CN107749835B - 一种基于预测的点击劫持攻击的渗透测试方法 - Google Patents

Abstract

本发明公开了一种基于预测的点击劫持攻击的渗透测试方法，属于网络安全领域。本发明主要包含以下步骤：运行流量劫持***，初始化***配置，包括加载目标域名和加载数据处理方式；针对目标域名发起劫持；数据还原模块接收劫持的网页数据，根据数据处理方式的具体配置来还原网页数据；点击预测算法处理网页数据；根据预测结果构造点击劫持攻击代码，将攻击代码***到网页数据中；对处理过的网页数据进行头部封装以及内容编码，之后，通过流量劫持***发送。

Description

一种基于预测的点击劫持攻击的渗透测试方法

技术领域

本发明涉及一种基于预测的点击劫持攻击的渗透测试方法，属于网络安全领域。

背景技术

随着网络的发展以及应用，人们对计算机网络的依赖越来越强。与此同时，网络***的安全问题也越来越突出。渗透测试作为一种模拟攻击者对目标***进行安全测试的方法，应用也越来越广泛。点击劫持作为近年来新出现的一种危害较大的漏洞，正在被黑客广泛的运用，广大网民的安全受到了巨大的威胁。基于点击劫持漏洞进行渗透测试，可以帮助目标***找出存在的安全问题，并进行修复。

目前使用的点击劫持攻击方法主要是攻击者搭建攻击站点，构造攻击页面，在攻击页面中构造诱饵按钮以及设计交互场景。点击劫持中的关键点是对用户点击操作的劫持，已有的方法分为两种，一种是基于社会工程学的方法，典型的是构造诱饵按钮诱导用户点击。一种是基于技术的手段，其主要是利用javascript脚本来达到目的。第一种方法成功率底，第二种方法依赖客户端允许脚本的执行，它们都不能保证劫持成功率。如果存在一种成功率更高的点击劫持攻击方法，就可以通过这种方法对目标***进行更全面的渗透测试。

发明内容

本发明的目的是这样实现的：

一种基于预测的点击劫持攻击的渗透测试方法，其特征在于，包含以下步骤：

步骤一运行流量劫持***，初始化***配置，包括加载目标域名和加载数据处理方式。

步骤二针对目标域名发起劫持。

步骤三数据还原模块接收劫持的网页数据，根据数据处理方式的具体配置来还原网页数据。

步骤四点击预测算法处理网页数据。

步骤五根据预测结果构造点击劫持攻击代码，将攻击代码***到网页数据中。

步骤六对处理过的网页数据进行头部封装以及内容编码，之后，通过流量劫持***发送。

步骤四中所述的预测算法包含以下步骤：

步骤一对HTML数据进行预处理，去除对预测算法无效的信息。

步骤二使用经过预处理的网页数据，构建DOM树。

步骤三根据DOM树得到链接集合。

步骤四循环从链接集合中取出链接，如果取到链接，则跳转到步骤五；如果没有取到链接则跳转到步骤六。

步骤五根据该链接具有的结构因子特征、视觉因子特征和内容因子特征分析链接，得出该链接具有的权重。

步骤六根据每条链接具有的权值对所有链接进行排序。

步骤七权值最高的链接作为预测结果，流程结束。

所述链接的结构因子特征包括：

链接对应文本的长度，用tl来标识。

链接所在标签对应的最小相似子结构中所有文本的长度，用sl来表示。

根据最小相似子结构计算出链接密集度，用inten来表示。

链接对应文本长度与最小相似子结构中所有文本长度的比值，用ts来表示。

链接对应最小相似子结构出现的顺序，用sr来表示。

所述链接的视觉因子特征包括：

将整个网页分为16个区域，链接属于16个区域中的那一个，用rv表示。

链接所属元素与周围元素样式区别，包括颜色和字体，用cv表示。

密集出现的链接之间样式的区别，包括颜色和字体，用bv表示。

所述链接的内容因子特征包括：

浏览论坛时的“回复”按钮，阅读长网页时的“返回顶部”链接和阅读分页内容时的“翻页”链接。

附图说明

图1是本发明的框架图。

图2是本发明整体运行流程图。

图3是本发明点击预测算法运行流程图。

具体实施方式

下面结合附图对本发明做详细地描述：

如附图1所示，该方法分为流量劫持模块，数据还原模块、点击预测模块，攻击代码构造模块，网页构造模块。

1)通过流量劫持模块，劫持用户正常的网页访问，并将劫持的网页数据提交给数据还原模块；

2)数据还原模块将接收到的网页数据进行拼接和还原，将纯编码的网页数据提交给点击预测模块；

3)点击预测模块分析网页数据，利用点击预测算法分析网页的结构、视觉和内容特征，预测出用户最可能点击的链接，之后，将预测结果以及网页数据提交给攻击代码构造模块；

4)攻击代码构造模块修改网页数据，载入目标网页，并根据预测模块的结果隐藏目标按钮，将处理后的网页数据提交给网页构造模块；

5)网页构造模块对网页数据进行头部修改以及编码压缩的操作，处理完后将网页数据交给流量劫持模块发出。

附图2是本发明的运行流程图，该发明的整体处理流程是：

1)首先运行流量劫持***，初始化***配置，包括加载目标域名，加载数据处理方式等；

2)针对目标域名发起劫持(具体的劫持方法不做描述)；

3)数据还原模块接收劫持的网页数据，根据数据处理方式的具体配置来还原网页数据；

4)点击预测算法处理网页数据，具体的处理步骤如附图3所示；

5)根据预测结果构造点击劫持攻击代码，将攻击代码***到网页数据中；

6)对处理过的网页数据进行头部封装以及内容编码，之后，通过流量劫持***发送；

结合附图3对预测算法进行详细描述：

1)首先对HTML数据进行预处理，去除对预测算法无效的信息；

2)使用经过预处理的网页数据，构建DOM树；

3)根据DOM树得到链接集合；

4)循环从链接集合中取出链接，如果取到链接，则跳转到5)；如果没有取到链接则跳转到6)；

5)根据该链接具有的结构因子特征、视觉因子特征和内容因子特征分析链接(每种特征的具体内容见后面内容)，得出该链接具有的权重；

6)根据每条链接具有的权值对所有链接进行排序；

7)权值最高的链接作为预测结果，流程结束。

每条链接的结构因子特征包括以下五条：

1)链接对应文本的长度，用tl来标识；

2)链接所在标签对应的最小相似子结构中所有文本的长度，用sl来表示；

3)根据最小相似子结构计算出链接密集度，用inten来表示；

4)链接对应文本长度与最小相似子结构中所有文本长度的比值，用ts来表示；

5)链接对应最小相似子结构出现的顺序，用sr来表示。

每条链接的视觉因子特征包括以下几条：

1)将整个网页分为16个区域，链接属于16个区域中的那一个，用rv表示；

2)链接所属元素与周围元素样式区别，包括颜色和字体，用cv表示；

3)密集出现的链接之间样式的区别，包括颜色和字体，用bv表示。

每条链接的内容因子特征：

网页中的链接有很大一部分是用户平时常用的一些功能性链接，这些链接在日常浏览过程中被点击的可能性非常大。例如浏览论坛时的“回复”按钮，阅读长网页时的“返回顶部”链接，阅读分页内容时的“翻页”链接等等。本发明将链接具有的这些特殊内容称为链接的内容因子特征，在预测算法中，通过对链接具有的特殊内容进行考虑，来达到加强预测效果的目的。

Claims (2)

1.一种基于预测的点击劫持攻击的渗透测试方法，其特征在于，包含以下步骤：

步骤一 运行流量劫持***，初始化***配置，包括加载目标域名和加载数据处理方式；

步骤二 针对目标域名发起劫持；

步骤三 数据还原模块接收劫持的网页数据，根据数据处理方式的具体配置来还原网页数据；

步骤四 点击预测算法处理网页数据；所述的预测算法包含以下步骤：

步骤4.1对HTML数据进行预处理，去除对预测算法无效的信息；

步骤4.2使用经过预处理的网页数据，构建DOM树；

步骤4.3根据DOM树得到链接集合；

步骤4.4循环从链接集合中取出链接，如果取到链接，则跳转到步骤五；如果没有取到链接则跳转到步骤4.6；

步骤4.5根据该链接具有的结构因子特征、视觉因子特征和内容因子特征分析链接，得出该链接具有的权重；

步骤4.6根据每条链接具有的权值对所有链接进行排序；

步骤4.7权值最高的链接作为预测结果，流程结束；

步骤五 根据预测结果构造点击劫持攻击代码，将攻击代码***到网页数据中；

步骤六 对处理过的网页数据进行头部封装以及内容编码，之后，通过流量劫持***发送。

2.根据权利要求1所述的一种基于预测的点击劫持攻击的渗透测试方法，其特征在于，步骤四中所述链接的结构因子特征包括：

链接对应文本的长度，用tl来标识；

链接所在标签对应的最小相似子结构中所有文本的长度，用sl来表示；

根据最小相似子结构计算出链接密集度，用inten来表示；

链接对应文本长度与最小相似子结构中所有文本长度的比值，用ts来表示；

链接对应最小相似子结构出现的顺序，用sr来表示；

步骤四中所述链接的视觉因子特征包括：

将整个网页分为16个区域，链接属于16个区域中的那一个，用rv表示；

链接所属元素与周围元素样式区别，包括颜色和字体，用cv表示；

密集出现的链接之间样式的区别，包括颜色和字体，用bv表示；

步骤四中所述链接的内容因子特征包括：

浏览论坛时的“回复”按钮，阅读长网页时的“返回顶部”链接和阅读分页内容时的“翻页”链接。

Images