【WEB安全】In0ri：基于深度学习的网站内容污染检测系统

最新推荐文章于 2025-12-16 12:53:59 发布

原创最新推荐文章于 2025-12-16 12:53:59 发布 · 167 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#web安全 #深度学习 #安全

本文介绍了一种基于图像分类卷积神经网络的In0ri系统，它用于网站内容监控，能自动检测异常并发送警告。详细讲解了工具安装、配置和部署流程，以及其在URL检测和内部代理中的应用。

关于In0ri

In0ri是一个内容污染检测系统，该工具主要利用一个图像分类卷积神经网络实现其功能。

在监控网站时，In0ri会定期抓取网站的屏幕截图，然后将其放入预处理器，预处理器将图像大小调整为250x250px，并在将图像传递到分类器之前对图像进行数字化处理。分类器的核心是一个卷积神经网络，经过训练可以检测网站内容是否正常。如果被监控的网站确实被破坏，In0ri将通过电子邮件向用户发出警告。

工具要求

Python3 (版本 >=3.6)

Docker

Docker-compose

工具安装

广大研究人员可以使用下列命令将该项目源码克隆至本地：

git clone https://github.com/J4FSec/In0ri.git

cd In0ri

接下来，我们需要配置电子邮件凭证和代理密钥，以实现In0ri通过电子邮件向用户发出警告。编辑Alert/sendEmail.py文件：

EMAIL_SERVER = "mail.example.com"

EMAIL_ADDRESS = "foo@gmail.com"

EMAIL_PASSWORD = "$uper$ecurePa$$word"

配置Telegram通知

编辑Alert/chatbot.py文件：

CHAT_ID= 'foo' # Channel ID to send notifications to

TOKEN = 'bar' # Bot token retrieved from @BotFather

现在，我们就可以启动In0ri了：

docker-compose up -d

工具使用

我们有两种方式部署和使用In0ri：

通过定期访问url来运行crontab；

在Web服务器上运行内部代理；

第一种方法：URL检测

通过访问https://:8080/进入到In0ri的WebUI，然后点击“注册”，填写并提交表单。

第二种方法：内部代理

通过访问https://:8080/进入到In0ri的WebUI，然后点击“注册”，填写并提交表单。

点击“创建代理”，然后填写表单，确认邮件的代理密钥是否正确。

在待监控的Web服务器上，从本项目的【GitHub库】下载“Agent”文件夹。

安装内部代理运行所需的依赖包：

python3 -m pip install watchdog

python3 -m pip install requests

编辑config.json文件：

nano config.json

按照下列格式填写相关参数：

{

    "id":"01",

    "key":"123123123",

    "rootPath":"/var/www/html",

    "excludePath":"",

    "apiServer":"http://<serverIP>:8088/checkdeface"

}

然后，使用下列命令运行代理即可：

python3 agent.py

许可证协议

本项目的发开与发布遵循GNU AGPLv3开源许可证协议。