【Security】利用Burp Suite爆破带有验证码Web登录接口（保姆级教程）
1 需求描述
最近正好在检测Web登录接口是否存在弱密码，发现部分登录接口除了用户名密码外还有有验证码，这无疑给爆破添加了些许困难。于是寻找爆破带有验证码的Web登录的方式，经过测试发现使用Burp Suite+插件（captcha-killer-modified）的方式进行爆破成功率相对较高，因此记录使用过程中遇到的一些问题。
2 测试环境要求
1. 确保要有Burp Suite安装过程略，测试过程使用版本为v2022.6.1；
2. 插件作者提供的jar包有JDK8/JDK11/JDK14，测试过程使用版本为14.0.2+12-46；
3. 其中OCR识别使用基于Python开发的ddddocr，测试过程中使用版本为Python 3.10.10；
4. 提前下载插件及插件需要的工具，下载下图红框内容即可
5. 插件地址：https://github.com/f0ng/captcha-killer-modified
3 配置测试环境
3.1 安装ddddocr+aiohttp
由于ddddocr作者在安装说明中明确指明，ddddocr暂时不支持Mac M1(x)，M1(x)用户需要自己编译onnxruntime才可以使用，所以果断选择在windows环境下安装。
Web服务这里使用aiohttp，可执行以下命令进行安装：
pip install -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com ddddocr aiohttp
3.2 Burp Suite添加插件
插件文件下载好后，启动Burp Suite-->选择插件(Extensions)模块-->点击添加(Add)插件-->点击Select file选择（captcha-killer-modified-0.21-beta-jdk14.jar）-->最后点击next完成插件添加。
插件添加之后，可以在Burp Suite中查看到如下信息：
3.3 启动图像识别接口
解压第2小节中下载好的Source code并进入该目录，执行python codereg.py即可在本地启动图像识别接口。
4 实战测试
4.1 获取验证码接口
本次测试环境使用Pikachu平台，首先通过http://x.x.x.x/vul/burteforce/bf_server.php观察验证码接口，经过分析发现http://x.x.x.x/inc/showvcode.php为验证码获取接口。（x.x.x.x为目标环境地址）
4.2 获取请求包
浏览器设置代理将流量代理至Burp Suite，在Http history中查找访问相关接口项，并将其发送至插件：
4.3 插件配置
首先修改验证码URL，将刚才发送过来的GET请求目录换成/inc/showvcode.php，然后点击获取如果可以看见右侧验证码则表明获取成功：
接下来配置接口URL，地址栏中输入http://127.0.0.1:8888，然后在Request template中右键在模板库中选择ddddocr：
配置完成后点击识别，如若在最右侧显示识别结果，则证明识别成功：
通过插件交流群中沟通后很快就解决了，在这里非常感谢作者以及群里大佬的帮助🤞🤞🤞这里将解决方案贴出来，防止大家入坑！
- Forbidden的出现一般就是模板问题，右键在模板库中选择ddddocr即可解决；
- 验证码识别位数，需要修改codereg.py，根据目标系统验证码特性自行修改红框中数字即可
4.4 开启爆破
在浏览器中登录，在Burp Suite中将POST请求发送至Intruder：
点击Intruder，在Positions中首先选择攻击方式为Pitchfork点击Clear$,然后针对password和vcode进行add：
配置payload，1选择自己的字典即可，2则需要选择扩展插件：
设置资源池，由于POST请求是带着cookies的，所以这里可以自行设置。为了方便观察，我这里将线程设置为1：
爆破结束后，点击success进行排序，可以看见有1个匹配项，点击查看Response发现确实登陆成功了！
5 总结
在以上测试过程中发现，ddddocr对验证码识别准确率还是非常高的。经过两次测试，准确率高达57%。在实际应用中对同一字典进行两到三轮爆破，概率上讲应该就有结果过了。原本想通过代码实现定时弱密码检测，后来发现不同系统登录表单长的五花八门，撸代码能力有限索性就用Burp Suite加插件了😄
关于插件更多介绍可以查看作者公众号文章：https://mp.weixin.qq.com/s/_P6OlL1xQaYSY1bvZJL4Uw
关于ddddocr更多信息可查看作者github中介绍：
https://github.com/sml2h3/ddddocr/tree/master/ddddocr
https://github.com/sml2h3/dddd_trainer
