Ein kontextbezogener DAST-Scanner, den ich an der ITMO University entworfen und entwickelt habe: mit Erfassung der Angriffsfläche, gezielten Prüfungen, Anfragededuplizierung und beleggestützter Befundprüfung.
Abb. 01
Hendra · DAST
Hendra — der DAST-Scanner, den ich entworfen und entwickelt habe.
Für mein abgeschlossenes Promotionsforschungsprojekt an der ITMO University entwickelte ich die Architektur von Hendra, die Scanplanung, Anfrage-Deduplizierung, Befundprüfung und das Evaluationsframework. Der Anwendungskontext steuert die Auswahl der Prüfungen.
Hendra und Burp Suite Pro · DVWA, niedrige Sicherheitsstufe · kontrollierter Test
Burp Suite ProF1 0.929
40.131
HendraF1 0.966
686
58.5×Weniger Anfragen
Daten aus meinem Forschungsprojekt: DVWA auf niedriger Sicherheitsstufe mit den getesteten Werkzeugkonfigurationen. F1 kombiniert Präzision und Recall. Die Zahlen gelten für dieses Experiment und sind keine allgemeine Rangliste oder Leistungsgarantie für Produktivsysteme.
Überblick
Ich habe Hendra für mein abgeschlossenes Promotionsforschungsprojekt an der ITMO University entworfen und entwickelt. Die Arbeit umfasst die Kernarchitektur des Scanners, Technologieerkennung, Prüfplanung, Deduplizierung und Memoisierung von Anfragen, Befundbewertung und das Evaluationsframework DASTestBed.
DAST untersucht eine laufende Anwendung. Hendra arbeitet über ihre zugänglichen Schnittstellen, ohne den Quellcode zu lesen. Meine Forschung untersucht, wie der dort beobachtete Kontext sinnvolle Prüfungen steuern, redundanten Verkehr reduzieren und Befunde mit Belegen untermauern kann.
Das technische Ziel ist selektives, messbares Testen: ein brauchbares Anwendungsmodell erstellen, Prüfungen anhand dieses Kontexts auswählen, den Anfrageversand kontrollieren und die Belege bewerten. Jeder Teil adressiert eine konkrete Einschränkung automatisierter Prüfungen.
Wie ich den Scanner entwickelt habe
01
Die Anwendung erfassen
Ein instrumentierter Crawler erstellt einen Angriffsflächen-Graphen mit Endpunkten, Parametern, beobachteten Technologien und Antwortmerkmalen. Passive Prüfungen erweitern dieses Modell anhand bereits erfasster Antworten.
02
Relevante Prüfungen auswählen
Technologieerkennung und Graph steuern Prüfplanung, Payload-Auswahl und passende Nuclei-Templates. Der Scanner verbindet eigene allgemeine Prüfungen mit technologiespezifischen Abläufen.
03
Jede Anfrage kontrollieren
Eine gemeinsame Versandschicht wendet merkmalsbasierte Deduplizierung und Memoisierung über Scannermodule hinweg an. Wiederverwendung hängt vom Anfragekontext und Gültigkeitsprüfungen ab; ähnliche URLs allein stellen deshalb keine Gleichwertigkeit her.
04
Die Belege prüfen
Befundkandidaten durchlaufen vor der Berichterstattung eine beleggestützte Bewertungsschicht mit LLM-Unterstützung. Die Erkennung wird anhand expliziter Referenzschwachstellen bewertet; auch die Prüfschicht selbst muss evaluiert werden.
Was das kontrollierte Experiment gezeigt hat
Im dokumentierten DVWA-Durchlauf mit niedriger Sicherheitsstufe erkannte Hendra 14 von 15 Referenzschwachstelleninstanzen ohne Fehlalarme; Burp Suite Pro erkannte 13 von 15, ebenfalls ohne Fehlalarme. Hendra verfehlte eine XSS-Instanz, weil der Crawler den betroffenen Parameter nicht prüfte. Anfragevolumen und F1 machen Erkennungsresultat und Verkehrskosten gemeinsam sichtbar.
Hendra und Burp Suite Pro · DVWA, niedrige Sicherheitsstufe · kontrollierter Test
Scanner
Gesendete Anfragen
F1
Hendra
686
0,966
Burp Suite Pro
40.131
0,929
Daten aus meinem Forschungsprojekt: DVWA auf niedriger Sicherheitsstufe mit den getesteten Werkzeugkonfigurationen. F1 kombiniert Präzision und Recall. Die Zahlen gelten für dieses Experiment und sind keine allgemeine Rangliste oder Leistungsgarantie für Produktivsysteme.
Was diese Ergebnisse belegen
Dieser Durchlauf zeigt einen kompakten Anfragesatz mit guter Erkennung auf dem gewählten Ziel und mit der gewählten Konfiguration. Er belegt weder allgemeine Überlegenheit noch kürzere Laufzeit, vollständige Abdeckung oder dasselbe Ergebnis auf einer Kundenanwendung. Die verfehlte Instanz zeigt auch, weshalb Crawl-Abdeckung zur Evaluation gehört. Ein neuer Vergleich benötigt explizite Ziele, Zugang, Referenzdaten soweit verfügbar und wiederholbare Werkzeugprofile.
Forschung als Grundlage der Entwicklung
Diese Veröffentlichungen behandeln konkrete Teile der Forschung. Der obige DVWA-Vergleich stammt aus den Forschungsaufzeichnungen meines Projekts; er wird nicht als Ergebnis dargestellt, das in allen drei Arbeiten veröffentlicht wurde.
Verhaltensmerkmale, schwache Überwachung und regelgestütztes maschinelles Lernen helfen, den Anwendungskontext zu bestimmen. Die veröffentlichte Studie bewertet 122 Technologien auf 8.594 Websites.
Ein formales Modell für Anfragegleichwertigkeit, sichere Wiederverwendung, nebenläufigen Versand und Komplexitätsgrenzen bildet eine Grundlage zur Kontrolle redundanten Scannerverkehrs.
Containerisierte Ziele, explizite Schwachstellenaufzeichnungen und normalisierte Scannerbefunde machen Evaluationsbedingungen und Erkennungskosten nachvollziehbar.
Was das für Ihr Projekt bedeutet
Wenn Sie ein Sicherheitsprodukt entwickeln oder ein eigenes Analysewerkzeug benötigen, können wir Arbeiten an Architektur, Erkennungslogik, Scannererweiterungen oder Evaluation vereinbaren. Hendra ist ein konkretes Beispiel meiner DAST-Entwicklung. SAST-Entwicklung ist eine separate Fähigkeit; Sprache, Analyseansatz und Ergebnisse werden für Ihr Projekt vereinbart.
Erzählen Sie mir, was Sie entwickeln, was auf dem Spiel steht und wann Sie ein Ergebnis brauchen. Wir besprechen die Eignung und legen Umfang, Ergebnisse und Preis fest.
