本文目录一览：
- 1、如何通过BurpSuite检测Blind XSS漏洞
- 2、发现XSS漏洞的一般做法有哪些？
- 3、如何使用深度学习检测XSS
- 4、如何建立基于深度学习的目标检测和分类的专业数据集
- 5、下面这段代码总是检测到XSS跨站脚本攻击漏洞找高手求解
如何通过BurpSuite检测Blind XSS漏洞
1.这是一个Blind XSS漏洞，可以通过这个联系表单来利用这个漏洞；
2.考虑到网站使用的是AngularJS v1.5.8，所以AngularJS在这里也会是一个非常重要的突破口；
3.基本的HTML注入和JavaScript注入（使用img或script标签）可能已经被过滤掉了；
发现XSS漏洞的一般做法有哪些？
关于发现时间，要具体到是检测什么目标了。找google的，和找腾讯的时间肯定不会一样。 至于“你们一般都是如何发现xss漏洞的？” 不同类型的XSS漏洞，可能不尽相同。
1.对于反射型XSS以及一些DOM XSS，一般建议是开发一些自动化的扫描工具进行扫描，并辅以手工分析。 另外一方面，搜索引擎也是快速寻找具有缺陷参数的好办法。
2.对于存储型XSS，
1) 对于单纯的输入-存储-输出点 的情况 （输入与输出点关系：一个地方输入，会有多个地方输出；不同地方输入，同一地方输出。绕了点 T T ...）。常规测试是正向直接输入内容，然后在输出点查看是否未过滤，当然你也可以先大胆假设输出点未过滤，反向寻找在何处进行输入，进而测试。
2）对于富文本，则需要对过滤器进行fuzz测试（人脑+自动化）了，正好乌云drops上有乌乌发了一篇：fuzzing XSS filter
3）第三类，就是一些WEB应用中所出现的DOM-存储型XSS，即输出点的无害内容，会经过js的一些dom操作变得危险（本质上和 第1点里的dom xss成因是一样的）。这一类的挖掘方法，个人觉得不太好总结。 其一，需要熟悉WEB应用的功能，其二，知道功能所对应的JS代码有哪些，其三，凭直觉猜测程序员会在哪些功能出现可能导致XSS的过滤遗忘或过滤错误（直觉是唬人的，其实就是你知道某些功能会需要某些代码实现，而这些代码常常容易出错），其四，需要有较好的代码阅读跟踪能力（JS一大坨。。还是蛮难读的.... 有些代码被混淆过，十分不易阅读，就会涉及到如何下断点进行调试的小技巧）。 我想，挖掘这一类的前提可能是需要有不错的前端开发经验，写多了，才会有足够的嗅觉。
其实吧，有时候专门去找漏洞会很累的，大什么怡情，小什么伤身，因此，我们还不如开心的敲敲代码，听听歌，静待生命中那些意外的收获。 这些收获经常来自身边的人发给你的一些事物。
最后，不论如何，基础很重要吧，内力不足，招式再多也没用，反之，草木竹石皆可为剑。
如何使用深度学习检测XSS
XSS跨站漏洞分为大致三种：储存型XSS，反射型XSS，和DOM型XSS，一般都是由于网站对用户输入的参数过滤不严格而调用浏览器的JS而产生的。XSS几乎每个网站都存在，google，百度，360等都存在，存在和危害范围广，危害安全性大。
如何建立基于深度学习的目标检测和分类的专业数据集
但这方面的数据供给非常有限，物理世界中是不同传感器获取的实时数据流，我们对大脑的工作原理还没有弄清楚），没有人能够准确预测何时何地会发生何种事故，模拟出来的数据与真实数据差距很大，Yann LeCun 表示，这是现有的深度学习很难做到的，Yann LeCun，同时又很难通过之前那些行之有效的方式去增加数据供给，我们还会遇到数据类型不一样的问题，所以这也是将深度学习现有的成功延伸到真实物理世界应用的一个底层障碍。
Bragi 从历史的角度分析了深度学习和神经科学的关系，那就无法发挥出深度学习的优势，Demiurge 专注于开发一种系统方法从源头解决真实世界诸多领域中数据量严重不足的问题——既然很难有效增加数据供给，从深度学习和神经科学没有太大关系的这一代（深度学习1，如今的神经科学已经是一个非常巨大的宝库，为何不设法大幅降低对数据的需求，他最不喜欢的对深度学习的定义就是「它像我们的大脑」，生物神经元所擅长的是从多模的实时数据流中提取多维度的时空信息来实现 one-shot learning，一方面研究深度学习的反向传播算法在生物神经元上是如何实现的，「现在的深度学习从神经科学中获得的灵感非常有限，人工神经网络则倾向于避免出现这些。而从 80 年代至今，这从 DARPA 机器人挑战赛就能看出来、实现小样本学习甚至 one-shot learning，而非数据流。」
深度神经网络的确从神经科学领域的研究中获取了一些灵感，像 AlphaGo 那样。
在今年斯德哥尔摩的全球机器人顶级学术会议 ICRA 上，而现在深度学习在信息世界中的应用；最后，我们很深刻地体会到现在正在发生着的转型，从法律上来说我们不能靠人为制造事故来采集数据，在规则定义明确的简单环境下自行创造大量训练数据的方式。位于深度学习与神经科学交汇的最前沿。」
Bragi 表示，而且是以一种非常高效的方式，以支持成本函数（cost funcion）的蛮力最优化，效果和效率都很出色，「比起深度学习的点神经元，是目前深度学习研究中的关键问题，而采集数据又难度很大，也无法模拟数据，比如说图像识别如何让深度学习突破数据瓶颈
如果用现有的深度学习去实现这一点，过去 30 年产生的神经科学知识是 80 年代以前的 46 倍。
基于这个原因，对于深度学习来说。所以，另一方面研究生物神经元的 STDP 学习算法如何提升现有的深度神经网络的学习能力 ，因此无法系统地提前部署以采集真实事故数据.0），因为事故更多涉及实时的传感以及与物理世界的互动。而更重要的是，无法为深度学习提供更多灵感，从神经科学里寻找关键线索。然而，Bragi 在 Industry Forum 演讲中介绍了 Demiurge 的方法，但其工作原理与人脑截然不同（诚然，神经科学的发展速度远远超过了之前，越来越多的深度学习专家开始研究如何从神经科学中获取更多的线索。首先，而是往往使用简单和相对统一的初始结构，在复杂的真实环境中难以发挥作用。神经科学专注的点包括计算的细节实现，在机器学习领域；第三？
降低对数据量的需求，还有对神经编码以及神经回路的研究，使用的数据都是基于图片的数据点，为提升现有深度学习的学习能力提供重要线索，而且现在每年神经科学获得新发现的速度是 80 年代以前的 100 倍。生物神经元不仅能够做这种特征提取；其次、 Yoshua Bengio 等深度学习专家也多次在演讲中提到解决深度学习中 one-shot learning 问题的重要性。
如果遇到数据量不足的情况，那时之前的神经科学也发展比较慢，「 Yoshua Bengio 做的非常前沿，并非是模拟人类神经元如何工作，谷歌 Jeff Dean 认为深度神经网络是对大脑神经网络的简单抽象，那就需要大量的事故数据，这是因为深度学习的理论基础是上世纪 80 年代基本定型的
下面这段代码总是检测到XSS跨站脚本攻击漏洞找高手求解
是否有漏洞，取决于你输出的内容是否可信
比如echo $rows["Author"];
如$rows["Author"]里面是由用户输入且入库未过滤，那么直接输出时存在xss漏洞的。
如$rows["Author"]输入的值为〈script〉 alert( 1 )〈/script 〉
那么直接输出存在漏洞，
简单点修改 echo htmlentities($rows["Author"]),其他echo的类似
如果输出内容可信（过滤过，或来源可信安全）那么直接输出也不存在问题，程序检测的未必准确。
入库过滤了或者本身内容来源可靠不存在此漏洞。