Cendertron，动态爬虫与敏感信息泄露检测
Cendertron = Crawler + Rendertron
Cendertron https://url.wx-coder.cn/HinPM 是基于 Puppeteer 的 Web 2.0 动态爬虫与敏感信息泄露检测工具。其依托于 xe-crawler 的通用爬虫、调度与缓存模型，新增了 Monkey Test 以及 Request Intercept 等特性，以期尽可能多地挖掘页面与请求。同时针对渗透测试的场景，Cendertron 内置了目录扫描、敏感文件扫描的能力，能够模拟用户实际在浏览器登录状态下的自定义字典爆破。Cendertron 在大量实践的基础上设置了自身的去重策略，能够尽可能地避免重复爬取，加快扫描速度。Cendertron 同时也是正在闭源开发的 Chaos-Scanner 模块化安全扫描解决方案的一部分，为基础扫描与智能扫描提供前置输入。
Usage | 使用
Locally Development | 本地开发
在本地开发中，我们只需要如正常的 Node 项目一样启动，其会使用 Puppeteer 内置的 Headless Chrome 来执行界面渲染操作：
$ git clone https://github.com/wx-chevalier/Chaos-Scanner
$ cd cendertron
$ yarn install
$ npm run dev启动之后可以按提示打开浏览器界面：
这里我们可以以 DVWA 作为测试目标，在输入框内输入 http://localhost:8082/ 然后执行爬取，即可得到如下结果：
{
"isFinished": true,
"metrics": {
"executionDuration": 116177,
"spiderCount": 51,
"depth": 4
},
"spiderMap": {
"http://localhost:8082/vulnerabilities/csrf/": [
{
"url": "http://localhost:8082/vulnerabilities/view_source.php?id=csrf&security=low",
"parsedUrl": {
"host": "localhost:8082",
"pathname": "/vulnerabilities/view_source.php",
"query": {
"id": "csrf",
"security": "low"
}
},
"hash": "localhost:8082#/vulnerabilities/view_source.php#idsecurity",
"resourceType": "document"
}
// ...
]
}
}需要说明的是，因为 DVWA 是需要登录后爬取，因此如果想进行完整的测试请参考下文的 POST 方式创建任务。
Deploy in Docker | 部署在 Docker 中
# build image
$ docker build -t cendertron .
# run as contaner
$ docker run -it --rm -p 3033:3000 --name cendertron-instance cendertron
# run as container, fix with Jessie Frazelle seccomp profile for Chrome.
$ wget https://raw.githubusercontent.com/jfrazelle/dotfiles/master/etc/docker/seccomp/chrome.json -O ~/chrome.json
$ docker run -it -p 3033:3000 --security-opt seccomp=$HOME/chrome.json --name cendertron-instance cendertron
# or
$ docker run -it -p 3033:3000 --cap-add=SYS_ADMIN --name cendertron-instance cendertron
# use network and mapping logs
$ docker run -d -p 3033:3000 --cap-add=SYS_ADMIN --name cendertron-instance --network wsat-network cendertronDeploy as FC | 以函数式计算方式部署
Install cendertron from NPM:
# set not downloading chromium
$ PUPPETEER_SKIP_CHROMIUM_DOWNLOAD=true
$ yarn add cendertron
# or
$ npm install cendertron -SImport Crawler and use in your code:
const crawler = new Crawler(browser, {
onFinish: () => {
callback(crawler.spidersRequestMap);
}
});
let pageUrl =
evtStr.length !== 0 && evtStr.indexOf('{') !== 0
? evtStr
: 'https://www.aliyun.com';
crawler.start(pageUrl);If you want to use it in Alibaba Function Computing Service, cendertron-fc provides simple template.
Strategy | 策略
Cendertron 的内部架构如下所示：
Crawler Scheduler 会负责定期重启 Headless Chrome 以控制缓存，并且针对待爬取的请求返回已缓存的内容。Crawler Scheduler 会为每个无缓存的目标创建 Crawler，Crawler 会根据策略创建不同的 Spider，每个 Spider 依次执行并且将结果推送到 Crawler 中；Crawler 在全部 Spider 执行完毕后会将结果推送到缓存并且通知 Crawler Scheduler：
export interface CrawlerOption {
// 爬取深度，如果设置为 1 就是单页面爬虫
depth: number;
// 爬虫的唯一编号
uuid?: string;
// 爬虫缓存
crawlerCache?: CrawlerCache;
// 单页面爬取出的最多的子节点数
maxPageCount: number;
// 总站点的总延时
timeout: number;
// 单页面的延时
pageTimeout: number;
// 是否仅爬取同站内容
isSameOrigin: boolean;
// 是否忽略媒体资源
isIgnoreAssets: boolean;
// 是否设置为移动模式
isMobile: boolean;
// 是否开启缓存
useCache: boolean;
// 是否使用弱口令扫描
useWeakfile: boolean;
// 页面 Cookie
cookie: string;
// 页面的 localStorage
localStorage: object;
}模拟操作
Cendertron 内置了 Click Monkey, Gremlins 等多种随机执行器，会点击按钮并且执行一些随机操作：
function initGermlins() {
gremlins
.createHorde()
.gremlin(gremlins.species.formFiller())
.gremlin(gremlins.species.clicker().clickTypes(['click']))
.gremlin(gremlins.species.toucher())
.gremlin(gremlins.species.scroller())
.gremlin(function() {
if ('$' in window) {
window.$ = function() {};
}
})
.unleash();
}请求监听与提取
Cendertron 会监听打开的页面与所有的 Ajax 请求：
await page.setRequestInterception(true);
// 设置目标监听
const targetCreatedListener = (target: puppeteer.Target) => {
const opener = target.opener();
if (!opener) {
return;
}
// 记录所有新打开的界面
opener.page().then(_page => {
if (_page === page) {
target.page().then(_p => {
if (!_p.isClosed()) {
openedUrls.push(target.url());
_p.close();
}
});
}
});
};
// 监听所有当前打开的页面
browser.on('targetcreated', targetCreatedListener);
page.on('request', interceptedRequest => {
// 屏蔽所有的图片
if (isMedia(interceptedRequest.url())) {
interceptedRequest.abort();
} else if (
interceptedRequest.isNavigationRequest() &&
interceptedRequest.redirectChain().length !== 0
) {
interceptedRequest.continue();
} else {
interceptedRequest.continue();
}
requests.push(transformInterceptedRequestToRequest(interceptedRequest));
// 每次调用时候都会回调函数
cb(requests, openedUrls, [targetCreatedListener]);
});URL 归一化与过滤
所谓的 URL 归一化，就是将同一资源下被随机串处理的 Path 们泛化成同一个 Pattern，从而减少重复爬取的数目；当然，在安全扫描的场景下我们需要进行尽可能地去重，而在数据爬取的场景下，则往往不需要进行过多的过滤。目前 Cendertron 只是采取了简单的 UTL 归一化算法，并且使用 Set 进行过滤，如果你想了解更复杂的 URL 归一化与聚类算法，可以参考自然语言处理 https://url.wx-coder.cn/JcINy 或者哈希表实战 https://url.wx-coder.cn/WfdWP 中的关联章节。
export function hashUrl(url: string): string {
// 将 URL 进行格式化提取
const _parsedUrl = parse(url, url, true);
let urlHash = '';
if (!_parsedUrl) {
return urlHash;
}
// 提取出 URL 中的各个部分
const { host, pathname, query, hash } = _parsedUrl;
// 判断是否存在查询参数
const queryKeys = Object.keys(query).sort((k1, k2) => (k1 > k2 ? 1 : -1));
if (queryKeys.length > 0) {
// 如果存在查询参数，则默认全路径加查询参数进行解析
urlHash = `${host}#${pathname}#${queryKeys.join('')}`;
} else {
// 如果不存在查询参数，则去除 pathname 的最后一位，并且添加进来
const pathFragments = pathname.split('/');
// 判断路径是否包含多个项目，如果包含，则将所有疑似 UUID 的替换为 ID
if (pathFragments.length > 1) {
urlHash = `${host}#${pathFragments
.filter(frag => frag.length > 0)
.map(frag => (maybeUUID(frag) ? 'id' : frag))
.join('')}`;
} else {
urlHash = `${host}#${pathname}`;
}
}
if (hash) {
const hashQueryString = hash.replace('#', '');
const queryObj = parseQuery(hashQueryString);
Object.keys(queryObj).forEach(n => {
if (n) {
urlHash += n;
}
});
}
return urlHash;
}权限认证
以 DVWA 为例，可以用 Docker 快速开启测试环境：docker run --rm -it -p 8082:80 vulnerables/web-dvwa，然后向 /scrape 提交 POST 请求：
{
"url": "http://localhost:8082/vulnerabilities/csrf/",
"cookies": "tid=xx; PHPSESSID=xx; security=low"
}在 Cendertron 中，其会使用如下方式设置 Cookie：
const puppeteer = require('puppeteer');
let rockIt = async () => {
const browser = await puppeteer.launch({ headless: false });
const page = await browser.newPage();
var cookie = [
// cookie exported by google chrome plugin editthiscookie
{
domain: 'httpbin.org',
expirationDate: 1597288045,
hostOnly: false,
httpOnly: false,
name: 'key',
path: '/',
sameSite: 'no_restriction',
secure: false,
session: false,
storeId: '0',
value: 'value!',
id: 1
}
];
await page.setCookie(...cookie);
await page.goto('https://httpbin.org/headers');
console.log(await page.content());
await page.close();
await browser.close();
};
rockIt();未来也会支持 localStorage 等存储方式：
await page.evaluate(() => {
localStorage.setItem('token', 'example-token');
});