Web指纹识别目的Discuz识别+粗糙的版本演绎
这个识别程序是本学期在我的职业培训项目。它是做一类似至Zoomeye怪东西，然后使用ES集成，为了让搜索引擎寻找。因此，我们必须首先去网上识别相应的能力Web包裹，如果用户输入的关键词：Discuz X3.0。我就要显示出对应版本号的内容才OK。
作为识别子程序，我这里暂且分享一下识别Web组件的思路。
我是从浅谈web指纹识别技术一文中找到的思路。
对于Discuz的站点。第一时间想的就是识别footer了。可是问题在于。做的好的一些站点往往会将“Powered By”字样改动，所以为了配合footer字样进行识别，我使用了robots.txt和比較隐蔽的meta标签来进行共同识别。
而粗略的版本号信息，则是从robots.txt中获取的。
指纹所有放在一起进行管理，方便日后进行指纹的加入：
discuz_feature.py:
这个文件里仅仅有一个字典用来存放对应的指纹信息，我不可能做得非常细（时间不同意啊），所以仅仅有footer信息、robots信息、meta信息三个类型的指纹。
在主程序中直接load这个指纹库就可以，以下就是识别主程序的代码，程序输入为以回车换行切割的域名列表。输出为结果文件，代码例如以下：
#coding=utf-8
import requests
from bs4 import BeautifulSoup
import re
from discuz_feature import matches
'''
Discuz 指纹识别
1.meta数据元识别
2.intext识别
3.robots.txt识别
'''
class DiscuzDetector():
'''构造方法'''
def __init__(self,url):
if url.startswith("http://"):
self.url = url
else:
self.url = "http://%s" % url
try:
self.r = requests.get(self.url,timeout=8)
self.page_content = self.r.content
except Exception, e:
print e
self.r = None
self.page_content = None
'''识别meta标签'''
def meta_detect(self):
if not self.r:
return False
pattern = re.compile(r'<meta name=".*?" content="(.+)" />')
infos = pattern.findall(self.page_content)
conditions = matches['meta'][0] or matches['meta'][1]
if infos:
for x in infos:
if x.count(conditions) != 0:
return True
break
else:
return False
'''discuz 版本号识别'''
def robots_dz_xx_detect(self):
if not self.r:
return (False,None)
robots_url = "%s%s" % (self.url,"/robots.txt")
robots_content = requests.get(robots_url).content
if not robots_content:
return (False,None)
robots_feature_xx = matches['robots_for_xx']
robots_feature_Xx = matches['robots_for_Xx']
robots_list = robots_content.split("\r\n")
pattern = re.compile(r'# robots\.txt for (.+)')
version_info = []
for x in robots_list:
#假设robots.txt中含有# robots.txt for Discuz! X3 行 则直接推断版本号
version_info = pattern.findall(x)
if version_info != [] and robots_content.count("Version" and "Discuz!"):
if robots_content.count("Version" and "Discuz!"):
pattern = re.compile(r'# Version (.+)')
version_number = pattern.findall(str(robots_content))
if version_number:
version_info.append(version_number)
return (True,version_info)
else:
#若版本号信息被删除则识别出版本号
is_xx = (x in robots_feature_xx)
is_Xx = (x in robots_feature_Xx)
if is_Xx or is_xx:
#推断为discuz
#推断版本号
if is_Xx == True:
version_info = 'Discuz Xx'
return (True,version_info)
else:
version_info = 'Discuz xx'
return (True,version_info)
#不是discuz
return (False,None)
'''检測网页中的discuz字样'''
def detect_intext(self):
if not self.r:
return False
text_feature = matches['intext'][0] or matches['intext'][1]
if self.page_content.count(text_feature) != 0:
return True
else:
return False
'''判别方法'''
def get_result(self):
if not self.r:
return (False,'Not Discuz!')
is_meta = self.meta_detect()
res = self.robots_dz_xx_detect()
is_dz_robots = res[0]
version_info = res[1]
print version_info
is_intext = self.detect_intext()
if is_meta or is_dz_robots or is_intext:
#print 'Find Discuz!'
if version_info:
# return (True,'Find! Version:%s' % (version_info[0]))
return (True,'%s' % (version_info[0]))
else:
return (True,'Version:Unknown')
else:
return (False,'Not Discuz!')
if __name__ == '__main__':
'''读文件识别'''
f = open('discuz.txt','r')
wf = open('results.txt','a')
file_content = f.read()
dz_url_list = file_content.split('\n')
for url in dz_url_list:
print url
detector = DiscuzDetector(url)
ret = detector.get_result()
print ret
if ret[0]:
wf.write("%s\t%s\n" % (url,ret[1]))
else:
continue
wf.close()
f.close()
里面的discuz.txt就是须要识别的域名列表文件，输出为results.txt。程序运行例如以下：
看来X3.x的版本号用的挺多。
在某些情况下。须要做批量利用，对这个脚本稍加改动就能够帮助识别出域名数据库中的Discuz的网站。
你须要做的仅仅是把漏洞攻击代码作为兴许模块进行攻击就可以。
当然，关于批量利用，使用web指纹识别这样的方法尽管准确性高，可是比較费时间，不适合大规模的扫描，这样的情况下。一般都是Fuzzing跑字典去做。
使用Elasticsearch整合的效果例如以下：
假设希望做的有模有样的话。那么就要加入后面的监控与漏洞攻击模块了。使用RESTful接口做出API是最好的、最灵活的选择，以后会逐渐完好，争取做出zoomeye的雏形：-）
另外，转载请注明出处啊大哥们！
！
版权声明：本文博主原创文章。博客，未经同意不得转载。
浙公网安备 33010602011771号