记一次SRC挖掘—审计js还原隐藏接口产出2个未授权漏洞"

admin 2026-10-15 17:33:24 网络安全文章 来源:ZONE.CI 全球网 0 阅读模式

记一次SRC挖掘—审计js还原隐藏接口产出2个未授权漏洞

原创

zkaq-诚信友善
zkaq-诚信友善

掌控安全EDU

2026年10月12日 12:04
江西

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

扫码领资料

获网安教程

本文由掌控安全学院 - 诚信友善 投稿

来Track安全社区投稿~

千元稿费!还有保底奖励~(  https://bbs.zkaq.cn   )****

本文所述漏洞测试流程与技术细节,仅用于网络安全领域的经验交流与防御技术研究。文中所涉及的所有系统漏洞,均已在披露前完成修复。严禁任何个人或组织将文中技术用于未授权系统的攻击、入侵或破坏行为。任何因违反此声明、擅自利用相关技术而引发的法律责任及不良后果,均由实际操作者自行承担,与本文作者及发布平台无关

测试过程总结

本次测试从一个运维系统开始,通过审计 JavaScript 中的 Chunk 映射,还原出未在首页直接加载、也未被常规插件识别的js文件,并沿着请求封装继续定位到多个隐藏接口,挖掘多个未授权漏洞

开局一个登录框,出洞漏洞全靠肝

按照正常流程把该测的功能点都测试了一遍

雪瞳和小熊猫插件识别的接口也全部都跑了一遍,没有任何产出

查看引用的js内容,发现baseURL /api   ,雪瞳和小熊猫里面是没有这个baseURL /api 相关接口的,所以如果我们能找到相关接口大概率有戏

继续查看js内容,发现 Chunk 映射---类似:\"chunk-xxxxxx\":\"xxxxxx\"

计算出的完整地址:https://xxxxx.xxxxx.edu.cn/static/js/chunk-xxxxx.xxxxx.js

打开https://xxxxx.xxxxx.edu.cn/static/js/chunk-xxxxx.xxxxx.js

发现众多插件未识别出来的接口

最终恢复接口发包成功获取 全站用户名和MD5密码等敏感信息

还有一个getxxx接口是查询人员排班信息的,不过查询出的信息没什么敏感的

我们通过查询一个未来的日期,可以发现是没有排班信息的

通过savaxxx接口给两位用户写入了2099-12-31的排班信息

再次查询2099-12-31的排班信息,成功查询出刚刚写入的排班信息,证明存在未授权排班信息写入漏洞

总结

对于采用 Vue/Webpack 的系统,测试时不应该只依赖自动化插件,应该把Chunk 映射当作必查项,逐一还原隐藏模块对其中接口进行验证,或许可以发现前端未暴露但服务端缺少授权控制的未授权接口。

申明:本公众号所分享内容仅用于网络安全技术讨论,切勿用于违法途径,

所有渗透都需获取授权,违者后果自行承担,与本号及作者无关,请谨记守法.

没看够~?欢迎关注!

分享本文到朋友圈,可以凭截图找老师领取

上千教程+工具+交流群+靶场账号哦

分享后扫码加我!

回顾往期内容

网络安全人员必考的几本证书!

文库|内网神器cs4.0使用说明书

重生HW之感谢客服小姐姐带我进入内网遨游

手把手教你CNVD漏洞挖掘 + 资产收集

【精选】SRC快速入门+上分小秘籍+实战指南

代理池工具撰写 | 只有无尽的跳转,没有封禁的IP!

点赞+在看支持一下吧~感谢看官老爷~

你的点赞是我更新的动力


记一次SRC挖掘—审计js还原隐藏接口产出2个未授权漏洞" 网络安全文章

记一次SRC挖掘—审计js还原隐藏接口产出2个未授权漏洞"

本文记录一次SRC漏洞挖掘实战,通过审计JS文件中的Chunk映射还原隐藏接口,绕过自动化插件限制,最终发现两个未授权漏洞,包括获取全站用户名和MD5密码等敏感信息,以及未授权写入排班信息。建议在测试Vue或Webpack系统时,将Chunk映射作为必查项,逐一验证隐藏接口,以发现服务端缺少授权控制的接口。
EUCRA临近,AI编码工具暴露出SBOM管控短板;第十届 “强网杯”启动报名,增设青少年AI应用等六大竞赛板块|牛览" 网络安全文章

EUCRA临近,AI编码工具暴露出SBOM管控短板;第十届 “强网杯”启动报名,增设青少年AI应用等六大竞赛板块|牛览"

欧盟CRA法案临近,AI编码工具导致SBOM管控失效,需持续扫描与微隔离;韩国银行遭AI赋能攻击致PII泄露,丹麦因弱口令引发数据泄露,日本卡拉OK厂商供应链遭恶意软件入侵;DarkSwordP7与MidnightMimosa恶意软件分别针对iOS与安卓固件;无文件攻击迫使终端安全转向行为监控;Cloudflare收购Deno重塑边缘计算生态。
AI说91.5%高危,维护者只认51.3%:漏洞定级这活儿,为什么还是离不开人?" 网络安全文章

AI说91.5%高危,维护者只认51.3%:漏洞定级这活儿,为什么还是离不开人?"

文章基于AnthropicProjectGlasswing五个月实践数据,揭示AI漏洞发现能力虽强但转化率极低:26153项发现仅202项修复,高危定级与维护者认可度相差40个百分点,真实利用比例仅约1%。核心结论是AI放大数据供给而非处理能力,人工分诊成为新瓶颈。文章结合RedHat的VulnOps实践,提出七条建议:区分发现与判断、强化人工分诊、领域专家参与Agent建设、确定性工具与AI协同、AI补丁仅作候选、建立持续化漏洞运营、将AI系统纳入攻击面管理。强调AI时代需建立机器负责规模、专家负责判断
评论:0   参与:  0