企业威胁情报平台建设之暗网监控

2019 年 6 月 26 日 FreeBuf

一、前言

相信大家对暗网这个概念并不陌生，众所周知，暗网藏着一个暗黑版的交易市场，各种违法工具比比皆是，俨然一个网络犯罪分子聚集的“虎狼之穴”。我们使用Tor浏览器等可以轻松访问暗网中的浅层网，主要是黄赌毒和数据情报信息，如丝绸之路等。

对于企业而言，往往不免被黑客攻击而被获取大量的数据，而这些数据一般会优先在暗网售卖，如近年来的12306、各大互联网公司等的数据泄露事件。为了及时响应突发的数据泄露事件，企业需要一款实时监控暗网数据泄露的威胁情报平台，用来监控敏感数据泄露、薅羊毛、业务安全风险等事件。

二、代理服务器搭建

由于国内网络环境的原因，为了顺利访问暗网，我们需要一台海外服务器，系统版本是ubuntu 18.04(当然其他系统也可以，只是本文会把这个版本的系统作为例子)，同时需要在这台服务器上安装Tor与Privoxy用作访问代理服务器。

本文的系统版本：

  
  
    
   
   
     
    
    
      
    
    
      
   
   
     
   
   
     root@536ef99cab94:/# cat /etc/issue.netUbuntu 18.04.2 LTS

2.1 整体架构

从图上可以看到，Privoxy作为一个中转代理，主要是把http协议转socks5协议，而Tor则负责把socks5转Tor协议。所以整个代理访问过程为：

1.用户输入后缀为onion的地址，由Privoxy暴露的8118端口访问http协议；

2.Privoxy把http协议转发给Tor，Tor获取该网站公钥进行加密，通过Tor通信链路发送信息给Tor节点，由该节点转发请求到.onion网站。

2.2 安装Tor

可能很多人一开始会直接执行这条命令：sudo apt-get install tor，从这个命令安装的Tor是v2版本的，不支持较新的加密算法，所以导致访问不到某些使用最新加密算法的暗网网址。

Tor v2到Tor v3的转变主要表现为如下几点：

1.签名算法从SHA1/DH/RSA1024升级到SHA3/ed25519/curve25519；

2.改进的Tor directory protocol，安全性更高；

3.更好的洋葱地址，换成sha3，可以提高枚举生成一样地址的难度；

4.可拓展的交换协议。

参考官网的安装方法，安装最新版（v3版本）的Tor步骤如下：

1.在/etc/apt/sources.list添加如下源：

  
  
    
   
   
     
    
    
      
    
    
      
   
   
     
   
   
     deb https://deb.torproject.org/torproject.org bionic maindeb-src https://deb.torproject.org/torproject.org bionic main

2.添加gpg密钥，执行如下命令：

curl https://deb.torproject.org/torproject.org/A3C4F0F979CAA22CDBA8F512EE8CBC9E886DDD89.asc | gpg --importgpg --export A3C4F0F979CAA22CDBA8F512EE8CBC9E886DDD89 | apt-key add -

3.安装Tor：

  
  
    
   
   
     
    
    
      
    
    
      
   
   
     
   
   
     apt updateapt install tor deb.torproject.org-keyring

4.查看安装好Tor的版本，可知本文安装的Tor版本为0.3.5.8：

  
  
    
   
   
     
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
   
   
     
   
   
     root@536ef99cab94:/# tor -vJun 18 14:30:43.530 [notice] Tor 0.3.5.8 running on Linux with Libevent 2.1.8-stable, OpenSSL 1.1.1, Zlib 1.2.11, Liblzma 5.2.2, and Libzstd 1.3.3.Jun 18 14:30:43.531 [notice] Tor can't help you if you use it wrong! Learn how to be safe at https://www.torproject.org/download/download#warningJun 18 14:30:43.531 [warn] Command-line option '-v' with no value. Failing.Jun 18 14:30:43.531 [err] Reading config failed--see warnings above.

2.3 配置Tor

Tor配置文件位于/etc/tor/torrc与/etc/tor/torsocks.conf：

/etc/tor/torsocks.conf定义了让socks协议转Tor协议的端口与地址；

/etc/tor/torrc是Tor的用户配置，在这个文件里我们修改http代理（polipo、privoxy）、即时通信（pidgin、lrssi）、TorDNS等。

为了支持Torv3版本，需要在/etc/tor/torrc文件中加上：

  
  
    
   
   
     
    
    
      
    
    
      
    
    
      
   
   
     
   
   
     HiddenServiceDir /var/lib/tor/other_hidden_service/HiddenServicePort 80 127.0.0.1:80HiddenServiceVersion 3

修改完成后，在命令行输入service tor start或tor即可启动Tor。

2.4 安装与配置Privoxy

这里暂时没有什么版本要求，所以可以直接执行apt-get install privoxy。

安装好后，为了让Privoxy把http协议转发到Tor，需要编辑/etc/privoxy/config加上：

  
  
    
   
   
     
    
    
      
    
    
      
   
   
     
   
   
     forward-socks5 / 127.0.0.1:9050 listen-address 0.0.0.0:8118

修改后，重启服务service privoxy restart。

2.5 验证代理器是否可用

Tor浏览器虽然可以使用meek-azure来访问暗网网站，但是访问速度较慢。为了验证我们搭好的代理服务器是否可用，我们可以修改Tor浏览器的网络设置（假设我们的代理服务器ip为：11.11.11.11）：

设置完成后访问一个暗网网站，如果能访问成功的话即说明我们的代理服务器可用，同时访问速度也比meek-azure快得多。

当然，我们也可以更快捷地输入下面的命令进行测试：

  
  
    
   
   
     
    
    
      
    
    
      
    
    
      
    
    
      
   
   
     
   
   
     ➜  ~ curl -x 11.11.11.11:8118 https://httpbin.org/ip{  "origin": "178.175.132.225, 178.175.132.225"}

可以查询到178.175.132.225的所在地为国外的摩尔多瓦，为Tor节点的出口地址。

三、开发实时监控程序

在上一章节我们搭好了代理服务器，相当于拥有了访问暗网的钥匙，虽然可以用Tor浏览器+代理更快访问暗网网址，但是人工并不能做到24小时监控而及时发现数据泄露事件，因此我们需要开发一个爬虫程序实时监控暗网网站。

3.1 暗网网站的特点

暗网网站不同于表层网网站，没有太多花里胡哨的动态js与强大的反爬策略，因此对暗网网站爬虫也相对简单。在总结了几个常见的暗网网站后，发现暗网网站的反爬策略一般是如下几种情况：

1.Referer；

2.针对Cookie的请求频率限制；

3.User-Agent；

4.验证码；

5.对网站代码进行更新，修改html标签名字或位置。

3.2 暗网网站的反反爬虫

针对3.1的反爬虫策略我们可以设法绕过，由于本文的主旨并不在探究反爬虫策略，故简单地说下绕过方法：

1.指定请求头的referer为访问暗网网站的域名；

2.建立多账号Cookie池，同时使用Redis对url去重实现增量爬取减少请求量；

3.指定User-Agent为FireFox浏览器：{‘User-Agent’: ‘Mozilla/5.0 (Windows NT 6.1; rv:60.0) Gecko/20100101 Firefox/60.0’}；

4.暗网网站的验证码一般比较简单，可以简单使用ocr技术识别，如tesseract；

5.需要及时更新爬虫代码，有针对地修改反反爬虫代码。

3.3 暗网监控的爬虫架构

Scrapy是用Python实现的一个为了爬取网站数据、提取结构性数据而编写的应用框架。Scrapy常应用在包括数据挖掘，信息处理或存储历史数据等一系列的程序中。通常我们可以很简单的通过Scrapy框架实现一个爬虫，抓取指定网站的内容。

本文在Scrapy基础上结合3.2小节的反爬虫绕过方法实现了一个实时监控程序，其架构如下：

3.4 监控程序的具体实现

本文的监控程序是同时监控几个常见的暗网网站，由于篇幅有限，故只拿某暗网网站作为例子。

Scrapy代理设置：

  
  
    
   
   
     
    
    
      
    
    
      
    
    
      
    
    
      
   
   
     
   
   
     class DarkwebSpiderDownloaderMiddleware(object):
    def process_request(self, request, spider):        request.meta['proxy'] = 'http://11.11.11.11:8118'

多账号登录核心代码：

  
  
    
   
   
     
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
   
   
     
   
   
     for accounts in Accounts:    count = 0    try:        logging.info('Account %s is logining ......' % accounts)        cookie, sid = get_CookieSid(accounts, 'Testtest')        __i__ = {'cookie': cookie, 'sid': sid}        # print(__i__)        logging.info('Account %s finish login !' % accounts)        __value__.append(__i__)    except Exception as e:        logging.error('[*] 超时，忽略一个账户!')        count += 1        if(count > 7):            logging.error('[*] 用户登录个数过少~')            return        continue

去重组件，主要用来减少请求量：

class DuplicateRequestMiddleware(object):
    #初始化redis    def __init__(self):        self.RedisQuery = RedisOpera('query')
    #根据redis去重url    def process_request(self, request, spider):        spider.logger.info('duplicating >>>>>> %s' % request.url)        u = request.url        import hashlib        if 'vpic' in request.url:            b = u.index('=') + 1            MD5 = hashlib.md5()            MD5.update(bytes(str(b), 'utf-8'))            if self.RedisQuery.query(MD5.hexdigest()):                spider.logger.info('duplicate >>>>>> %s' % request.url)                raise IgnoreRequest("IgnoreRequest : %s" % request.url)        else:            spider.logger.info('ignore duplicate >>>>>> %s' % request.url)            return None

指定请求头的referer及User-Agent：

  
  
    
   
   
     
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
   
   
     
   
   
     LOGIN_HEADERS = {    'Host': '%s' %load()['domain'].split(',')[index],    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',    'Accept-Encoding': 'gzip, deflate',    'Referer': 'http://%s/index.php' %load()['domain'].split(',')[index],    'Content-Type': 'application/x-www-form-urlencoded',    'Connection': 'keep-alive',    'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; rv:60.0) Gecko/20100101 Firefox/60.0'}

解析网页，主要是取出内容存入数据库：

  
  
    
   
   
     
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
   
   
     
   
   
     def parse(self, response):    item = DarkwebSpiderItem()    soup = BeautifulSoup(response.text, 'lxml')    # 交易价格    table = soup.find_all(name = 'table', attrs = {'class':'v_table_1'})    tr_list = table[0].find_all('tr')    td_list_price = tr_list[4].find_all('td')    price_list = re.findall(r'\d+\.?\d*', td_list_price[3].get_text())    price = price_list[0]    # 成交数量    td_list_volume = tr_list[6].find_all('td')    volume_list = re.findall(r'\d+', td_list_volume[3].get_text())    volume = volume_list[0]    # 帖子内容    content_list = soup.find_all(name='div', attrs={'class': 'content'})    if len(content_list):        content = content_list[0].get_text()    else:        content = ''    # 图片url    img_list = soup.find_all(name = 'img', attrs = {'class':'postimage'})    item['image_urls'] = []    if len(img_list) > 0 :        url_list = []        for img_url in img_list:            if img_url['src'].find(self.image_domain) > 0:                download_url = img_url['src']            else:                download_url = self.target_url + img_url['src'].replace('./', '')            url_list.append(download_url)        item['image_urls'] = url_list    # 发布时间    p_author = soup.find_all('p', attrs={'class': 'author'})    origin_publish_time = p_author[0].contents[4].strip()    if len(origin_publish_time):        # origin_publish_time = pt_str        ptr_list = [x for x in filter(str.isdigit, str(origin_publish_time))]        pt_str = "".join(ptr_list)        y = pt_str[:4]        d = pt_str[-6:-4]        h = pt_str[-4:-2]        min = pt_str[-2:]        if len(pt_str) == 12:            m = pt_str[4:6]        else:            m = '0' + pt_str[4]        publish_time = y + '-' + m + '-' + d + " " + h + ":" + min + ":00"    else:        publish_time = ''    dt = datetime.datetime.strptime(publish_time, "%Y-%m-%d %H:%M:%S")    publish_time = dt.astimezone(pytz.timezone('UTC')).strftime('%Y-%m-%d %H:%M:%S')
    b = response.meta['content_url'].index('=') + 1    item['title_id'] = (response.meta['content_url'])[b:]    item['title'] = response.meta['title']    item['url'] = response.meta['content_url']    item['content'] = content    item['price'] = price    item['volume'] = volume    item['visits'] = response.meta['visits']    item['publish_time'] = publish_time    yield item

当发现监控的关键字新增记录时，通过邮件通知：

  
  
    
   
   
     
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
    
    
      
   
   
     
   
   
     def send_html_email(title, html, content, mailto, cc=None):html_content = render_to_string(html, content)send_mail = settings.EMAIL_TO.split(',') if mailto == '' else settings.EMAIL_TO
msg = EmailMultiAlternatives(title, html_content,                             settings.EMAIL_LUCKY_NAME +    '<' + settings.EMAIL_HOST_USER + '>', send_mail, cc=cc)msg.attach_alternative(html_content, "text/html")msg.send()