Ir al contenido

📕 MANUAL DE CAMPO 11.1: AUTOMATIZACIÓN & CI/CD (ARMAMENTO A ESCALA)

Clasificación: SOLO PARA OJOS DEL EQUIPO ROJO

0lecturas

Clasificación: SOLO PARA OJOS DEL EQUIPO ROJO

Objetivo: Implementaremos capacidades de ataque continuo e integraremos herramientas ofensivas avanzadas en flujos de trabajo automatizados.

MITRE ATT&CK: T1558, T1595 (Active Scanning).

El viejo sqlmap manual es lento para escanear miles de activos. Necesitamos velocidad y evasión.

Escáner basado en plantillas YAML. Permite definir la vulnerabilidad exacta y lanzarla contra 10,000 hosts en minutos.

Template YAML para SQLi Error-Based:

id: error-based-sqli
info:
name: Error Based SQL Injection
severity: critical
requests:
- method: GET
path:
- "{{BaseURL}}/product?id=1'"
matchers:
- type: word
words:
- "You have an error in your SQL syntax"
part: body

Una alternativa moderna a SQLMap escrita en Python.

  • Ventaja: Está optimizado específicamente para WAF Evasion y manejo de headers HTTP complejos.
  • Uso: Es similar a SQLMap pero con mejor heurística para detectar inyecciones difíciles. ghauri -u "http://target.com/?id=1" --dbs

No correremos SQLMap desde la terminal. Lo correremos como servicio REST para que nuestros propios scripts puedan orquestar ataques.

  1. Iniciar Servidor: sqlmapapi -s
  2. Crear Tarea: POST /task/new
  3. Lanzar Scan: POST /scan/<task_id>/start
  4. Leer Datos: GET /scan/<task_id>/data

Transformaremos el ataque en una fase del desarrollo (“Purple Teaming Pipeline”).

GitHub Actions Workflow (Ejemplo): Cada vez que el equipo de desarrollo hace “Push” a staging, atacaremos.

name: Offensive Pipeline
on: [push]
jobs:
security-test:
runs-on: ubuntu-latest
steps:
- name: Deploy App
run: ./deploy_staging.sh
- name: Nuclei Scan
run: nuclei -u [https://staging-app.com](https://staging-app.com) -t sqli-templates/ -o vulnerabilities.txt
- name: Ghauri Deep Scan
if: steps.nuclei.outputs.found == 'true'
run: ghauri -u [https://staging-app.com/vuln-endpoint](https://staging-app.com/vuln-endpoint) --dbs
  • Feedback Loop: Si Nuclei encuentra un fallo en el pipeline, el “Build” debe fallar automáticamente.
  • False Positives: Ajustaremos los matchers de las plantillas de Nuclei para reducir el ruido basándonos en los mensajes de error específicos de nuestro stack tecnológico.