语言等初级知识,而且包含了中级的各种渗透技术,并且还有后期的CTF对抗、区块链安全等高阶技术。总共200多节视频,100多本网安电子书,最新学习路线图和工具安装包都有,不用担心学不全。

给大家准备了2套关于CTF的教程,一套是涵盖多个知识点的专题视频教程:

🐵这些东西我都可以免费分享给大家,需要的可以点这里自取👉:网安入门到进阶资源

在这里插入图片描述

另一套是大佬们多年征战CTF赛事的实战经验,也是视频教程:

在这里插入图片描述

🐵这些东西我都可以免费分享给大家,需要的可以点这里自取👉:网安入门到进阶资源

Read more

二次元AI绘画工具实战指南:从入门到进阶

本文面向想要使用AI工具生成二次元风格图像的开发者和创作者,从工具选择、环境配置、提示词工程到进阶技巧,提供一份完整的实战指南。 一、主流工具技术栈对比 目前二次元AI绘画主要有以下几种技术路线: 1.1 Stable Diffusion 本地部署 技术架构:基于Latent Diffusion Model,开源可本地运行 硬件要求: * GPU:NVIDIA显卡,8GB+显存(推荐12GB+) * 内存:16GB+ * 存储:50GB+(模型文件较大) 常用界面: * WebUI(AUTOMATIC1111):功能全面,插件生态丰富 * ComfyUI:节点式工作流,适合复杂流程编排 二次元常用模型: * Anything系列:经典二次元模型 * Counterfeit:高质量动漫风格 * MeinaMix:细节丰富的二次元模型 优势:可高度定制,隐私性好,技术上限高 劣势:配置门槛高,

【OpenClaw:赚钱】案例19、内容产量5倍、广告收入翻4倍:播客转多平台内容矩阵全自动化实战(OpenAI Whisper + Claude)

【OpenClaw:赚钱】案例19、内容产量5倍、广告收入翻4倍:播客转多平台内容矩阵全自动化实战(OpenAI Whisper + Claude)

内容产量5倍、广告收入翻4倍:播客转多平台内容矩阵全自动化实战(OpenAI Whisper + Claude) 本文拆解内容创业者社区真实案例:用AI自动化将单期播客拆解为跨平台内容矩阵,内容产量提升5倍,广告月收入从¥8,000暴涨至¥35,000。从音频转写、内容提炼到多平台草稿生成,手把手教你打造高效内容分发流水线。 一、案例背景:内容创作者的效率革命 1.1 核心数据与业务本质 一位科技类播客主通过AI自动化内容矩阵系统,实现了内容生产与商业收入的双重飞跃: 核心指标优化前优化后提升幅度单期内容产量1期播客1套完整内容矩阵(6类内容)+500%周更新频率1次/周5次/周+400%月广告收入¥8,000¥35,000+337.5%内容生产耗时8小时/期1小时/期-87.5%平台覆盖仅播客播客+公众号+小红书+微博+LinkedIn+短视频+500%

知网vs维普AIGC检测:哪个更严格?实测数据告诉你答案

知网vs维普AIGC检测:哪个更严格?实测数据告诉你答案

知网vs维普AIGC检测:哪个更严格?实测数据告诉你答案 TL;DR:结论先放这里——知网AIGC检测在学术文本上更严格,维普在通用文本上更严格。同一篇论文,知网可能检测出AI率60%,维普可能检测出75%。但最终以学校指定平台为准。如果两边都要过,建议用嘎嘎降AI处理,它同时适配知网和维普,达标率99.26%。 知网和维普的检测原理有什么不同? 很多同学以为知网和维普只是名字不同,检测原理应该差不多。其实它们的底层算法和侧重点完全不一样。知网用的是AIGC检测算法3.0版本,主要依托自己的学术数据库,侧重分析学术文本的特征。它识别的重点是:句式模板化(比如「首先…其次…最后」这种套路)、高频词汇堆砌、逻辑结构固化、以及表达模式过于规整。简单说,知网对「写得太标准」的文本特别敏感。 维普的检测系统则基于自然语言处理和深度学习技术,会从词汇、语法、语义等多个维度分析文本特征。维普的数据资源更广泛,不仅覆盖学术文献,还包括新闻、网页等非学术内容,所以它在检测「通用AI写作」方面更敏感。

【大模型科普】AIGC技术发展与应用实践(一文读懂AIGC)

【大模型科普】AIGC技术发展与应用实践(一文读懂AIGC)

【作者主页】Francek Chen 【专栏介绍】 ⌈ ⌈ ⌈人工智能与大模型应用 ⌋ ⌋ ⌋ 人工智能(AI)通过算法模拟人类智能,利用机器学习、深度学习等技术驱动医疗、金融等领域的智能化。大模型是千亿参数的深度神经网络(如ChatGPT),经海量数据训练后能完成文本生成、图像创作等复杂任务,显著提升效率,但面临算力消耗、数据偏见等挑战。当前正加速与教育、科研融合,未来需平衡技术创新与伦理风险,推动可持续发展。 文章目录 * 一、AIGC概述 * (一)什么是AIGC * (二)AIGC与大模型的关系 * (三)常见的AIGC应用场景 * (四)AIGC技术对行业发展的影响 * (五)AIGC技术对职业发展的影响 * (六)常见的AIGC大模型工具 * (七)AIGC大模型的提示词 * 二、文本类AIGC应用实践 * (一)案例1:与DeepSeek进行对话 * (二)案例2:与百度文心一言进行对话 * (三)案例3:使用讯飞智文生成PPT