XSS 攻击简单、危害大
Web 应用的研发人员对用户的输入输出若不加以严格控制，会导致产生 XSS 漏洞。XSS 漏洞的利用方式也非常简单，普通的攻击者通过 XSS 漏洞发起攻击可以获取用户（甚至是管理员）的访问权限进行敏感操作。
传统扫描 XSS 的方式
多年来，XSS 泛滥成灾，在 OWASP TOP 10 中的地位居高不下，安全研究者提出了许多 XSS 漏洞的扫描方式，我们来回顾一下：
第一代 XSS 漏洞扫描
安全工作者通常喜欢用弹框（js 中的 alert 函数）来证明一个页面是否存在 XSS 漏洞，因此也诞生了一批流传非常广泛的 XSS Payload：
<script>alert(/xss/)</script>
<body onload=alert(/xss/)>
<img src=# onerror=alert(/xss/)>
带着以上 Payload 进行访问，如果看到一个类似这样的弹框，说明漏洞真实存在。
第一代 XSS 漏洞扫描工具就是利用这个思路，在工具内部集成了大量 XSS Payload，在扫描时逐个进行尝试，自动将参数替换为 Payload，如果服务端的响应中包含相同的字符串就认为发现了 XSS 漏洞。
第一代 XSS 漏洞扫描工具填补了历史的空白，可以发现了大量初级 XSS 漏洞，但是随着 XSS 攻击的发展，衍生出了新的 XSS 攻击手段，此类工具也完成了它的历史使命，它解决不了的问题包括：
- 原始 Payload 无法灵活变形，无法应对需要 DOM 渲染才能触发的 XSS 漏洞
- 输出点的部位不一定可执行，会造成误报
- 服务端有过滤逻辑时返回的字符串与原始 Payload 有差异，可能导致无法匹配响应中被过滤后的 Payload
- 如果 Content-Type 不是 text/html，即使 Payload 能够输出也无法执行
- 服务端有防护时，许多 Payload 会导致请求直接被拦截
- 等等
第二代 XSS 漏洞扫描
当大量初级 XSS 漏洞被解决之后，攻击者对于 XSS 漏洞的利用方式也逐渐成熟，安全建设对于 XSS 漏洞的目标变成了“全面解决 XSS 攻击”。这个时期出现了许多思路新颖的 XSS 漏洞扫描工具，这些工具能覆盖许多第二代 XSS 漏洞扫描工具无法发现的问题，在当初的年代堪称神器，但是依然存在着或多或少的问题，因此始终无法推广到整个行业，成为可量产的 XSS 扫描基础算法。
第二代扫描中表现最出色的方式是调用真实浏览器来辅助判断，hook 浏览器的基础函数，累积更加庞大的 Payload 规则库，覆盖更多的输入输出场景，使浏览器告诉扫描器漏洞是否可实际被利用。这种扫描思路的特点是：
- 几乎没有误报
- 可以发现部分 DOM 型 XSS
- 会发送大量 HTTP 请求
- 每次请求都需要调用浏览器进行渲染，因此扫描速度奇慢无比
- 扫描效果与 Payload 的覆盖量息息相关
传统方式的不足，为什么要精细化扫描 XSS 漏洞
无论是第一代还是第二代 XSS 漏洞扫描，都缺少了对于上下文的理解以及对于场景的分析，无法摆脱其 Fuzz 的本质，优化的方向也停留在“如何使猜测的结果更靠近真实结果”，而不是“如何正向推理得出正确答案”，因此依然由于多场景是无法解决的，问题在于：
- Web 业务复杂，输出点的类型非常多，payload 不可能覆盖所有的情况
- 依然无法解决 WAF 会拦截敏感 payload 的问题
- 误报漏洞的问题依然严重
那么有没有一种可以快速、深度、精准的 XSS 漏洞探测方法呢？
智能化场景分析技术
从历史的行程来看，XSS 漏洞扫描需要解决根本的问题在于对于输入输出场景的识别，对于不同浏览器渲染方式的理解，以及对于服务器处理方式的灵活应对。
长亭洞鉴使用了一种全新的 XSS 漏洞分析算法，脱离了传统的对于 Payload 规则库的依赖，无需大量发送 HTTP 请求即可完成页面分析，定位存在的 XSS 漏洞，并智能化生成最终的复测 Payload。
看一个简单的例子，有以下 URL：
http://xx.chaitin.cn/test?p=866f268a344ba71fa4b0
用户访问后会得到如下的返回：
<html>
<body>
<a href=”./news/866f268a344ba71fa4b0/”>
<img src=”./xxx.png”>
</a>
</body>
</html>
这是一段可能存在 XSS 的代码，业务将用户输入的 p 参数输出到了 a 标签的 href 属性中。熟悉 XSS 的同学无需多想即可编写如下验证该漏洞的 Payload。
“><script>alert()</script>
自动化扫描工具只要覆盖这个 Payload 即可验证如上的漏洞。但是这个 Payload 真的能工作么？其实还需要考虑其他因素：
- 参数是否会被服务器编码或解码
- 参数中是否允许存在空格，是否有长度限制
- 会不会有 WAF 拦截 script 或 alert 等关键字
- ( 和 ) 有没有可能被过滤或转义
- ” 和 ‘ 有没有可能被过滤或转义
- < 和 > 有没有可能被过滤或转义
- 有没有其他可以利用的属性，是否可以使用 onXXX 事件，有没有可能被过滤或转义
- 有没有 CSP 策略
- 等等
如果是传统自动化黑盒扫描器，包含如上文“无需多想”的 Payload 已属不易，以上意外因素只要存在一点就可以使扫描铩羽而归，更难想想需要累积并尝试多少 Payload 才能实际验证一个这样的 XSS 漏洞。
想要精细化发现 XSS 漏洞，必须站在理解 DOM 结构的基础上，长亭洞鉴实现了兼容各种浏览器标准的 DOM 解析器，使可分析的参数输出点可以覆盖到包括但不限于以下范围：
- 输出在标签外部
- 输出在 HTML 注释中
- 输出在标签的属性内部
- 输出在标签的属性外部
- 输出在标签的事件内部
- 输出在地址的部位，如 a/href、form/action、iframe/src 等
- 输出在标签的 style 属性内部
- 输出在 style 标签内
- 输出在 script 标签内的字符串中
- 输出在 script 标签内的注释中
- 输出在特殊标签内部
- 输出在特殊标签的特殊属性内部
除此之外，自动化工具还需要理解参数传递方式与常见编码方式，考虑如何自动化识别服务器对参数的编码方式，如何定位 Payload 中的敏感字符，并对 Payload 关键部分进行编码。洞鉴内置的编码探测算法与自动编码算法可以解决该问题，可覆盖的编码类型包括但不限于：
- HTML Entity
- HTML Code
- HTML Hex Code
- URL Encode
- js string literal
- GBK
- UTF-7
- Base64
对于上文提到的漏洞，长亭洞鉴的发现过程会更加智能化，在理解业务的基础上进行深度分析，定位漏洞，并自动生成 Payload，简单模拟一遍，可以将发现过程简单理解如下：
- 访问原始页面，判断输入是否会出现在页面上
结论：参数 p 的内容会出现在页面上 - 根据 HTML 的语义建立 DOM 结构，判断输出在 DOM 中的位置
结论：输出位于 a 标签的 href 属性中 - 输出是否需要冲突破闭合
结论：href 属性在双引号内，因此需要使用 ” 突破闭合，也可以进一步使用 > 突破标签闭合 - 是否能插入可执行的 js
结论：不存在其他干扰标签，可以使用 ” 突破闭合后插入标签事件或插入新的标签 - 基本确定 XSS 漏洞存在，开始尝试自动生成 Payload，生成 Payload 时需要考虑
洞鉴扫描截图如下：
- 正在扫描的任务详情部分截取
2. XSS 漏洞详情部分截取
总结
传统的 XSS 扫描简单粗暴，无法实现“全面发现 XSS 漏洞”的目标。
长亭洞鉴集成了基于智能化场景分析算法的扫描引擎，可以精确定位参数的输出，覆盖不同场景的多种 XSS 漏洞，从而实现对 XSS 漏洞进行快速、深度、精准地探测。