Pythonla yapay zekalı bir kod yazmak için, öncelikle gerekli kütüphaneleri içe aktarmalısınız. Örneğin, requests, BeautifulSoup, tensorflow, keras gibi kütüphaneleri kullanabilirsiniz. Sonra, hedef web uygulamasının URL’sini belirlemelisiniz. Ardından, web uygulamasının kaynak kodunu çekmek için requests.get() fonksiyonunu kullanmalısınız. Kaynak koddaki form elemanlarını, giriş alanlarını ve gönderme düğmelerini bulmak için BeautifulSoup kütüphanesini kullanmalısınız. Bu elemanların isimlerini, değerlerini ve eylemlerini kaydetmelisiniz. Sonra, yapay zeka modelini eğitmek için tensorflow ve keras kütüphanelerini kullanmalısınız. Model, web uygulamasının kimlik doğrulama sisteminin zayıf noktalarını bulmak için farklı girdi değerleri denemelidir. Model, başarılı bir giriş yapabildiğinde, oturum kimliğini ve diğer oturum verilerini kaydetmelidir. Bu veriler, web uygulamasının yetkili olmayan erişime karşı savunmasız olduğunu gösterir. Model, ayrıca, web uygulamasının kimlik doğrulama sisteminin güçlü ve zayıf yönlerini rapor etmelidir.
# Gerekli kütüphaneleri içe aktar
import requests
from bs4 import BeautifulSoup
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
# Hedef web uygulamasının URL'sini belirle
target_url = "https://example.com/login"
# Web uygulamasının kaynak kodunu çek
response = requests.get(target_url)
source_code = response.text
# Kaynak koddaki form elemanlarını, giriş alanlarını ve gönderme düğmelerini bul
soup = BeautifulSoup(source_code, "html.parser")
form = soup.find("form")
inputs = form.find_all("input")
submit = form.find("button", type="submit")
# Form elemanlarının isimlerini, değerlerini ve eylemlerini kaydet
form_action = form["action"]
form_method = form["method"]
input_names = [input["name"] for input in inputs]
input_values = [input["value"] for input in inputs]
submit_name = submit["name"]
submit_value = submit["value"]
# Yapay zeka modelini oluştur
model = keras.Sequential([
# Giriş katmanı, giriş alanlarının sayısına göre düğüm sayısını ayarla
layers.Dense(len(input_names), input_shape=(len(input_names),)),
# Gizli katmanlar, aktivasyon fonksiyonları olarak ReLU ve Sigmoid kullan
layers.Dense(64, activation="relu"),
layers.Dense(32, activation="sigmoid"),
# Çıkış katmanı, başarılı bir giriş yapılıp yapılmadığını belirten 0 veya 1 değeri döndür
layers.Dense(1, activation="sigmoid")
])
# Modeli derle, kayıp fonksiyonu olarak ikili çapraz entropi, optimizasyon algoritması olarak Adam, metrik olarak doğruluk kullan
model.compile(loss="binary_crossentropy", optimizer="adam", metrics=["accuracy"])
# Modeli eğit, eğitim verisi olarak rastgele girdi değerleri, etiket verisi olarak 0 veya 1 değerleri, eğitim döngüsü sayısı olarak 10, toplu işlem boyutu olarak 32 kullan
model.fit(tf.random.uniform((1000, len(input_names))), tf.random.uniform((1000, 1)), epochs=10, batch_size=32)
# Modeli test et, test verisi olarak rastgele girdi değerleri, test sonuçlarını predictions değişkenine ata
predictions = model.predict(tf.random.uniform((100, len(input_names))))
# Test sonuçlarını değerlendir, eğer predictions dizisindeki herhangi bir değer 0.5'ten büyükse, başarılı bir giriş yapıldığını varsay
for i, prediction in enumerate(predictions):
if prediction > 0.5:
# Başarılı bir giriş yapıldığında, oturum kimliğini ve diğer oturum verilerini kaydet
session_data = {}
# Form verilerini oluştur, giriş alanlarının isimlerini ve test verisindeki ilgili değerleri kullan
form_data = {}
for j, input_name in enumerate(input_names):
form_data[input_name] = test_data[j]
# Form verilerine gönderme düğmesinin ismini ve değerini ekle
form_data[submit_name] = submit_value
# Form verilerini web uygulamasına gönder, form yöntemine ve eylemine göre istek türünü belirle
if form_method == "get":
response = requests.get(form_action, params=form_data)
elif form_method == "post":
response = requests.post(form_action, data=form_data)
# Yanıt başlıklarındaki çerezleri al, oturum kimliği ve diğer oturum verilerini içerebilir
cookies = response.headers.get("Set-Cookie")
# Çerezleri session_data sözlüğüne ekle
session_data["cookies"] = cookies
# Yanıt metnini al, başarılı bir giriş yapıldığını belirten mesajlar içerebilir
text = response.text
# Yanıt metnini session_data sözlüğüne ekle
session_data["text"] = text
# Session_data sözlüğünü ekrana yazdır, web uygulamasının yetkili olmayan erişime karşı savunmasız olduğunu göster
print(session_data)
# Web uygulamasının kimlik doğrulama sisteminin güçlü ve zayıf yönlerini rapor et
print(f"Web uygulamasının kimlik doğrulama sistemi, rastgele girdi değerleri ile başarılı bir giriş yapılmasına izin veriyor. Bu, web uygulamasının kimlik doğrulama sisteminin çok zayıf olduğunu gösteriyor. Web uygulaması, kimlik doğrulama sisteminde güvenlik önlemleri almalı, giriş denemelerini sınırlamalı, şifre karmaşıklığını artırmalı, oturum zaman aşımlarını uygulamalı ve oturum kimliklerini rastgele oluşturmalıdır.")
#Yazan Rıdvan Kaya
Bu kod, web uygulamalarındaki Broken Authentication and Session Management(Kırık Kimlik Doğrulama ve Oturum Yönetimi) zaafiyetini tespit etmek için yapay zekalı bir kod yazmaya çalışan bir örnektir. Bu kodun ana adımları şunlardır:
- Gerekli kütüphaneleri içe aktar: Bu adımda, web uygulamasının kaynak kodunu çekmek, form elemanlarını bulmak ve yapay zeka modelini oluşturmak ve eğitmek için gerekli olan Python kütüphanelerini içe aktarır.
- Hedef web uygulamasının URL'sini belirle: Bu adımda, zaafiyet tespiti yapmak istediğiniz web uygulamasının URL'sini bir değişkene atar.
- Web uygulamasının kaynak kodunu çek: Bu adımda, requests kütüphanesini kullanarak web uygulamasının kaynak kodunu bir değişkene atar.
- Kaynak koddaki form elemanlarını, giriş alanlarını ve gönderme düğmelerini bul: Bu adımda, BeautifulSoup kütüphanesini kullanarak web uygulamasının kaynak kodundaki form elemanlarını, giriş alanlarını ve gönderme düğmelerini bulur ve bunların isimlerini, değerlerini ve eylemlerini kaydeder.
- Yapay zeka modelini oluştur: Bu adımda, tensorflow ve keras kütüphanelerini kullanarak yapay zeka modelini oluşturur. Model, giriş alanlarının sayısına göre giriş katmanı, ReLU ve Sigmoid aktivasyon fonksiyonlarına sahip iki gizli katman ve Sigmoid aktivasyon fonksiyonuna sahip bir çıkış katmanından oluşur. Çıkış katmanı, başarılı bir giriş yapılıp yapılmadığını belirten 0 veya 1 değeri döndürür.
- Modeli derle: Bu adımda, modeli derlemek için kayıp fonksiyonu olarak ikili çapraz entropi, optimizasyon algoritması olarak Adam, metrik olarak doğruluk kullanır.
- Modeli eğit: Bu adımda, modeli eğitmek için eğitim verisi olarak rastgele girdi değerleri, etiket verisi olarak 0 veya 1 değerleri, eğitim döngüsü sayısı olarak 10, toplu işlem boyutu olarak 32 kullanır.
- Modeli test et: Bu adımda, modeli test etmek için test verisi olarak rastgele girdi değerleri kullanır ve test sonuçlarını bir değişkene atar.
- Test sonuçlarını değerlendir: Bu adımda, test sonuçlarını değerlendirir ve eğer test sonuçlarındaki herhangi bir değer 0.5'ten büyükse, başarılı bir giriş yapıldığını varsayar. Başarılı bir giriş yapıldığında, oturum kimliğini ve diğer oturum verilerini kaydeder ve ekrana yazdırır. Ayrıca, web uygulamasının kimlik doğrulama sisteminin güçlü ve zayıf yönlerini rapor eder.
Broken Authentication and Session Management(Kırık Kimlik Doğrulama ve Oturum Yönetimi) Saldırısı Yapmak
# Bu kod, requests ve BeautifulSoup kütüphanelerini kullanarak bir web sitesine oturum açmaya ve oturum açtıktan sonra sayfaları kazımaya çalışır.
# Bu kod, Rıdvan Kaya tarafından yazılmıştır.
import requests
from bs4 import BeautifulSoup
# Hedef web sitesinin URL'sini belirleyin
target_url = "https://example.com/login"
# Oturum açma bilgilerinizi belirleyin
username = "your_username"
password = "your_password"
# Bir requests oturumu oluşturun
session = requests.Session()
# Hedef web sitesinin oturum açma sayfasını alın
response = session.get(target_url)
# Oturum açma sayfasının HTML içeriğini ayrıştırın
soup = BeautifulSoup(response.text, "html.parser")
# Oturum açma formunun gerekli alanlarını bulun
# Bu alanların isimleri web sitesine göre değişebilir
# Bu örnekte, kullanıcı adı alanı "user" ve parola alanı "pass" olarak adlandırılmıştır
username_field = soup.find("input", {"name": "user"})
password_field = soup.find("input", {"name": "pass"})
# Oturum açma formunun eylem URL'sini bulun
# Bu URL, form verilerinin gönderileceği yerdir
# Bu örnekte, eylem URL'si "/login" olarak belirlenmiştir
action_url = soup.find("form", {"method": "post"})["action"]
# Oturum açma formunun verilerini oluşturun
# Bu veriler, kullanıcı adı, parola ve diğer gerekli alanları içerir
# Bu örnekte, diğer gerekli alan "csrf_token" olarak adlandırılmıştır
data = {
username_field["name"]: username,
password_field["name"]: password,
"csrf_token": soup.find("input", {"name": "csrf_token"})["value"]
}
# Oturum açma formunun verilerini eylem URL'sine gönderin
# Bu, oturum açma işlemini gerçekleştirir
response = session.post(target_url + action_url, data=data)
# Oturum açma işleminin başarılı olup olmadığını kontrol edin
# Bu, yanıtın durum koduna veya içeriğine bakarak yapılabilir
# Bu örnekte, başarılı oturum açma durum kodu 200'dür
if response.status_code == 200:
print("Oturum açma başarılı!")
else:
print("Oturum açma başarısız!")
# Oturum açtıktan sonra, hedef web sitesinin diğer sayfalarını kazıyabilirsiniz
# Bu, oturumunuzun çerezlerini kullanarak yapılabilir
# Bu örnekte, hedef web sitesinin profil sayfasını kazıyoruz
profile_url = "https://example.com/profile"
response = session.get(profile_url)
# Profil sayfasının HTML içeriğini ayrıştırın
soup = BeautifulSoup(response.text, "html.parser")
# Profil sayfasından istediğiniz bilgileri çıkarın
# Bu bilgiler, web sitesine göre değişebilir
# Bu örnekte, profil sayfası kullanıcının adını, e-postasını ve puanını içerir
name = soup.find("div", {"class": "name"}).text
email = soup.find("div", {"class": "email"}).text
score = soup.find("div", {"class": "score"}).text
# Profil sayfasından çıkarılan bilgileri yazdırın
print(f"Ad: {name}")
print(f"E-posta: {email}")
print(f"Puan: {score}")
# Gerekli kütüphaneleri içe aktar
import requests
from bs4 import BeautifulSoup
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
# Hedef web uygulamasının URL'sini belirle
target_url = "https://example.com/login"
# Web uygulamasının kaynak kodunu çek
response = requests.get(target_url)
source_code = response.text
# Kaynak koddaki form elemanlarını, giriş alanlarını ve gönderme düğmelerini bul
soup = BeautifulSoup(source_code, "html.parser")
form = soup.find("form")
inputs = form.find_all("input")
submit = form.find("button", type="submit")
# Form elemanlarının isimlerini, değerlerini ve eylemlerini kaydet
form_action = form["action"]
form_method = form["method"]
input_names = [input["name"] for input in inputs]
input_values = [input["value"] for input in inputs]
submit_name = submit["name"]
submit_value = submit["value"]
# Yapay zeka modelini oluştur
model = keras.Sequential([
# Giriş katmanı, giriş alanlarının sayısına göre düğüm sayısını ayarla
layers.Dense(len(input_names), input_shape=(len(input_names),)),
# Gizli katmanlar, aktivasyon fonksiyonları olarak ReLU ve Sigmoid kullan
layers.Dense(64, activation="relu"),
layers.Dense(32, activation="sigmoid"),
# Çıkış katmanı, başarılı bir giriş yapılıp yapılmadığını belirten 0 veya 1 değeri döndür
layers.Dense(1, activation="sigmoid")
])
# Modeli derle, kayıp fonksiyonu olarak ikili çapraz entropi, optimizasyon algoritması olarak Adam, metrik olarak doğruluk kullan
model.compile(loss="binary_crossentropy", optimizer="adam", metrics=["accuracy"])
# Modeli eğit, eğitim verisi olarak rastgele girdi değerleri, etiket verisi olarak 0 veya 1 değerleri, eğitim döngüsü sayısı olarak 10, toplu işlem boyutu olarak 32 kullan
model.fit(tf.random.uniform((1000, len(input_names))), tf.random.uniform((1000, 1)), epochs=10, batch_size=32)
# Modeli test et, test verisi olarak rastgele girdi değerleri, test sonuçlarını predictions değişkenine ata
predictions = model.predict(tf.random.uniform((100, len(input_names))))
# Test sonuçlarını değerlendir, eğer predictions dizisindeki herhangi bir değer 0.5'ten büyükse, başarılı bir giriş yapıldığını varsay
for i, prediction in enumerate(predictions):
if prediction > 0.5:
# Başarılı bir giriş yapıldığında, oturum kimliğini ve diğer oturum verilerini kaydet
session_data = {}
# Form verilerini oluştur, giriş alanlarının isimlerini ve test verisindeki ilgili değerleri kullan
form_data = {}
for j, input_name in enumerate(input_names):
form_data[input_name] = test_data[j]
# Form verilerine gönderme düğmesinin ismini ve değerini ekle
form_data[submit_name] = submit_value
# Form verilerini web uygulamasına gönder, form yöntemine ve eylemine göre istek türünü belirle
if form_method == "get":
response = requests.get(form_action, params=form_data)
elif form_method == "post":
response = requests.post(form_action, data=form_data)
# Yanıt başlıklarındaki çerezleri al, oturum kimliği ve diğer oturum verilerini içerebilir
cookies = response.headers.get("Set-Cookie")
# Çerezleri session_data sözlüğüne ekle
session_data["cookies"] = cookies
# Yanıt metnini al, başarılı bir giriş yapıldığını belirten mesajlar içerebilir
text = response.text
# Yanıt metnini session_data sözlüğüne ekle
session_data["text"] = text
# Session_data sözlüğünü ekrana yazdır, web uygulamasının yetkili olmayan erişime karşı savunmasız olduğunu göster
print(session_data)
# Web uygulamasının kimlik doğrulama sisteminin güçlü ve zayıf yönlerini rapor et
print(f"Web uygulamasının kimlik doğrulama sistemi, rastgele girdi değerleri ile başarılı bir giriş yapılmasına izin veriyor. Bu, web uygulamasının kimlik doğrulama sisteminin çok zayıf olduğunu gösteriyor. Web uygulaması, kimlik doğrulama sisteminde güvenlik önlemleri almalı, giriş denemelerini sınırlamalı, şifre karmaşıklığını artırmalı, oturum zaman aşımlarını uygulamalı ve oturum kimliklerini rastgele oluşturmalıdır.")
#Yazan Rıdvan Kaya
Bu kod, web uygulamalarındaki Broken Authentication and Session Management(Kırık Kimlik Doğrulama ve Oturum Yönetimi) zaafiyetini tespit etmek için yapay zekalı bir kod yazmaya çalışan bir örnektir. Bu kodun ana adımları şunlardır:
- Gerekli kütüphaneleri içe aktar: Bu adımda, web uygulamasının kaynak kodunu çekmek, form elemanlarını bulmak ve yapay zeka modelini oluşturmak ve eğitmek için gerekli olan Python kütüphanelerini içe aktarır.
- Hedef web uygulamasının URL'sini belirle: Bu adımda, zaafiyet tespiti yapmak istediğiniz web uygulamasının URL'sini bir değişkene atar.
- Web uygulamasının kaynak kodunu çek: Bu adımda, requests kütüphanesini kullanarak web uygulamasının kaynak kodunu bir değişkene atar.
- Kaynak koddaki form elemanlarını, giriş alanlarını ve gönderme düğmelerini bul: Bu adımda, BeautifulSoup kütüphanesini kullanarak web uygulamasının kaynak kodundaki form elemanlarını, giriş alanlarını ve gönderme düğmelerini bulur ve bunların isimlerini, değerlerini ve eylemlerini kaydeder.
- Yapay zeka modelini oluştur: Bu adımda, tensorflow ve keras kütüphanelerini kullanarak yapay zeka modelini oluşturur. Model, giriş alanlarının sayısına göre giriş katmanı, ReLU ve Sigmoid aktivasyon fonksiyonlarına sahip iki gizli katman ve Sigmoid aktivasyon fonksiyonuna sahip bir çıkış katmanından oluşur. Çıkış katmanı, başarılı bir giriş yapılıp yapılmadığını belirten 0 veya 1 değeri döndürür.
- Modeli derle: Bu adımda, modeli derlemek için kayıp fonksiyonu olarak ikili çapraz entropi, optimizasyon algoritması olarak Adam, metrik olarak doğruluk kullanır.
- Modeli eğit: Bu adımda, modeli eğitmek için eğitim verisi olarak rastgele girdi değerleri, etiket verisi olarak 0 veya 1 değerleri, eğitim döngüsü sayısı olarak 10, toplu işlem boyutu olarak 32 kullanır.
- Modeli test et: Bu adımda, modeli test etmek için test verisi olarak rastgele girdi değerleri kullanır ve test sonuçlarını bir değişkene atar.
- Test sonuçlarını değerlendir: Bu adımda, test sonuçlarını değerlendirir ve eğer test sonuçlarındaki herhangi bir değer 0.5'ten büyükse, başarılı bir giriş yapıldığını varsayar. Başarılı bir giriş yapıldığında, oturum kimliğini ve diğer oturum verilerini kaydeder ve ekrana yazdırır. Ayrıca, web uygulamasının kimlik doğrulama sisteminin güçlü ve zayıf yönlerini rapor eder.
Broken Authentication and Session Management(Kırık Kimlik Doğrulama ve Oturum Yönetimi) Saldırısı Yapmak
# Bu kod, requests ve BeautifulSoup kütüphanelerini kullanarak bir web sitesine oturum açmaya ve oturum açtıktan sonra sayfaları kazımaya çalışır.
# Bu kod, Rıdvan Kaya tarafından yazılmıştır.
import requests
from bs4 import BeautifulSoup
# Hedef web sitesinin URL'sini belirleyin
target_url = "https://example.com/login"
# Oturum açma bilgilerinizi belirleyin
username = "your_username"
password = "your_password"
# Bir requests oturumu oluşturun
session = requests.Session()
# Hedef web sitesinin oturum açma sayfasını alın
response = session.get(target_url)
# Oturum açma sayfasının HTML içeriğini ayrıştırın
soup = BeautifulSoup(response.text, "html.parser")
# Oturum açma formunun gerekli alanlarını bulun
# Bu alanların isimleri web sitesine göre değişebilir
# Bu örnekte, kullanıcı adı alanı "user" ve parola alanı "pass" olarak adlandırılmıştır
username_field = soup.find("input", {"name": "user"})
password_field = soup.find("input", {"name": "pass"})
# Oturum açma formunun eylem URL'sini bulun
# Bu URL, form verilerinin gönderileceği yerdir
# Bu örnekte, eylem URL'si "/login" olarak belirlenmiştir
action_url = soup.find("form", {"method": "post"})["action"]
# Oturum açma formunun verilerini oluşturun
# Bu veriler, kullanıcı adı, parola ve diğer gerekli alanları içerir
# Bu örnekte, diğer gerekli alan "csrf_token" olarak adlandırılmıştır
data = {
username_field["name"]: username,
password_field["name"]: password,
"csrf_token": soup.find("input", {"name": "csrf_token"})["value"]
}
# Oturum açma formunun verilerini eylem URL'sine gönderin
# Bu, oturum açma işlemini gerçekleştirir
response = session.post(target_url + action_url, data=data)
# Oturum açma işleminin başarılı olup olmadığını kontrol edin
# Bu, yanıtın durum koduna veya içeriğine bakarak yapılabilir
# Bu örnekte, başarılı oturum açma durum kodu 200'dür
if response.status_code == 200:
print("Oturum açma başarılı!")
else:
print("Oturum açma başarısız!")
# Oturum açtıktan sonra, hedef web sitesinin diğer sayfalarını kazıyabilirsiniz
# Bu, oturumunuzun çerezlerini kullanarak yapılabilir
# Bu örnekte, hedef web sitesinin profil sayfasını kazıyoruz
profile_url = "https://example.com/profile"
response = session.get(profile_url)
# Profil sayfasının HTML içeriğini ayrıştırın
soup = BeautifulSoup(response.text, "html.parser")
# Profil sayfasından istediğiniz bilgileri çıkarın
# Bu bilgiler, web sitesine göre değişebilir
# Bu örnekte, profil sayfası kullanıcının adını, e-postasını ve puanını içerir
name = soup.find("div", {"class": "name"}).text
email = soup.find("div", {"class": "email"}).text
score = soup.find("div", {"class": "score"}).text
# Profil sayfasından çıkarılan bilgileri yazdırın
print(f"Ad: {name}")
print(f"E-posta: {email}")
print(f"Puan: {score}")
