威胁建模之WEB应用自动化截图

1、需求场景

给定一个包含大量IP地址/域名、端口、协议的文件，设计一个流程提取文件中的关键信息，并使用工具自动化批量访问目标WEB应用形成截图。

• 输入示例
  
• 输出示例
  

2、实现思路

• 数据分析
  表格的数据存在一定程度的冗余，需要做去重操作，主要在于保留{IP，port}的二元组还是{IP，port，Protocol}的三元组。做一个对比如下表所示：

Type	Advantage	Shortcoming
二元组	兼容性强，无需考虑Protocol一列可能随着版本更新而发生改变导致的兼容问题	数据会有一定程度的冗余
三元组	最大程度去重，可以最大程度排除无用数据	Protocol需要做严格的分类，对于不同来源的数据集兼容性不会太好

• 排序
  python使用set方法去重会导致乱序，这对于用户体验是一种影响。大量数据处理时做检查时，按序检查可以有更高的效率，在去重后还是要注意保留原始数据的顺序。

• 访问并截图
  python访问大量网站一般来说我们都会想到python的requests模块，但是对于需要网站截图这种情况，使用selenium的webdriver效果会更好一些。
  原因也很简单，requests模块只能爬取html信息，对于CSS和JS不做处理。而selenium的webdriver可以模拟人为操作，访问网站并截图，自然也就不会只看html了。

• 多线程并发
  很明显本次课题的任务脚本属于I/O密集型，大部分时间都在网络上跑，CPU的运行效率是偏低的。所以利用多线程，可以更快地完成任务。

• 保存并生成html文件
  使用python的文件操作在目录下创建一个后缀html的文件，并用python自动写入即可完成。

3、脚本逻辑

4、脚本源码

from selenium import webdriver
from selenium.webdriver.chrome.options import Options
import pandas as pd
import time
import threading
import os


def urlGet(filePath):
    """
    :param filePath: 字符串，文件路径，仅限xlsx类型文件，
    :return:列表，去重[ip:port]
    """
    url = pd.read_excel(filePath, usecols=[0, 2])
    urlList = url.values.tolist()
    urlPort = []
    for url in urlList:
        urlPort.append(url[0] + ':' + str(url[1]))
    urlPortList_Nodup = list(set(urlPort))
    urlPortList_Nodup.sort(key=urlPort.index)
    return (urlPortList_Nodup)


def screenShot(urlPortList, step, time):
    """
    :param urlPortList: 列表，[ip:port]
    :param step: int，步长
    :param time: int，时长
    :return: 空
    """
    global screenshotList
    for urlPort in urlPortList[::step]:
        chrome_options = Options()
        chrome_options.add_argument('--headless')
        chrome_options.add_argument('--no-sandbox')
        chrome_options.add_argument('--start-maximized')
        chrome_options.add_argument('--ignore-certificate-errors')
        driver = webdriver.Chrome(options=chrome_options)
        try:
            # print('https://'+urlPort)#
            driver.set_page_load_timeout(time)
            driver.get("https://" + urlPort)
            imgPath = "./img/s" + urlPort.replace(":", "_") + ".png"
            driver.get_screenshot_as_file(imgPath)
        except Exception as e:
            # print(e)
            # print('http://'+urlPort)
            try:
                driver.set_page_load_timeout(time)
                driver.get("http://" + urlPort)
                imgPath = "./img/" + urlPort.replace(":", "_") + ".png"
                driver.get_screenshot_as_file(imgPath)
            except Exception as e:
                print(e)
                # print('time out,try by yourself')
        finally:
            driver.quit()
            # time.sleep(0.05)
            # print('one finished')


def createThreads(urlPortList, step, time):
    """
    :param urlPortList:列表，[ip:port]
    :param step: int，步长
    :param time: int，时长
    :return: 列表，长度和步长数相等的线程列表
    """
    threads = []
    for i in range(step):
        t = threading.Thread(target=screenShot, args=(urlPortList[i::], step, time))
        threads.append(t)
    return threads


def changeToHtml(urlPortList):
    """
    :param urlPortList: 列表，[ip:port]
    :return: 空
    """
    newfile = './report.html'
    with open(newfile, 'w') as f:
        f.write('<div>')
        for urlPort in urlPortList:
            imgPathHttps = "./img/s" + urlPort.replace(":", "_") + ".png"
            imgPathHttp = "./img/" + urlPort.replace(":", "_") + ".png"
            f.write('IP and Port：' + urlPort + '<br>')
            if (os.path.isfile(imgPathHttps) == False):
                if (os.path.isfile(imgPathHttp) == False):
                    f.write('Time out,extend request time or try by yourself<br>
')
                else:
                    f.write("网址：<a href=http://%s>http://%s</a><br>" % (urlPort, urlPort))
                    f.write("<img src='%s'><br>
" % imgPathHttp)
            else:
                f.write("网址：<a href=https://%s>https://%s</a><br>" % (urlPort, urlPort))
                f.write("<img src='%s'><br>
" % imgPathHttps)
        f.write('</div>')


def main():
    time1 = time.time()
    urlPortList = urlGet('./data_1500.xlsx')
    print(len(urlPortList))
    try:
        threads = createThreads(urlPortList, 20, 3)
        for t in threads:
            t.start()
        for t in threads:
            t.join()
        changeToHtml(urlPortList)
        print("end")
        time2 = time.time()
        print(time2 - time1)

    except Exception as e:
        print(e)
        time2 = time.time()
        print(time2 - time1)


if __name__ == '__main__':
    main()

5、脚本运行环境

前置条件

• windows系统
• chrome浏览器、chromedriver
• 脚本源码所需要的python模块
• chromedriver路径需要添加进系统环境变量
• 数据集和脚本在同一级别目录下

运行方法

•   102 urlPortList = urlGet('./data_1500.xlsx')  #在此更改需要扫描的数据集
  

•   105 threads = createThreads(urlPortList, 20, 3)  #在此输入线程数和超时时间
  

•   运行脚本，脚本同级别目录下生成reprot.html文件
  

6、脚本运行结果

7、学无止境

脚本可以添加的功能：

• 各种浏览器兼容
• 数据集类型兼容
• 系统环境兼容
• HTTP返回值捕捉实现更精准的分析
• 更好看的html文件
• 多线程与多进程的进一步课题研究