Lookup

En este repositorio se encuentran los scripts que se usaron para la investigación Análisis de la infraestructura digital de Organizaciones de Sociedad Civil de la Comunidad Andina de Naciones, específicamente en la recolección de datos públicos de la infraestructura digital de 43 organizaciones no gubernamentales de la Comunidad Andina de Naciones. El documento está disponible en zenodo y recibimos comentarios en PubPeer.

Tabla de contenido

1. Requisitos
2. ¿Cómo se almacena la información?
3. Recolección y procesamiento de los datos
4. ¿Cómo replicar el proceso?
   1. Creación de la base de datos
   2. Llave para la API de Shodan
   3. Escaneo de dominios
   4. Escaneo de direcciones IP
      1. Escaneo con Shodan
      2. Escaneo con Nmap
   5. Búsqueda de vulnerabilidades
5. Creación rápida de la base de datos
6. Ejecutar en Docker
7. Corriendo las pruebas automáticas

Requisitos

Para utilizar los scripts existen los siguientes requisitos:

1. Ejecutarlos en una distribución GNU/Linux.

2. Tener instalado Python y pip.

3. Tener instalados los requerimientos para los scripts (con pip install -r requirements.txt).

4. Tener instalado Nmap.

Adicionalmente se utilizaron las API de Shodan que requieren de una cuenta para su uso, la cuenta debe tener membresía o membresía académica. La opción de membresía académica es gratuita para personas pertenecientes a instituciones educativas.

¿Cómo se almacena la información?

Para almacenar la información se usa una base de datos PostgreSQL, cuyo esquema se encuentra en src/common/model.py. Para la interacción con la base de datos se usó SQLAlchemy. En la recolección realizada se usaron sólo instancias locales.

Recolección y procesamiento de los datos

El proceso de recolección de datos consiste en tres grandes pasos:

1. Escaneo de dominios.

2. Escaneo de direcciones IP.

3. Búsqueda de vulnerabilidades.

Cada paso tiene dos etapas:

1. Se obtienen datos y se almacenan sin procesar.

2. Los datos sin procesar son leídos para llenar la base de datos.

Estos procesos se explicarán con más detalle en la siguiente sección.

¿Cómo replicar el proceso?

Creación de la base de datos

Para crear la base de datos es necesario tener una instancia de PostgreSQL y tener las credenciales de acceso para este. Los scripts reciben las credenciales en un archivo .ini. Un ejemplo de la estructura del archivo de credenciales se encuentra en data_base_config_example.ini.

Para construir la base de datos se requiere ejecutar el siguiente comando:

$ python src/common/query_manager.py {credentials-file}

credentials-file es la ruta al archivo con las credenciales en el formato esperado (que es como se muestra en data_base_config_example.ini).

Si no cuenta con una instancia, puede desplegar una rápidamente por medio de Docker de la siguiente manera:

$ docker pull postgres:latest
$ docker run -d -p 5432:5432  \
    -v postgresVolume:/var/lib/postgresql/data \
    -e POSTGRES_USER={usuario} \
    -e POSTGRES_PASSWORD={contraseña} \
    --name postgresDB postgres \
    -c listen_addresses='*'

Los campos usuario y contraseña deben coincidir con los que se encuentran en el archivo de configuración.

Llave para la API de Shodan

Para la recolección de los datos es necesaria una llave para la API de Shodan en texto plano.

Escaneo de dominios

Los datos con los que se comienza el proceso son dominios de los que se desea obtener información. Para cada uno hacemos una consulta a Shodan, donde se obtiene información general del dominio y sus subdominios. El script domain_lookup.py realiza esta tarea. Este script va a guardar todos los datos obtenidos como texto, y luego domain_extract.py llenará la base de datos con estos.

Los comandos a ejecutar serían (en el directorio raíz del repositorio):

python src/lookup/domain_lookup.py lookup {data-dir} {shodan-key} {domain-list}`

1. data-dir es la ruta al directorio del sistema donde se desea guardar los datos obtenidos.

2. shodan-key es la ruta al archivo donde se encuentra la llave de la API de Shodan, en texto plano.

3. domain-list es la ruta al archivo donde se encuentra la lista de dominios a escanear.

Para extraer los datos,

$ python src/extract/domain_extract.py {db-credentials} {data-dir}

1. db-credentials es la ruta al archivo donde se encuentran las credenciales para acceder a la base de datos.

2. data-dir es la ruta al directorio del sistema donde se encuentran los datos.

Escaneo de direcciones IP

El proceso es el mismo para la obtención de información de dominios, pero con algunos pasos adicionales. Se necesita una lista de direcciones IP para escanear, y esta puede obtenerse de los datos de dominios sin procesar ejecutando el siguiente comando:

$ python src/lookup/domain_lookup.py get_addresses {data-dir} {ip-list}

1. data-dir es la ruta al directorio donde se encuentran los pasos sin procesar de los dominios.

2. ip-list es la ruta al archivo donde se desea guardar la lista de direcciones IP.

Este script va a generar un archivo de texto de direcciones IP separadas por saltos de línea. Este es el formato que el siguiente script debe recibir.

Cabe aclarar que puede usarse una lista cualquiera de direcciones IP, pues no hay requerimientos sobre su origen. Con una lista de direcciones IP se pueden realizar dos escaneos:

Escaneo con Shodan

El escaneo con Shodan se realiza con el comando

$ python src/lookup/host_lookup.py shodan {ip-list} {data-dir} {shodan-key}

1. ip-list es la ruta al archivo con las direcciones IP a escanear.

2. data-dir es la ruta al directorio del sistema donde se desea guardar los datos obtenidos.

3. shodan-key es la ruta al archivo donde se encuentra la llave de la API de Shodan, en texto plano.

Para incluir la información obtenida en la base de datos, se debe ejecutar el comando:

$ python src/extract/host_extract.py {db-credentials} {data-dir}

1. db-credentials es la ruta al archivo donde se encuentran las credenciales para acceder a la base de datos.

2. data-dir es la ruta al directorio del sistema donde se encuentran los datos.

Escaneo con Nmap

El escaneo con Nmap se realiza con el comando

$ python src/lookup/host_lookup.py nmap {ip-list} {data-dir} {shodan-key}

1. ip-list es la ruta al archivo con las direcciones IP a escanear.

2. data-dir es la ruta al directorio del sistema donde se desea guardar los datos obtenidos.

Para incluir la información obtenida en la base de datos, se debe ejecutar el comando:

$ python src/extract/host_extract_nmap.py {db-credentials} {data-dir}

1. db-credentials es la ruta al archivo donde se encuentran las credenciales para acceder a la base de datos.

2. data-dir es la ruta al directorio del sistema donde se encuentran los datos.

Búsqueda de vulnerabilidades

Para la búsqueda de vulnerabilidades se requiere de una lista de códigos CPE separados por saltos de línea. Para que la API que utilizamos retorne vulnerabilidades asociadas al CPE, es necesario que los códigos incluyan, al menos, información de la versión del software. De otro modo, no se retornará nada.

En este paso no implementamos una forma automática de obtener una lista - algunos códigos CPE se incluyen en la base de datos pero no hay un script para extraerlos y ponerlos en texto. Así, lo recomendable es completar la tabla SERVICES con los códigos CPE que faltan, y obtener la lista de ahí. Ya con la lista, para buscar las vulnerabilidades basta ejecutar el siguiente comando:

$ python src/lookup/vulnerabilities_lookup.py {cpe-file} {data-dir}

1. {cpe-file} es la ruta al archivo con códigos CPE separados por saltos de línea.

2. {data-dir} es la ruta al directorio donde los datos se van a guardar.

Para incluir los datos obtenidos en la base de datos hay que ejecutar el siguiente comando:

$ python src/extract/vulnerabilities_extract.py {db-credentials} {data-dir} cvssMetricV2

1. db-credentials es la ruta al archivo donde se encuentran las credenciales para acceder a la base de datos.

2. data-dir es la ruta al directorio del sistema donde se encuentran los datos.

3. cvssMetricV2 especifica que se desean introducir los datos de la calificación CVSS 2.0 para las vulnerabilidades.

El script puede recibir un tercer argumento distinto, cvssMetricV31, pero no hay una tabla en la base de datos para esta información.

Creación rápida de la base de datos

Los scripts mencionados anteriormente se pueden ejecutar de manera independiente y tener un control total sobre las ubicaciones de los archivos recolectados. Sin embargo, puede construir la base de datos, con los datos de los pasos 3 y 4, unicamente partir de un .csv de la siguiente manera:

Para esto se tiene que tener el archivo de la API de shodan en un archivo llamado shodan_api_key y las credenciales de la base de datos en data_base_config.ini como se describió anteriormente.

Estando en el directorio raíz del repositorio,

$ mkdir data
$ cp {dominios.csv} {ubicación-repositorio}/data
$ make build

La base de datos será creada y los archivos recolectados serán guardados en data/.

Luego de esto se puede proseguir con el paso 5.

Si desea guardar los datos en otra ubicación, debe especificar las siguientes variables de entorno:

• DATA_DIR: ruta al directorio donde están guardados todos los datos recolectados.

• DOMAIN_LIST_PATH: ruta al directorio donde está guardada la lista de dominios recolectados.

• SHODAN_API_KEY: ruta al archivo donde se encuentra la llave de la API de Shodan, en texto plano.

• DB_CONFIG_FILE_PATH: ruta al archivo de configuración .ini de la base de datos.

Para poder asignar estas variables se puede:

Asignar directamente en la construcción:

$ make build DATA_DIR=valor_de_data_dir SHODAN_API_KEY=valor_de_shodan_api_key

Exportar la variable:

$ export DB_CONFIG_FILE_PATH=path/to/dbconfig/file

Tambien puede ejecutar los scripts de los pasos detallados anterior mente haciendo uso de el Makefile de la siguiente manera:

$ make {paso}

Donde paso es,

• create-db: para crear el esquema de la base de datos.

• domain-lookup: Escaneo de dominios

• domain-extract: Extracción de dominios

• get-ip-addresses: Escaneo de direcciones IP

Para el paso 4:

• host-lookup-shodan: Escaneo con Shodan
• host-lookup-nmap: Escaneo con Nmap
• host-extract-shodan: Extracción datos del escaneo de Shodan
• host-extract-nmap: Extracción datos del escaneo de Nmap

Para ejecutar los scripts de paso 5 adicionalmente se tiene que definir la siguiente variable de entorno.

• CPE_FILE_PATH: es la ruta al archivo con códigos CPE separados por saltos de línea.

y usar los pasos:

• vulnerabilities-lookup
• vulnerabilities-extract

Ejecutar en Docker

Este código puede ser fácilmente ejecutado por medio de Docker. Puede encontrar el código utilizado para esto en el directorio src/dev/.

Para construir la imagen se debe ejecutar:

$ make build

Y para lanzar un container interactivo,

$ make run

sudo en Docker

Es posible ejecutar comandos como sudo en esta imagen. Sin embargo tiene que habilitar la contraseña para el usuario del contenedor.

Para esto, ejecute:

$ docker ps -a
CONTAINER ID   IMAGE          COMMAND  ...              
{Id}....      ...            ...

y con el CONTAINER ID del contenedor,

$ docker exec docker exec -it {id} /bin/bash
$ passwd user

Finalmente establezca una contraseña para el usuario según las instrucciones de la terminal.

Corriendo las pruebas automáticas

Este código cuenta con pruebas realizadas con el framework Unittest. Estando en el directorio raíz del proyecto, las pruebas se pueden correr de la siguiente manera:

Un único archivo de tests:

$ python -m unittest src.tests.[nombreArchivoATestear]

Todos los tests en la carpeta src/tests/:

$ python -m unittest discover src/tests/