1，google hack

svn 搜索技巧 
图1 
git 搜索技巧 
图2

2，svn信息利用原理

2.1 svn<=1.6

从svn的结构图可以看到一个目录text-base,这里有我们源文件的备份,比如要下载somedomain/phpinfo.php,直接访问目录somedomain/.svn/text-base/phpinfo.php.text-base,一般的服务器既不会阻止该目录也不会解释该后缀，我们就可以直接读到本地来。现在只是访问最顶层的文件信息，那怎么遍历呢？这里面就有.svn/entries，这个文件包含着该基础目录下所有的文件和目录，直接递推查找就行。

2.2 svn>1.6

svn在1.6之后引入了wc.db来管理文件，该文件位于.svn/wc.db。普通文件位置：somedomain/.svn/pristine/"XX"/"CHECKSUM".svn-base,CHECKSUM是文件的sha1值，xx则是他的前两位。那这个CHECKSUM去哪找呢？就是我们刚才提到的wc.db，这是一个sqlite数据库。数据库的大体结构如下：


  1. $ sqlite3 wc.db .tables

  2. ACTUAL_NODE NODES PRISTINE WC_LOCK

  3. EXTERNALS NODES_BASE REPOSITORY WORK_QUEUE

  4. LOCK NODES_CURRENT WCROOT

  5. $ sqlite3 wc.db 'select local_relpath, checksum from NODES'

  6. index.php|$sha1$4e6a225331f9ae872db25a8f85ae7be05cea6d51

  7. scripts/menu.js|$sha1$fabeb3ba6a96cf0cbcad1308abdbe0c2427eeebf

  8. style/style.js|$sha1$2cc5590e0ba024c3db77a13896da09b39ea74799

  9. $ sqlite3 wc.db 'select local_relpath, ".svn/pristine/" || substr(checksum,7,2) || "/" || substr(checksum,7) || ".svn-base" as alpha from NODES;'

  10. index.php|.svn/pristine/4e/4e6a225331f9ae872db25a8f85ae7be05cea6d51.svn-base

  11. scripts/menu.js|.svn/pristine/fa/fabeb3ba6a96cf0cbcad1308abdbe0c2427eeebf.svn-base

  12. style/style.js|.svn/pristine/2s/2cc5590e0ba024c3db77a13896da09b39ea74799.svn-base

第一步下载wc.db,然后从NODES表中找到文件名和其sha1值，最后构造下载链接。

3，git 信息利用原理

首先从git/config信息里面可以得到仓库地址


  1. [core]

  2. repositoryformatversion = 0

  3. filemode = true

  4. bare = false

  5. logallrefupdates = true

  6. [remote "origin"]

  7. fetch = +refs/heads/*:refs/remotes/origin/*

  8. url = [email protected]:root/pcb001.git

  9. [branch "master"]

  10. remote = origin

  11. merge = refs/heads/master

基本上三步走： 
（1）下载.git/index文件，这是一种git特有的格式，在该文件中包含着文件名和文件SHA1值。 
（2）根据该文件SHA1值到objects目录下载相应文件，具体路径somedomain/.git/objects/"XX"/"CHECKSUM" 
（3）zlib解压文件，按照原始目录写入源代码。

4，对国内80端口的简单扫描

有了前面这些基础，就可以通过泄漏的信息来还原代码，能还原代码的话就可以干很多事了。最常见就是代码中泄漏email地址，数据库连接方式，调试接口，一些第三方key的泄漏。另外还可以对你感兴趣的目标进行代码审计，发现注入，命令执行等等。

4.1 扫描实现

（1）从文件读取80ip段数据，设最大并发16，最大连接数60，这个时候的带宽基本控制在600KB，利用周末时间跑了一天即可跑完。 
（2）设置pycurl的一些参数，如PROXY,MAXREDIRS=0，这样就不跳转了，nosignal=1 这个参数必须为1，这是pycurl的一个bug，中间测试的过程中就是因为参数未加，导致跑了半天结果中途挂了。 
（3）请求/.git/config信息，如果200，返回的类型为text/plain并且存在repositoryformatversion字段。请求/.svn/entries,如果200，Content-Type为text/plain,并且dir存在于返回值。其实这个是有误的，因为在svn大于1.6的情况下，在返回值中只有一个简单的数字，并不存在dir，所以扫描结果中基本上没有1.6以上的结果。

4.2 结果过滤

在扫描的结果中分析出现的url，有些.svn/entries返回200，但是首页确是有问题，还有发现某些ip不在中国。于是写了脚本去请求这些url的首页，并且从一个ip查询网站去查询ip地址归属。

4.3 初步结果

在525万80端口数据中，跑出6000条结果，相当于千分之一的概率，另外还未包括前面对svn 1.6判断有误的分析，所以这个概率还是很高的。 
简单的分析了git信息的泄漏，总共有接近600条数据，去除在国外的和首页不正常的，能达到250多，其中差不多一半的都是在阿里云的ip上，这些公司一般都是创业公司。在这些泄漏的代码中sql注入一般很少。 
svn的话，一般都是一些比较老的网站，这主要可能还是我前面的判断逻辑有点小问题。注入问题比较严重。