简介

在上一篇我们介绍了如何搭建分布式网络扫描日志收集系统, 现在已经收集了大量的日志，如何从日志中获取想要的知识？需要进行数据分析，提出一个问题，然后从数据中去寻找答案。

本篇主要讲如何分析扫描日志
我们尝试着从数据中回答一些问题：

• 每天有多少ip在进行扫描？
  
  可以看到从2021-10-15日之后，平均每天有2万个ip在进行扫描

• 进行大范围扫描的ip数量趋势呢？
  
  有7000个左右的ip每天在进行大范围的扫描

• 看下几个互联网扫描器进行扫描的ip数量分布情况:
  
  能看到censys每天有将近280个ip在进行扫描,将近180个ip在进行大范围扫描；shodan每天有35个ip在进行扫描,平均每天有25个ip在进行大范围扫描 。binaryedge比较不稳定，大概在50个ip左右,大概有10个ip在进行大范围扫描。

• 再来看看rapid7是怎么进行扫描的？
  
  扫描策略特殊一点，能看到中间会休息一周然后突然多出大量ip进行扫描任务。

• 一天时间内的扫描广度是怎么分布的？
  
  能看到绝大部分ip一天内扫描的覆盖范围(覆盖的主机数量)比较少。
  扫描广度在60%、70%的比100%的还要少，也就是说中等偏上扫描范围的ip数量比较少，互联网扫描器大多会全部扫描，或者限制较少的目标范围。
  或者是扫描器的能力或资源有限，要么选择轻量级更快的扫描全网，要么是速度比较慢的进行更多的端口或协议识别操作。

• 一天内ip扫描的端口数量都有多少？
  大部分ip一天内扫描的端口数量还是比较少的，扫描80个端口以上的ip数量很少。

• 这些ip都在关心哪些端口？来自哪个国家？扫描范围有多广？访问了哪些服务？
  可以在faweb上查看
  

• 再以端口为线索，大范围扫描器都在关心哪些端口？
  能看到大部分都集中在10000端口以下。 后面的27017、49152端口访问数量也比较大，我们来找找原因。

在faweb中搜索port:27017,能看到有2000多条结果，
27017是mongodb的常用端口，因此各家的互联网扫描引擎也比较关注。
再看看关心27017端口的ip还会关心哪些端口:

基本上是互联网扫描器会关心的常见服务端口。

来看下其中的一个ip:
它是recyber的一个扫描器。再看其它几个ip也是扫描器的行为。

再看看port:49152, 看看其中一个ip:
看rdns信息，应该是censys的ip地址，再看看它关心的端口列表，找几个端口,比如50995, 20201, 40000, 17777, 47001, 49152,来看看各个互联网扫描平台上有多少条独立ip的收录:

下面来介绍如何对收集到的原始日志进行简单的分析，并创建规则来提供更高层次的数据以回答上面这些问题。

规则介绍

elasticsearch一个月的日志大约有100G，直接在elasticsearch中分析原始数据会对elastic造成很大压力，速度比较慢，而且做复杂的聚合查询也会超出elasticsearch的各种(bucket, request size等)限制。

FaPro收集的日志也是分散的，每个ip的访问请求会分散为很多条日志，从原始数据做聚合查询再进行分析效率非常低，因此要建立一个中间的分析库，把原始日志按时间段进行汇总，针对单个ip的行为，按照一定的规则进行聚合。

我们选择按天聚合每个ip的信息，保存到中间库，再对中间库进行分析。那么这个中间库要保存哪些数据？聚合那些信息？如何处理这些信息？

把它统称为规则，如何定义规则？我们想看到哪些维度的数据？就需要自己去分析定义，这里介绍几种简单的规则。

目前主要的日志种类有tcp_syn, icmp_ping, udp_packet,以及协议交互的日志, 根据从这些类型的日志中可获取的信息进行归类汇总。

根据时间段对ip的日志数据进行汇总的字段：

• port: 每天访问的所有端口

• icmp_ping: 每天访问的所有icmp ping消息的总数

• port_count: 每天访问的所有端口的总数

• tcp_port: 每天访问的所有tcp端口

• udp_port: 每天访问的所有udp端口

• 扫描广度: 把一个ip每天扫描的目标范围进行1-10打分，比如有30个FaPro扫描日志收集器，按(ip当天访问的host数量 / 30) * 10 统一为1-10之间的数字。

• http_url: http访问的url列表

• http_user_agent: http访问的useragent列表

• mysql_login_attempts: mysql进行尝试登陆的次数
  还有更多字段可以去定义，可以根据协议交互日志定义一些tag，或者频率、范围等定义出一系列的指标，方便后续的分析任务。

编写规则

如果对elastic查询不熟悉，可以先借助kibana查询相应的图表，再使用inpect查看相应的查询语句，来获取elastic查询。

比如统计查询每个ip的icmp_ping次数，借助kibana的图表功能:

获取elastic查询语句后，把它转换为python代码:

top_ip_icmp_ping = es.search(index="fapro",                              aggs={                                  "ips": {                                      "terms": {                                          "field": "remote_ip",                                          "order": {                                              "_count": "desc"                                          },                                          "size": 10 # max aggs item                                      }                                  }                              },                              size=0,                              query={                                  "bool": {                                      "filter": [                                          {                                              "bool": {                                                  "should": [                                                      {                                                          "match_phrase": {                                                              "message.keyword": "icmp_ping"                                                          }                                                      }                                                  ],                                                  "minimum_should_match": 1                                              }                                          }                                      ]                                  }                              })  pprint.pprint(top_ip_icmp_ping['aggregations']['ips']['buckets']) 

不过这个查询的是所有日期的数据，我们需要按天查询，并且对聚合结果进行分页查询，防止一次查询的数据过多，超过elastic的限制:

def all_ip_count(day, q, ip_aggs=None, page_size=1000):     "get all ip count info by day"     res = []     total = get_total_ip(day)     page = math.ceil(total / page_size)     for i in range(page):         aggs = {"ips": {"terms": {"field": "remote_ip",                                   "include": {"partition": i,                                               "num_partitions": page},                                   "size": page_size}}}         if ip_aggs:             aggs['ips']['aggs'] = ip_aggs         r = query(day, q, aggs = aggs, size=0)         res += r['aggregations']['ips']['buckets']     return res  ## 获取2021-10-20的每个ip的icmp_ping消息计数 ping_info = all_ip_count("2021-10-20", 'message.keyword:"icmp_ping"')  ## 获取2021-10-20的每个ip的tcp_syn消息计数 syn_info = all_ip_count("2021-10-20", 'message.keyword:"tcp_syn"')  local_port_agg = {"ports": {"terms": {"field": "local_port",                                       "size": 1000}}}  ## 获取2021-10-20的每个ip的tcp_syn消息的本地端口计数 (即这个ip通过tcp syn访问了本地端口多少次) ip_port_info = all_ip_count("2021-10-20", 'message.keyword:"tcp_syn"', ip_aggs = local_port_agg, page_size = 100)  pprint.pprint(ip_port_info[0]) ### 输出结果 {'doc_count': 1939, # tcp_syn消息次数  'key': '94.232.47.190',  'ports': {'buckets': [{'doc_count': 1937, 'key': 3389}, # 3389访问了1937次                        {'doc_count': 2, 'key': 3390}], # 3390访问了2次            'doc_count_error_upper_bound': 0,            'sum_other_doc_count': 0}} 

以94.232.47.190为例，访问了3389和3390端口,现在获取是否建立tcp连接信息:

tcp_info = query("2021-10-20", 'remote_ip:"94.232.47.190" AND message.keyword:"close conn"',                  aggs=local_port_agg,                  size=0)  pprint.pprint(tcp_info) {'aggregations': {'ports': {'buckets': [{'doc_count': 1937, 'key': 3389},                                         {'doc_count': 2, 'key': 3390}],                             'doc_count_error_upper_bound': 0,                             'sum_other_doc_count': 0}}} 

可以看到，3389和3390的端口进行了tcp握手，建立了连接。

接下来，查询rdp访问使用的cookie信息，以获取更进一步的行为:

rdp_cookie_agg = {"cookies": {"terms": {"field": "cookie.keyword", "size": 100}}} rdp_cookie_info = query("2021-10-20", 'remote_ip:"94.232.47.190" AND protocol:"rdp" AND cookie:"*"',                         aggs=rdp_cookie_agg,                         size=0)  pprint.pprint(rdp_cookie_info) {'aggregations': {'cookies': {'buckets': [{'doc_count': 976,                                            'key': 'Cookie: mstshash=Administr'},                                           {'doc_count': 4,                                            'key': 'Cookie: mstshash=Test'}],                               'doc_count_error_upper_bound': 0,                               'sum_other_doc_count': 0}}} 

示例获取ip地址为45.146.164.110的http访问信息:

http_info_agg = {"uri": {"terms": {"field": "uri.keyword", "size": 100}},                  "user-agent": {"terms": {"field": "headers.User-Agent.keyword", "size": 100}} } http_info = query("2021-10-20", 'remote_ip:"45.146.164.110" AND protocol:"http" AND uri:"*"',                         aggs=http_info_agg,                         size=0)  pprint.pprint(http_info) {'aggregations': {'uri': {'buckets': [{'doc_count': 63, 'key': '/'},                                       {'doc_count': 54,                                        'key': '/vendor/phpunit/phpunit/src/Util/PHP/eval-stdin.php'},                                       {'doc_count': 30,                                        'key': '/api/jsonws/invoke'},                                       {'doc_count': 28,                                        'key': '/Autodiscover/Autodiscover.xml'},                                       {'doc_count': 28,                                        'key': '/_ignition/execute-solution'},                                       {'doc_count': 27,                                        'key': '/?XDEBUG_SESSION_START=phpstorm'},                                       {'doc_count': 27,                                        'key': '/cgi-bin/.%2e/.%2e/.%2e/.%2e/bin/sh'},                                       {'doc_count': 27, 'key': '/console/'},                                       {'doc_count': 27,                                        'key': '/index.php?s=/Index/\\think\\app/invokefunctionphp>die(@md5(HelloThinkCMF))/php>'},                                       {'doc_count': 10,                                        'key': '/mifs/.;/services/LogService'}],                           'doc_count_error_upper_bound': 0,                           'sum_other_doc_count': 0},                   'user-agent': {'buckets': [{'doc_count': 405,                                               'key': 'Mozilla/5.0 (Windows NT '                                                      '10.0; Win64; x64) '                                                      'AppleWebKit/537.36 '                                                      '(KHTML, like Gecko) '                                                      'Chrome/78.0.3904.108 '                                                      'Safari/537.36'}],                                  'doc_count_error_upper_bound': 0,                                  'sum_other_doc_count': 0}}} 

然后是把一天内的所有ip依次应用这些规则进行查询，再把最终结果入库。

入库最开始的采用了elasticsearch，项目地址。但是聚合查询速度很慢，对历史数据处理也不是很方便。

之后切换到xtdb，一个双时态数据库，可以更好的处理时间历史，但是Datalog查询语法学习曲线较高，性能也不是很强，为了扩容方便，采用了kafka+postgres作为后端保存事务和文档也增加了运维成本，对各种语言的api支持也比较弱。

最后切换到clickhouse, 专门为OLAP设计的数据库，可以实现高效的聚合查询，比较通用的sql语法，服务配置也比较方便，运维成本较低，查询性能很强，对于汇聚了一天的数据直接批量插入，效率非常高，各种语言的api支持也不错。

展示效果

将所有这些信息收集，归类到新的分析库之后，就可以对ip信息进行更高层次的分析，比如使用faweb查看45.146.164.110:

可以看到45.146.164.110访问了多个协议，而没有做端口探测，因此推测它很可能是一个协议分析工具，从端口访问记录来看，随着探测到的端口增多，协议识别访问次数也增多。 从http_url来看，它尝试识别几种web应用。

再来看一个220.174.25.172:

可以看到这是一个ssh爆破工具，可以看到它关心哪些端口，以及每天尝试爆破的次数。

至此，通过使用elastic查询建立规则，并入库，就可以实现一个你自己的greynoise

结语

至此，已经完成了初步的规则分析以及数据探索。你想要回答哪些问题？快来搭建自己的分析平台吧。更深入的行为分析，扫描意图识别还需要更多工作要做，敬请期待第三篇。

转载请注明来自网盾网络安全培训，本文标题：《如何打造一个网络扫描分析平台》

标签：日志分析FaPro扫描分析