Primeiro você carrega a lista de CVE's do arquivo lista.txt
:
# carregar lista de CVE
with open('lista.txt') as arq:
# remover as quebras de linha do final das linhas
cve_list = [ linha.rstrip() for linha in arq ]
Repare no uso de with
para garantir que o arquivo é fechado ao final.
Depois você percorre o XML e para cada CVE você verifica se ele já está na lista. Se não estiver, adiciona em uma lista de novos CVE's encontrados:
novos = [] # guardar os novos CVE's encontrados
import xml.etree.ElementTree as ET
tree = ET.parse('cve.xml')
root = tree.getroot() # root (ExploitPackList)
for canvas in root: # para cada CANVASExploitPack
exploits = canvas[0] # pega a tag Exploits
for exploit in exploits: # para cada Exploit
cve = exploit.attrib['cve']
if cve not in cve_list and cve not in novos:
print('Novo CVE encontrado:', cve)
novos.append(cve)
Aqui estou assumindo que a estrutura é exatamente a que está no arquivo:
<ExploitPackList>
<CANVASExploitPack date="Fri Jul 5 11:03:08 2013" name="White_Phosphorus">
<Exploits>
várias tags <Exploit> contendo o CVE...
</Exploits>
</CANVASExploitPack>
<CANVASExploitPack date="Fri Jul 5 11:03:08 2013" name="CANVAS">
<Exploits>
<Exploit cve="CVE-2019-5056" desc="Open-Realty <= 2.4.3 Remote Code Execution" name="openrealty_exec"/>
várias tags <Exploit> contendo o CVE...
Ou seja, dentro de <ExploitPackList>
pode ter vários <CANVASExploitPack>
, que por sua vez só tem um <Exploits>
, contendo várias tags <Exploit>
.
Também estou verificando se o CVE não está na lista obtida de lista.txt
e também não está na lista de novos CVE's encontrados (não sei se há repetição nesse arquivo, então pode ser que checar na lista de novos seja redundante).
Depois você pega a lista dos novos CVE's e adiciona no final do arquivo (ou imprime a mensagem que nenhum foi encontrado, caso a lista esteja vazia):
if novos: # se a lista de novos não está vazia: https://docs.python.org/3/library/stdtypes.html#truth-value-testing
with open('lista.txt', 'a') as arq: # opção "a" para adicionar conteúdo no final do arquivo
for cve in novos:
arq.write(f'\n{cve}')
else:
print('Sem CVE Novo')
Claro que você poderia verificar com if len(novos) > 0:
, mas como uma lista vazia é considerada False
, eu posso fazer simplesmente if novos
para saber se a lista novos
tem algum elemento.
Eu vi que o arquivo lista.txt
não termina com quebra de linha, por isso eu incluí o \n
antes do CVE. Assim o último CVE não terá a quebra de linha depois dele, e sucessivas execuções do programa manterão o arquivo com um CVE por linha.
Um detalhe é que no XML há vários CVE's que não começam com "CVE-". Se quiser validar também esse formato, pode usar uma regex:
import xml.etree.ElementTree as ET
import re
r = re.compile(r'^CVE-\d{4}-\d{4,7}$')
tree = ET.parse('cve.xml')
root = tree.getroot()
for canvas in root:
exploits = canvas[0]
for exploit in exploits:
cve = exploit.attrib['cve']
if r.match(cve) and cve not in cve_list and cve not in novos:
print('Novo CVE encontrado:', cve)
novos.append(cve)
No caso, os marcadores ^
e $
indicam respectivamente o início e fim da string, garantindo assim que ela só tem o que está indicado na regex.
O atalho \d
corresponde a dígitos e os quantificadores {4}
e {4,7}
indicam, respectivamente, "exatamente 4" e "no mínimo 4, no máximo 7".
Eu usaria regex somente para esta validação. Sei que muita gente deve pensar que também poderia usar para buscar os dados do XML, algo como:
r = re.compile(r'<Exploit cve="(CVE-\d{4}-\d{4,7})"')
with open('cve.xml') as arq:
for linha in arq:
m = r.search(linha)
if m: # se encontrou CVE no formato indicado
cve = m.group(1)
# verifica se está na lista, etc...
Para casos simples pode até funcionar, mas regex não é a ferramenta adequada para esta tarefa. Basta mudar um pouco o XML que já não funciona mais. Por exemplo, e se tiver um trecho comentado:
<!--
<Exploit cve="CVE-2020-2240" desc="IBM Lotus Domino Web Server Accept-Language HTTP Header Buffer Overflow Vulnerability" name="d2sec_lotus_domino_http"/>
<Exploit cve="CVE-2016-0915" desc="IBM Lotus Domino iCalendar Meeting Request Stack Overflow Vulnerability" name="d2sec_lotuscal2"/>
<Exploit cve="CVE-2019-4467" desc="Oracle JInitiator ActiveX Buffer Overflow" name="d2sec_jinitiator"/>
-->
O xml.etree.ElementTree
consegue detectar e ignorar corretamente as tags acima, mas a regex não. Isso porque o parser consegue analisar o contexto no qual cada tag está, mas a regex só avalia o trecho que indicamos (<Exploit cve="etc...
).
Até é possível fazer uma regex que verifique se o trecho está dentro de um comentário, mas será que vale a pena fazer algo assim, enquanto que usando o parser o código é o mesmo (além de ser bem mais simples)?
E esse é só um caso, pois tem várias outras situações que exigirão que você mude a regex, e ela vai se tornando cada vez mais complicada (veja alguns exemplos aqui e aqui - apesar desses links tratarem de HTML, as mesmas explicações valem para XML).
Regex é legal, eu gosto bastante, mas nem sempre é a melhor solução.