Eyeballer

Qu'est-ce que Eyeballer ?

Eyeballer est un outil innovant piloté par l'IA conçu pour aider les testeurs d'intrusion à analyser efficacement un grand nombre de captures d'écran de sites web afin d'identifier les pages susceptibles de contenir des vulnérabilités de sécurité. En exploitant un réseau neuronal convolutif, Eyeballer classe les pages web rendues en catégories telles que pages de connexion, sites à l'apparence ancienne, pages 404 personnalisées et pages d'accueil. Cette automatisation réduit considérablement les efforts de tri manuel lors des évaluations de réseaux externes à grande échelle, permettant aux professionnels de la sécurité de se concentrer sur les cibles à forte valeur ajoutée. Eyeballer complète les outils de scan traditionnels en fournissant une couche d'analyse visuelle difficile à obtenir avec des méthodes basées sur les signatures seules. L'outil est open source et prend en charge l'accélération GPU pour l'entraînement et l'inférence, ce qui le rend adaptable à divers environnements de test.

Fonctionnalités clés

• Classification visuelle alimentée par l'IA

  Utilise des réseaux neuronaux convolutifs pour analyser les captures d'écran et étiqueter les pages web selon des caractéristiques visuelles pertinentes pour les tests d'intrusion.

• Évaluation de périmètre à grande échelle

  Conçu pour traiter rapidement des milliers de captures d'écran, permettant un tri efficace des actifs web externes étendus.

• Multiples étiquettes de cibles

  Identifie des catégories clés telles que les pages de connexion, les sites à l'apparence ancienne, les pages 404 personnalisées et les pages d'accueil afin de prioriser les vulnérabilités potentielles.

• Open source et extensible

  Disponible sur GitHub, permettant la personnalisation, le réentrainement et l'intégration dans les flux de travail de sécurité existants.

• Sorties lisibles par l'humain et la machine

  Génère à la fois des rapports HTML pour une navigation facile et des fichiers CSV pour un traitement automatisé.

• Prise en charge de l'accélération GPU

  Optimisé pour l'utilisation du GPU lors de l'entraînement et de la prédiction du modèle afin d'améliorer les performances sur de grands ensembles de données.

Cas d'utilisation

• Test d'intrusion : Automatise l'identification des cibles web de grande valeur au sein de vastes périmètres externes pour rationaliser la revue manuelle.
• Triage des évaluations de sécurité : Aide les équipes de sécurité à prioriser les pages web à examiner davantage en fonction d'indicateurs visuels de vulnérabilité.
• Reconnaissance Bug Bounty : Aide les chasseurs de bugs à filtrer rapidement de nombreux actifs web pour trouver des surfaces d'attaque prometteuses.
• Surveillance continue de la sécurité : S'intègre dans les services de tests d'intrusion continus pour maintenir une priorisation des cibles à jour à mesure que les actifs web évoluent.

FAQ