为被动扫描器量身打造一款爬虫 - LSpider
为被动扫描器量身打造一款爬虫 - LSpider
作者:LoRexxar'@知道创宇404实验室
日期：2021年1月28日
github开源地址：
https://github.com/knownsec/LSpider
什么是LSpider?
一款为被动扫描器而生的前端爬虫~
由Chrome Headless、LSpider主控、Mysql数据库、RabbitMQ、被动扫描器5部分组合而成。
(1) 建立在Chrome Headless基础上，将模拟点击和触发事件作为核心原理，通过设置代理将流量导出到被动扫描器。
(2) 通过内置任务+子域名api来进行发散式的爬取，目的经可能的触发对应目标域的流量。
(3) 通过RabbitMQ来进行任务管理，支持大量线程同时任务。
(4) 智能填充表单，提交表单等。
(5) 通过一些方式智能判断登录框，并反馈给使用者，使用者可以通过添加cookie的方式来完成登录。
(6) 定制了相应的Webhook接口，以供Webhook统计发送到微信。
(7) 内置了Hackerone、bugcrowd爬虫，提供账号的情况下可以一键获取某个目标的所有范围。
为什么选择LSpider?
LSpider是专门为被动扫描器定制的爬虫，许多功能都是为被动扫描器而服务的。
建立在RabbitMQ的任务管理系统相当稳定，可以长期在无人监管的情况下进行发散式的爬取。
LSpider的最佳实践是什么？
服务器1（2c4g以上）: Nginx + Mysql + Mysql管理界面（phpmyadmin）
将被动扫描器的输出位置设置为web路径下，这样可以通过Web同时管理结果以及任务。
LSpider部署5线程以上，设置代理连接被动扫描器（被动扫描器可以设置专门的漏扫代理）
服务器2（非必要，但如果部署在服务器1，那么就需要更好的配置）：RabbitMQ
还有什么问题？
LSpider从设计之初是为了配合像xray这种被动扫描器而诞生的，但可惜的是，在工具发展的过程中，深刻认识到爬虫是无法和被动扫描器拆分开来的。
强行将应该在被动扫描器实现的功能在爬虫端实现简直是舍本逐末，所以我们发起了另一个被动扫描器项目，如果有机会，后续还会开源出来给大家。
设计思路？
详情请阅读：
https://lorexxar.cn/2021/01/28/lspider-design/
登录推送
每时推送+漏洞推送
Usage
安装与使用参考：
https://github.com/knownsec/LSpider/blob/master/docs/init.md你可以通过下面的命令来测试是否安装成功
python3 manage.py SpiderCoreBackendStart --test值得注意的是，以下脚本可能会涉及到项目路径影响，使用前请修改相应的配置
启动LSpider webhook（默认端口2062）
./lspider_webhook.sh启动LSpider
./lspider_start.sh完全关闭LSpider
./lspider_stop.sh启动被动扫描器
./xray.sh一些关键的配置
Mysql配置
值得注意的是，如果django版本变化，这部分配置可能发生变化
DATABASES = {
'default': {
'ENGINE': 'django.db.backends.mysql',
'NAME': 'LSpider',
'USER': 'root',
'PASSWORD': 'lspider123!@#',
'HOST': '127.0.0.1',
'PORT': '3306',
'OPTIONS': {
'init_command': 'SET default_storage_engine=INNODB;SET NAMES utf8mb4',
'charset': 'utf8mb4',
}
}
}Chrome访问到的文件储存位置已废弃，默认下载到/dev/null
CHROME_DOWNLOAD_PATH = '/tmp/lspider'LIMIT_DEEP为爬虫深度，即从目标开始直到第几层不再继续 THREADPOOL_MAX_THREAD_NUM 线程池数量
LIMIT_DEEP = 2
THREADPOOL_MAX_THREAD_NUM = 5RabbitMQ配置，值得注意的是，建议使用RabbitMQ，因为基于队列的任务管理非常容易爆内存，无法解决。
# rabbitmq
RABBITMQ_IP = ""
RABBITMQ_PORT = ""
RABBITMQ_USERNAME = ""
RABBITMQ_PASSWORD = ""
RABBITMQ_VHOST = ""
# wheather open rabbitmq
IS_OPEN_RABBITMQ = TrueChrome Headless配置，将被动扫描器的代理填写在这里，建议开启
# proxy for chrome headless
IS_OPEN_CHROME_PROXY = True
CHROME_PROXY = '127.0.0.1:7777'Hackerone 账号配置，只有配置完成之后才可以使用Hackerone爬虫
# for hackerone
HACKERONE_USERNAME = ""
HACKERONE_PASSWORD = ""是否开启微信推送（配合webhook）,相关配置是推送到企业微信小程序的。
其中，debug为传送一些debug信息的配置，WECHAT_NOTICE为传输结果的配置。
其中各个配置可以参考企业微信小程序处id
# loghander
LOGHANDER_IS_OPEN_WEIXIN = False
# for weixin
WECHAT_NOTICE = {
'corp_id': ' ',
'secret': ' ',
'agent_id': ' ',
}
WECHAT_NOTICE_DEBUG = {
'corp_id': ' ',
'secret': ' ',
'agent_id': ' ',
}如果开启这个配置，Chrome webdriver 会以非headless的模式启动，便于调试环境
# for test
IS_TEST_ENVIRONMENT = False如何配置扫描任务 以及 其他的配置相关
其中包含了如何配置扫描任务、鉴权信息、webhook。
值得注意的是，文中提到的Cookie配置，格式为浏览器请求包复制即可。
如何配置扫描任务以及其他的配置相关，详情请参考：
https://github.com/knownsec/LSpider/blob/master/docs/manage.md使用内置的hackerone、bugcrowd爬虫获取目标
使用hackerone爬虫，你需要首先配置好hackerone账号
python3 .\manage.py HackeroneSpider {appname}
END