eyeballer

Eyeballer 项目介绍

Eyeballer 是一个专为大规模网络渗透测试设计的工具，它可以帮助用户从大量网页截图中快速识别出“有趣”的目标，即那些可能存在漏洞的目标。用户可以继续使用自己的截图工具，如 EyeWitness 或 GoWitness，然后将获得的截图通过 Eyeballer 进行分析，以判断哪些网站可能存在安全漏洞，哪些则没有。

示例标签

Eyeballer 使用多种标签来帮助分类网站：

• 老旧网站：特征明显的早期网站风格，通常有块状布局和失效的 CSS 等。这类网站不仅在视觉上显得过时，还往往存在较多的安全漏洞，是渗透测试的重点目标。

• 登录页面：标志着该网站可能存在用户需要认证才能访问的更多功能。识别这类页面对于进行凭证枚举攻击非常有用。

• Web 应用：指示该站点包含丰富的页面和功能，可以作为渗透测试的攻击面。与简单的登录页面或无功能的 IIS 默认页面不同，这类标签提示有可供攻击的 Web 应用。

• 自定义 404 页面：现代网站常用可爱的 404 页面，表面看起来复杂，但通常无太大价值。Eyeballer 可帮助识别并排除这类页面。

• 停放域：看似真实但实际上没有有效攻击面的页面，通常仅含广告。这些域名可能是错误指定的或已过期的，识别并排除这类页面对检测目标非常重要。

如何设置

要使用 Eyeballer，用户需通过 pip 下载必要的软件包，支持 GPU 的用户还需要额外的设置：

sudo pip3 install -r requirements.txt

若需要 GPU 支持：

sudo pip3 install -r requirements-gpu.txt

Eyeballer 提供预训练的权重文件，用户可以直接在 GitHub 的发布页面找到。

预测标签

要从截图中预测并分类标签，只需运行以下指令：

eyeballer.py --weights YOUR_WEIGHTS.h5 predict YOUR_FILE.png

或针对整个文件夹：

eyeballer.py --weights YOUR_WEIGHTS.h5 predict PATH_TO/YOUR_FILES/

预测结果将以易于理解的 HTML 文件和机器可读的 CSV 文件形式输出。

性能

Eyeballer 在一个独立的测试数据集上的表现如下：

• 总体二元准确率：93.52%
• 严苛准确率：76.09%

具体标签的精确率和召回率如下：

训练

用户可以通过以下命令训练新的模型：

eyeballer.py train

这将生成新的模型文件，对机器配置要求较高，尤其是需要好的 GPU。

评价

训练模型后，用户可以通过以下命令评估模型对未见过的数据的表现：

eyeballer.py --weights YOUR_WEIGHTS.h5 evaluate

该评估将提供模型在精确率和召回率上的表现详情。

Eyeballer 项目通过自动化的方式极大地提高了渗透测试中识别潜在脆弱点的效率，是信息安全领域中一款有力工具。