移动端爬虫工具与方法介绍

本文来自网易云社区

作者:王涛

 

本文主要介绍了移动端爬虫的工具与方法,作为一个入门的大纲。没有详细介绍的也给出了本人学习过程中借鉴的资料的链接,适合对移动端爬虫感兴趣的同学入门。

 

一、抓包模拟

基本原理(中间人攻击)

中间人攻击:在中间人攻击中,攻击主机通常截断客户端和服务器的加密通信。攻击机以自己的证书替代服务器发给客户端的证书。通常,客户端不会验证该证书,直接接受该证书,从而建立起和攻击机的安全连接。这样,客户端发送的数据,都会被攻击机获取和解密。

工具介绍

 Fiddlercharlesanyproxy
手机安装证书 需要 需要 需要
支持抓取 http/websocket/https(单向认证) http/websocket/https(单向认证) http/websocket/https(单向认证)
支持平台 win/mac/linux(受限) win/mac/linux win/mac/linux
脚本开发 Jscript.net 未知 js

具体的报文走向如下

image

手机上的配置方法(以Fiddler为例,其它类似)

  1. 准备工作:手机与PC在同一个局域网内(可以连同一个WIFI,或者电脑插入移动WIFI)

  2. 配置步骤见下:

imageimageimageimageimage

参考链接: https://blog.csdn.net/gld824125233/article/details/52588275

==特别说明,抓不到报文可能的情况==

1、单向双向 https

https的抓包原理是基于中间人攻击的方式,但是这种方式只适用于单向认证的方式,也就是只是客户端去检验服务端的证书。而双向认证的Https,服务端还会校验客户端的证书。https握手过程如下:
imageimage

如何检测是双向认证还是单向认证,可以通过wireshark抓包看双方的协商过程,证书的交换是否是双向的。

解决办法:暂时没有好的办法解决这个抓包的问题

2、ssl pinning

ssl pinning:证书锁定Certificate Pinning是SSL/TLS加密的额外保证手段。它会将服务器的证书公钥预先保存在客户端。在建立安全连接的过程中,客户端会将预置的公钥和接受的证书做比较。如果一致,就建立连接,否则就拒绝连接。Certificate Pinning在手机软件中应用较多。因为这些应用连接的服务器相对固定,可以预先将服务器的X509证书或者公钥保存在App中。例如,苹果应用商店Apple App Store就预置了这个功能。当使用中间人工具或者Fiddler之类的工具拦截数据,就会造成应用商店无法联网的情况。

解决办法:手机安装xposed和Justtrustme 插件(https://github.com/Fuzion24/JustTrustMe)

抓取实现

抓到报文后,就可以模拟请求了。请求发送的几种方式:

  • 抓包工具里面提供了发送功能,Fiddler中的Composer 标签里提供了此功能。

  • Chrome的Postman扩展程序也可以用来发送报文。

  • Python中的requests包也可以方便地实现

缺陷

  1. 如何构造更多的请求?(常见的分页请求、更换查询参数等)

  2. 如果抓不到包怎么办?(如果通信走socket怎么办?)

  3. http参数中包含加密、签名字段,如何找到参数的生成方法?

 

二、模拟点击

基本原理(基于UIautomator)

通过程序模拟人的行为对APP的界面进行点击、滑动等操作,同时可以获取APP的Activity页面上的大部分控件上的文本信息(有一些可能获取不到,Uiautomator本身就获取不到)

image

Appium官网介绍:
https://appium.io/docs/cn/about-appium/intro/,
https://github.com/appium/appium

Macaca:  https://macacajs.com/

工具介绍

 AppiumMacaca
支持平台 需要 需要
脚本语言 PC/ios/android/hybrid(h5、native混合) PC/ios/android/hybrid
备注 支持Android所有版本 Android支持API>17
底层框架 UIAutoation(IOS)/UIAUtomator+Selendroid(Android) XCUITest(IOS)/UIAUTOMATOR(Android)
稳定性 一般 更好
开源 JS基金项目,社区活跃 阿里开源,未来未知

==特别说明==

抓取实现

  1. 程序基本架构
    imageimage

  2. 框架API说明
    以Appium为例,Appium 支持的API 介绍如下:

  • 定位支持

    • 通过accessibility id查找元素

    • 通过元素id

    • 通过元素文本内容

    • 通过元素可见链接文本定位

    • 通过元素标签名称定位元素

    • 通过元素class name属性定位元素

    • 支持单个、批量获取

  • 操作支持

    • 从某个元素滑动到另一个元素

    • 把某元素拖到目标元素

    • 模拟手指点击(最多五个手指),可设置按住时间长度(毫秒)

    • 从A点滑动到B点,滑动时间可配

    • 快速滑动

    • 模拟双指捏(缩小操作)

    • 在元素上执行放大操作

    • 单击

    • 还能摇一摇(IOS支持)

    • 执行JS脚本

    • 获取H5页面的page source

    • 输入框输入(回车的支持,建议选用sogou输入法,keycode: 66 ,==这样不需要去定位键盘上回车的输入==)

  • 控制APP

    • 安装、删除、运行、关闭APP

    • 指定运行某APP的某activity

  • 获取控件信息

    • 文本

    • 元素tag名称

    • 内容描述(content-desc)

样例代码(python)

如果使用过selenium做爬虫或测试,对这个接口应该很熟悉。

from appium import webdriver

desired_caps = {}
desired_caps['platformName'] = 'Android'desired_caps['platformVersion'] = '6.0'desired_caps['deviceName'] = '192.168.174.101:5555'desired_caps['appPackage'] = 'com.android.calculator2'desired_caps['appActivity'] = '.Calculator'driver = webdriver.Remote('http://localhost:4723/wd/hub', desired_caps)
driver.find_element_by_id("digit_1").click()
driver.find_element_by_id("op_add").click()
driver.find_element_by_id("digit_2").click()
driver.find_element_by_id("eq").click()
driver.quit()

缺陷

  1. 获取效率低

    • 定位元素需要时间

    • 为了保证稳定,需要在额外地增加等待时间

  2. 获取的数据有限

    • 只能获取到界面上可视控件的信息

    • H5页面信息,(需要切换driver到H5)

  3. Appium的不稳定,出现异常时有可能进程卡死,需要重新启动

 

三、APK逆向

基本原理

方法一、二 对于没有android逆向经验的朋友是不错的选择,开发起来也比较简单,能满足一些对于应用数据的需求。但是如果想要更高效地获取更多的数据,就需要研究APP的代码。通过向APK中注入自己的代码,修改APP本身原来的逻辑,比如修改函数执行内容、增加新的逻辑等等来来实现自己的目标。一般的操作步骤如下:

  1. 逆向APK

  2. 分析smali代码

  3. 通过hook框架向APK中注入代码,修改逻辑

需要的基础
  • smali语法

  • APK反编译

  • 静态、动态调试

  • 常用HOOK框架

  • 反调试、反HOOK应对策略

下面知识可以快速入门smali语法,最基本的数据类型,函数定义关键字,寄存器作用说明

关键字

field private isFlag:z --- 定义变量.method --- 方法.parameter --- 方法参数.prologue --- 方法开始.line 12 --- 此方法位于第12行invoke-super --- 调用父函数const/high16 v0, 0x7fo3 --- 把0x7fo3赋值给v0invoke-direct --- 调用函数return-void --- 函数返回void.end method --- 函数结束new-instance --- 创建实例iput-object --- 对象赋值iget-object --- 调用对象invoke-static --- 调用静态函数

数据类型

B --- byteC --- charD --- double (64 bits)F --- floatI --- intJ --- long (64 bits)S --- shortV --- void 只能用于返回值类型Z --- BooleanLxxx/yyy/zzz; --- 类
 [XXX --- 数组

寄存器类型

寄存器采用v和p来命名,
v表示本地寄存器,p表示参数寄存器,
共16个寄存器,v0~v15,  关系如下
v0第一个本地寄存器
v1第二个本地寄存器v2 p0(this)v3 p1第一个参数
v4 p2第二个参数
v5 p3第三个参数


当然,如果是静态方法的话就只有5个寄存器了,不需要存this了。
.registers使用这个指令指定方法中寄存器的总数
.locals使用这个指定表明方法中非参寄存器的总数,放在方法的第一行

网址参考
https://bbs.pediy.com/thread-151769.htm

工具介绍

1. 反编译工具

APKToolbox 工具

imageimage

AndroidKiller(smali 代码IDE)

imageimage

常见问题及解决办法

  • 有一些包无法使用Apktool进行反编译,常用解决办法:

 需要先下载smali.jar,baksmali.jar signapk.jar,
 先把APK包解压缩,然后直接使用 smali.jar  baksmali.jar 来进行解压缩1:将dex 输出为 smali文件
java -jar baksmali-2.0.3.jar classes.dex   # 把dex 文件反编译2:将修改的smali 文件 重新打包成dex 文件# 把 out 文件夹下的smali文件重新打包成classes.dex文件java -jar smali-2.0.3.jar out #给APK包签名java -jar signapk.jar testkey.x509.pem testkey.pk8 update.apk update_signed.apk
2. 脱壳工具

一些对安全性要求高的APP会采用加固工具为自己的APK加壳,表象就是你能反编译代码,反编译出来的smali代码很简单,只能看到壳的主程序代码,并没有真实的业务逻辑代码。 可以借助apktoolbox来进行检测是什么壳,而去寻找对应的脱壳工具。(由于加固这个比较专业,这里只推荐几款比较出名的脱壳工具,细的就讲不了了)

3. 常用Hook 框架
 xposedCydia SubstrateFrida
支持的系统 android android/IOS win/mac/linux/IOS/Android
版本要求 android<=8.0 android(<=4.4)/ios(<=9.1) android<=8.1
开发语言 Java Java Python+Js
是否Root 需要 需要 需要
运行 安装后重启 安装模块后需要软重启 基于脚本交互
Java/Native Java层 Java/Native Java/Native

Xposed:
API介绍:https://api.xposed.info/reference/packages.html
开发者论坛:(https://forum.xda-developers.com/xposed)

Cydia Substrate:
官网:http://www.cydiasubstrate.com/
文档:http://www.cydiasubstrate.com/id/264d6581-a762-4343-9605-729ef12ff0af/

Frida:
官网:https://www.frida.re/

4. 动态调试smali代码

需要安装smaliidea,具体教程
http://blog.csdn.net/linchaolong/article/details/51146492

5. 动态调试so

使用IDA工具包,具体教程:
http://blog.csdn.net/jiangwei0910410003/article/details/51500328

==特殊说明==

随着开发者对于数据安全性的重视,一般的APK都会有各种保护策略,包括代码混淆、加壳,反调试,hook检查等等策略。我们非专业安全研究人员,只能见招拆招,只要能实现我们的目的就可以了,面对一些常规的策略有以下几种应对措施。

反调试
  • 调用ptrace(PTRACE_TRACEME,0,0,0) (原理一个进程只能被一个进程Ptrace)

  • 检测TracerPid的值

  • 检测代码的执行间隔时间

  • 检测手机的硬件信息是否在调试器中

  • 检测android_server的端口号

  • 检测android_server 名称

  • 检测在调试状态下的软件断点

  • 通过使用Inotify对文件进行监控

  • 检测进程列表中是否存在常见的Hook/调试的进程名称

反hook
  • 检测已经安装的应用里是否包含xposed/Cydia Substrate

    • hook PackageManager的getInstalledApplications,把Xposed或者Substrate的包名去掉

  • 关键函数检查调用栈里的可疑方法

    • hook Exception的getStackTrace,把自己的方法去掉

  • 检测并不应该Native的native方法

    • hook getModifiers,把flag改成看起来不是native

  • 通过/proc/[pid]/maps检测可疑的共享对象或者JAR

    • hook 打开的文件的操作,返回/dev/null或者修改的map文件

抓取实现

  • 基于框架,开发hook代码

缺陷

  • hook的方式对APK的代码有侵入,需要对APK中的各种反调试、反hook检测手段做规避

  • 如果遇到加壳的,分析时间会很长。如果无法脱壳,那么将无法实现抓取

 

四、开发工具

  • Requests库

  • 开源框架包括

    • Pyspider

    • Scrapy

    • Tornado协和实现并发访问

 

五、参考

 

网易云免费体验馆,0成本体验20+款云产品!

 

更多网易研发、产品、运营经验分享请访问网易云社区

 

相关文章:
【推荐】 大数据在政府中的应用案例

posted @ 2018-09-20 15:12  网易数帆  阅读(7091)  评论(1编辑  收藏  举报