利用黑客工具进行渗透的数据分析

安全
我们知道如果黑客想入侵一个网络,他需要更多的了解一个网络的信息,包括网络拓扑结构,哪些主机在运行,有哪些服务在运行,主机运行的是什么系统,以及该系统主机有没有其他漏洞,和存在一些弱口令等情况等。

我们知道如果黑客想入侵一个网络,他需要更多的了解一个网络的信息,包括网络拓扑结构,哪些主机在运行,有哪些服务在运行,主机运行的是什么系统,以及该系统主机有没有其他漏洞,和存在一些弱口令等情况等。只有在充分了解了足够多的信息之后,入侵才会变成可能。而黑客入侵之前的扫描是一个比较长时间的工作,同时现象也是比较明显的。我们通过网络分析手段可以很好的把握入侵特征。网络扫描工具很多,比较有名的如国产的冰河和国外的X-scan 等软件。

选用工具:X-SCAN 3.3

目标网络:本地局域网 192.168.10.1/24

分析软件:科来网络分析系统2010 beta版

分析过程

本文选用的一款比较普遍的网络扫描工具X-SCAN 版本为3.3 。我们在扫描网络之前需要对X-SCAN进行设置,具体设置可以从网上搜一些教程。扫描网络为192.168.10.1/24,抓取位置选为本机抓包方式(即在攻击主机上进行抓包)。

抓包从X-Scan 扫描开始,到扫描结束。抓包后的数据位10M(中间有些数据有其他通信产生)持续时间大概为10分钟。

首先,10分钟产生10M的数据量是不大的,这也就是说单个主机的扫描其实是不占用很多网络带宽的,如图:

利用黑客工具进行渗透的数据分析

上图也反映了一些特征,我们看到,抓包网络内的数据包长只有111.3Byte,这个平均包长是偏小的,而且数据包大小分析发现<=64字节和65-127字节之间的数据占了绝大多少,这就充分说明了网络中有大量的小包存在。

我们接下来看下诊断信息能给我们什么提示:

利用黑客工具进行渗透的数据分析

如图,我们发现存在大量的诊断事件产生,10M不到的数据竟然产生了2W5的诊断条目,而且大多数是传输层的诊断,出现了 TCP端口扫描 等比较危险的诊断信息。我们看到有两项的诊断出现次数较多“TCP连接被拒绝”“TCP重复的连接尝试”两个诊断大概出现了1W1次以上,我们可以将与这两个诊断相关的信息进行提取查看“诊断发生的地址”然后按照“数量”来排名发现 一个IP  192.168.10.22 这个IP 发生的诊断数据最多。而且诊断“TCP端口扫描”的源IP 就是192.168.10.22 这个IP。

我们定位192.168.10.22这个IP,然后查看TCP会话选项。如图:

利用黑客工具进行渗透的数据分析

我们发现 192.168.10.22这个IP的会话数量很多,而且会话是很有特征的。我们选取了其中针对192.168.1.101的21端口的一段会话进行查看,22与101之间的会话很多,而且都是一样的特征,建立连接后发送一次密码,被拒绝后再发起另一次会话。此为明显的暴力破解FTP密码行为。除了FTP之外还有针对445 和139端口的破解,以及内网服务的检查等。正是这种破解和扫描形成了如此多的会话条目。

此外,我们可以从日志选项中查看一些现场,以下是日志的截图:

利用黑客工具进行渗透的数据分析

扫描主机 在看到 192.168.10.2 有80端口开放后,发起一些针对HTTP的探测,用不同的路径和不同的请求方法,视图取得HTTP的一些敏感信息和一些可能存在的漏洞。

这种黑客的扫描得出的结果还是很详细和危险的,在不到10分钟之内,就将一个局域网内的各主机的存活,服务,和漏洞情况进行了了解,并且取得了一些效果。例如本次扫描发现一台FTP 服务器的一个账号 test 密码为123456 的情况,这种简单的密码和账号最好不要留下,及时的清理。

总结

扫描行为,主要有三种,ICMP扫描用来发现主机存活和拓扑,TCP 用来判断服务和破解,UDP确定一些特定的UDP服务。扫描是入侵的标志,扫描的发现主要是靠平时抓包分析,和日常的维护中进行。最好能够将科来长期部署在网络中,设定一定的报警阀值,例如设置TCP SYN 的阀值和诊断事件的阀值等,此功能是科来2010新功能之一,很好用。

扫描的防御很简单,可以设置防火墙,对ICMP不进行回应,和严格连接,及会话次数限制等。

责任编辑:蓝雨泪 来源: 2cto
相关推荐

2019-02-13 10:44:52

2018-09-14 14:27:43

2023-03-22 18:21:27

2019-12-12 19:26:06

网络犯罪黑客工具网络安全

2020-12-17 09:45:54

数据分析互联网大数据

2009-05-15 10:57:51

2019-02-24 16:05:25

2019-01-02 09:01:22

2020-06-05 14:29:07

PythonPandas数据分析

2012-03-21 09:31:51

ibmdw

2011-06-29 10:13:09

SEO

2024-07-26 21:36:43

2018-12-03 05:06:53

2016-02-24 09:19:54

2018-11-12 08:04:15

2013-07-02 09:29:52

2020-02-20 10:45:51

Python数据疾病

2018-11-01 10:45:24

2019-04-02 08:05:01

2018-10-29 10:55:21

点赞
收藏

51CTO技术栈公众号