最近有一个任务，碰到的需求和以前做过的任务一样，主要是按客户要求做溯源反制，其中就得对外部的攻击IP进行分析（其实就是对发起真实攻击的ip进行筛选排查，看能否进行溯源和反制），然后输出报告。对于 IP 地址的溯源反制，通常会从该地址的 PTR 记录、反查绑定的域名以及开放的服务入手，但从平台导出的事件中涉及的攻击IP量非常大，必须借助脚本完成网络基础信息收集。之前就在Github上找到Bywalks的TrackAttacker脚本能完成需求，并且自己加了并发功能增加其速度，因此就能更快速的完成批量的IP分析。这次就在之前的基础上进一步完善这个功能，并且分享这个批量溯源辅助脚本TrackAssist，(https://github.com/ldsaiyan/trackassist)。

另外，溯源是分析已经发生的安全事件的，而上述的需求，只是攻击者画像的其中一小部分。所以重点还是并发编程的学习嘻嘻。

TrackAssist脚本是一份用Python编写的网络信息收集工具脚本，该脚本可以对给定的带有IP地址的文本文件进行信息收集，包括IP的Address、PTR、Organization、网站域名、开放端口、网站Title、备案信息、网站域名的whois信息等，并将结果输出。整个脚本使用了协程技术，以提高并发处理能力和效率。对大批量攻击IP的溯源反制过程中主要起辅助作用。

对IP地址进行信息收集的流程，如下图所示（单IP流程）：

其中IP地址的Address、PTR、Organization的信息主要由https://www.ipaddress.com网站提供，IP绑定过的网站域名由https://site.ip138.com网站提供，备案信息、网站域名的whois信息则分别由https://www.beian88.com 和 http://whois.4.cn提供。

协程是一种用户态的轻量级线程，其执行过程类似于可以暂停和恢复的函数。其在单线程中实现并发执行任务。这样可以避免线程或进程之间的切换开销，提高并发性能。协程的优点是不需要进行线程切换和进程切换操作，因此消耗的系统资源更少，同时也不会出现由于竞争条件等问题而导致的死锁等问题。具有轻量级、启动速度快、资源占用少等优点。

上述的IP地址信息收集任务作为一个处理单元，TrackAssist脚本使用协程技术并发处理这些IP地址。协程池负责调度多个处理单元的执行，而处理单元则负责具体的信息收集工作。并发执行任务，然后通过队列来共享数据。每个协程处理完数据后将结果放到队列中，线程从队列中读取结果并输出即可。通过使用协程池和异步IO，脚本可以在较短时间内高效地完成大量信息收集任务。

在具体实现中，脚本通过 gevent 模块来使用协程技术。首先创建了一个 gevent.pool.Pool 对象和一个 gevent.queue.Queue 对象。其中 Pool 对象用于创建线程池，Queue 对象用于存储需要处理的 IP地址。接着，在 put_queue() 方法中打开 IP地址文本文件，逐一读取每个IP，将它们添加到 Queue 对象中。在 get_queue() 方法中，通过循环不断从 Queue 对象中获取 IP 地址，并调用 build() 方法进行处理。在 build() 方法中，使用 print() 函数输出了获取到的 IP 地址，并使用 time.sleep(1) 模拟了需要等待 1 秒钟才能完成处理的操作。在 run() 方法中，首先调用 put_queue() 方法将 IP地址添加到 Queue 对象中。然后通过循环创建 100个协程来处理从 Queue 对象中获取到的 IP地址，并等待所有协程处理完毕。其中运用到的协程技术是使用 gevent 提供的并发框架，所有 I/O 操作都被认为是“阻塞”，所以在遇到 I/O 操作时会自动切换到其他协程上去执行，从而实现非常高效的并发处理。具体实现的并发Demo如下：

class Coroutine():      def __init__(self):          self.pool = gevent.pool.Pool(100)          self.work = gevent.queue.Queue()        self.url = "ip.txt"      self.info = [] 
    def put_queue(self):          with open(self.url) as f:              for url in f:                  url = url.replace('\n', '')                  self.work.put_nowait(url)                  self.info.append(url)  
    def get_queue(self):          while not self.work.empty():              self.build(self.work.get_nowait())  
    def build(self,ip):          print(ip)          time.sleep(1)  
    def run(self):          self.put_queue()  
        for i in range(100):              self.pool.apply_async(self.get_queue)          self.pool.join()            while True:  # 防止主线程结束              time.sleep(0.0001)  # 避免cpu空转，浪费资源              if self.work.empty():                  break  
if __name__ == '__main__':      start = time.time()      test = Coroutine()      test.run()      end = time.time()      print("\nThe script spend time is %.3f seconds" % (end - start))

测试打印100个IP和200个IP运行耗时情况：

运行结果，26个IP花费63秒多，如下图所示：

同样26个IP去掉并发处理进行测试，耗时8分多钟，如下图所示：

笔者使用的是Windows作为开发环境进行测试，目前测试覆盖不全，应该还有一些坑，Orz。

python -m pip install -r requirements.txt

这里需要注意nmap包和python-nmap会有import冲突的坑，得确认用的是这个库：

在waf、态势平台等导出发起真实攻击的IP到IP.txt文件中。然后在脚本目录下直接运行，静待结果。

python TrackAssist.py

经过工具的信息收集后，结果信息会直接打印在控制台上。其中值得关注的情况有：如果攻击IP绑定的域名存在备案信息，就能快速清楚地知道域名所有者及其邮箱等信息，从而辅助分析者进行判断；如果存在Title名为**‘s Blog等有价值信息的IP，可以试着访问排查，或许能在“关于”里找到他是谁的线索；如果存在开放的端口有3306等有反制可能并且有攻击队嫌疑的云主机，也可以试着进行反制（举例而已，攻击队云主机怎么会开个3306并且是弱口令给你，对吧）。

https://github.com/Bywalks/TrackAttacker

http://www.gevent.org/