Combosquatting域名搶注的測量研究

文/陸超逸

論文Hiding in Plain Sight：A longitudinal Study of Combosquatting Abuse是一篇純測量文章，主要關(guān)注了 Combosquatting 這種域名注冊現(xiàn)象，并對它進(jìn)行了第一次的系統(tǒng)性研究。Combosquatting 的特點(diǎn)是，通過向知名域名添加其他關(guān)鍵詞的方式，構(gòu)造并注冊新的域名（例如alipay-login.com）；這種域名可以用于釣魚、惡意軟件傳播、APT攻擊、品牌濫用等行為。作者通過測量發(fā)現(xiàn)，這樣的域名規(guī)模非常龐大，達(dá)到百萬量級，并且活躍時(shí)間非常長；案例分析表明，已經(jīng)有一些這樣的域名被用于惡意用途或攻擊。

在商標(biāo)領(lǐng)域，如果有一個(gè)品牌做大了（比如：奧利奧），就會有很多“山寨品牌”希望靠模仿來迷惑消費(fèi)者（比如：澳麗澳、粵利粵等）。在域名注冊領(lǐng)域也是一樣，有一些投機(jī)者通過域名搶注（domain squatting）的方式來大量注冊他們認(rèn)為有價(jià)值的域名，吸引來自用戶的流量。以往的工作已經(jīng)研究了以下幾種搶注方式，可以用圖1來總結(jié)：

（1）Typosquatting，包含typo（偶然手抖打錯(cuò)，例如baiud.com）的域名。我們在輸入域名時(shí)經(jīng)常會因?yàn)椴恍⌒那缅e(cuò)而訪問錯(cuò)誤的網(wǎng)址；因此，通過注冊這樣的域名，可以獲取來自用戶的偶然流量。之前跟大家分享的[1]中已經(jīng)提出，如果有域名的管理員將權(quán)威服務(wù)器NS記錄不小心打錯(cuò)了，就可能產(chǎn)生劫持。[2]中詳細(xì)給出了5種構(gòu)造Typosquatting域名的方式。

（2）Bitsquatting，出現(xiàn)比特反轉(zhuǎn)的域名（例如：yo5tube.com）[3]。處理DNS請求的各個(gè)服務(wù)器的硬件問題，導(dǎo)致域名的某一位出現(xiàn)比特反轉(zhuǎn)，解析的域名變成了其他域名。根據(jù)Verisign的統(tǒng)計(jì)[4]，每1M～10M個(gè)DNS請求就會出現(xiàn)一個(gè)比特反轉(zhuǎn)導(dǎo)致錯(cuò)誤的請求。通過注冊這樣的域名獲取的仍然是偶然流量。

（3）Soundsquatting，用同音構(gòu)造的新域名（例如：yewtube.com、baidoo.com）[5]。

圖1 幾種域名搶注方式及示例

（4）Homograph，通過用長得比較像的其他字符替代品牌里面的字符，使得新的域名和品牌域名相似，具有迷惑作用（例如：y0utube.com、ba1du.com）[6，7]。自從引入了國際化域名（IDN）以來，因?yàn)椴煌Z言中長得像的字符數(shù)量增多了，這種域名顯著增多。我們在DSN 2018發(fā)表的文章[8]中詳細(xì)研究了這個(gè)問題。

而論文研究的Combosquatting是另外一種。類似于“六個(gè)核桃”變成了“六個(gè)核桃花生露”、“六個(gè)核桃三個(gè)棗”，在知名域名的基礎(chǔ)上加上一些關(guān)鍵詞形成新的域名，同樣也是起到迷惑用戶的作用。圖2給出了幾個(gè)示例。

Combosquatting的原理非常簡單，有以下特點(diǎn)。

（1）知名域名的名字原封不動借用過來，不作任何改動。

（2）理論上講，注冊者的“創(chuàng)作”空間是無限的：可以在前面或后面加（jibber-baidu.com、baidu-jabber.com）、可以加任意長度（omg-baidu.com、tgif-baidu.com）、可以加任意詞匯（oh-baidu.com、really-baidu.com）。這也是Combosquatting與上面幾種注冊現(xiàn)象的區(qū)別：給定一個(gè)知名域名，是可以窮舉，把上面幾種方式所有能構(gòu)造出來的域名列出來的，而Combosquatting不行。

（3）需要注意的是，為了方便觀察，在這篇總結(jié)里面所有的Combosquatting域名例子，單詞之間都添加了連字符 -。真實(shí)的域名注冊案例可能是沒有的。

Combosquatting域名的應(yīng)用范圍主要包括以下幾個(gè)方面：

（1）釣魚。例如apple-security-center.com、iphone-location.com，具有迷惑性。

（2）惡意軟件分發(fā)。僵尸網(wǎng)絡(luò)C2域名。

（3）商標(biāo)濫用。vicroriasecret-outlet.org模仿維秘，賣假貨。

（4）社會工程，收集PII（Personal Identifiable Information）。

（5）APT攻擊。

圖2 Combosquatting域名示例

測量

對于Combosquatting這種現(xiàn)象，我們在測量過程中需要依次解決以下問題：有哪些知名域名被模仿了？如何識別Combosquatting這樣的域名？該域名有什么特點(diǎn)？這樣的域名都被拿來做什么了？

1. 有哪些知名域名被模仿了

答案當(dāng)然是知名的、訪問量高的域名。因此，作者選用了美國Alexa Top 500的域名作為可能的受害者（注：為什么是美國的品牌？可能是因?yàn)榇蠖鄶?shù)域名都是英文的）。但是，需要手工剔除一些品牌，因?yàn)樗鼈冇玫膯卧~非常普通，或者非常短，會產(chǎn)生相當(dāng)多的誤判（例如，不能說apple-pie.com模仿了apple.com，或者bikeandride.com模仿了ikea.com）。

作者通過手工篩選，留下了246個(gè)知名域名作為研究對象，這些知名域名被手工分為22個(gè)類別。

2.如何識別Combosquatting域名

根據(jù)Combosquatting域名構(gòu)造的原理，給定一個(gè)知名域名，要識別其實(shí)非常簡單：在現(xiàn)有活躍的所有域名里面，如果一個(gè)域名完整包含了這個(gè)知名域名，那么它就可以算是Combosquatting域名。

圖3顯示了作者收集的數(shù)據(jù)。作者通過5年中某運(yùn)營商提供的Passive DNS記錄和1年的Active DNS記錄，獲取了這段時(shí)間內(nèi)活躍的域名列表。除此之外，還有4個(gè)公開的域名黑名單，以及公開的證書信息。

圖3 數(shù)據(jù)收集

圖4 Combosquatting域名的判定

圖4顯示了給定一個(gè)知名域名，如何判定Combosquatting域名。前面已經(jīng)提到過該方法的核心是，看一個(gè)域名里面有沒有完整包含知名域名的名字；那么，對上一步的域名列表中的每個(gè)域名，依次搜有沒有包含246個(gè)知名的名字就可以了。需要特別說明的是，Typosquatting域名也有可能會滿足這個(gè)條件，因此需要剔除掉。這一步發(fā)現(xiàn)，符合條件的域名數(shù)量非常多，已經(jīng)達(dá)到百萬量級。

圖5顯示了如何識別Combosquatting濫用（Combosquatting abuse），也就是現(xiàn)在已經(jīng)被拿去干壞事的Combosquatting域名。將上一步檢測出來的Combosquatting域名列表和黑名單比對，如果一個(gè)域名已經(jīng)在黑名單里面，那么就算作濫用。

圖5 Combosquatting域名濫用的判定

3.Combosquatting域名的特點(diǎn)

對于這些域名，通過域名列表、Passive DNS解析記錄、證書信息等，可以得到以下特點(diǎn)。

（1）與Typosquatting的區(qū)別：Typosquatting的構(gòu)造方式是有限的，而Combosquatting是無限的。事實(shí)上，檢測出的Combosquatting域名也比Typosquatting域名數(shù)量多得多，高出兩個(gè)數(shù)量級，如圖6所示。

圖6 兩種域名搶注的數(shù)量比較

（2）很多Combosquatting域名具有證書。這是因?yàn)?，域名如果要達(dá)到迷惑用戶的效果，更多的是依靠與用戶的交互（比如，把網(wǎng)站做成釣魚網(wǎng)站），而不是像Typosquatting域名一樣獲取偶然流量。

（3）雖然Combosquatting域名具有無限的構(gòu)造空間，但是實(shí)際上這些注冊者會精心構(gòu)造域名、精心選詞。通過分詞作者發(fā)現(xiàn)，90%的Combosquatting域名只有2～3個(gè)英文單詞。這一點(diǎn)容易理解，不會有用戶愿意敲非常長的域名，非常長的域名通常是可疑的。

（4）Combosquatting域名通常具有較長的活躍期。圖7表明，有50%以上的Combosquatting域名活躍超過100天；惡意的域名活躍時(shí)間更長。

圖7 Combosquatting域名的活躍期

圖8 惡意Combosquatting域名的檢測滯后時(shí)間

（5）現(xiàn)在的惡意域名檢測系統(tǒng)對于Combosquatting域名的檢測效果并不是很好，主要表現(xiàn)在檢測的滯后性。圖8顯示，有30%左右的惡意Combosquatting域名在被列入黑名單之前100天就已經(jīng)開始活躍了。

（6）惡意的Combosquatting域名的指向更集中，有個(gè)別的網(wǎng)段和AS具有非常多這樣的域名。可能是因?yàn)閟inkhole，以及允許惡意域名長期存活的AS數(shù)量本身不多引起的。

4.這些Combosquatting域名都被用來干什么了？

用途和案例分析

作者通過瀏覽器示例，爬取了1.1M個(gè)Combosquatting域名的HTML頁面。目前對頁面內(nèi)容進(jìn)行準(zhǔn)確分類仍然是比較難解決的一個(gè)問題，因此作者采用了圖9的過濾方法，將頁面分為三類。

圖9 頁面內(nèi)容分類方法

（1）Affiliate abuse：這些頁面通過affiliate ID跳轉(zhuǎn)到一些知名的網(wǎng)站，以此獲取提成。

（2）Phishing：頁面和知名網(wǎng)站頁面非常像（通過感知哈希比較），并且有登錄框。

（3）其他：無法進(jìn)行準(zhǔn)確分類，通過人工抽樣（8700個(gè)）來觀察。

這一步共發(fā)現(xiàn)2573個(gè)域名涉及affiliate abuse、174個(gè)域名涉及釣魚，還有1165個(gè)其他類別的域名被判定為惡意。

在案例分析部分，作者發(fā)現(xiàn)在2016年10月30日，有505個(gè)Combosquatting域名指向同一個(gè)IP集合。因此，使用python requests爬蟲爬取了兩次這些域名的頁面，如圖10所示。第一次使用默認(rèn)設(shè)置（模擬自動爬取系統(tǒng)），第二次指定User-Agent為Chrome瀏覽器（模擬真實(shí)用戶）。比較有意思的是，發(fā)現(xiàn)了一個(gè)域名在兩次爬取表現(xiàn)的行為有不一致，因此是在對自動系統(tǒng)隱藏一些它背后的動機(jī)。經(jīng)過手動訪問進(jìn)行確認(rèn)，這個(gè)域名和惡意軟件有關(guān)。

Combosquatting是一種原理非常簡單且不難發(fā)現(xiàn)，但是沒有被系統(tǒng)研究過的域名注冊現(xiàn)象。文章的題目也說明了這一點(diǎn)（Hiding in plain sight：看起來是隱藏的，但是非常容易被發(fā)現(xiàn)）。它最大的特點(diǎn)是構(gòu)造空間是無限的，并且沒有固定的生成模式。

作者通過知名域名篩選、解析記錄分析、頁面爬取等步驟，對Combosquatting域名的構(gòu)造特點(diǎn)、解析特點(diǎn)、使用場景進(jìn)行了測量。文中得到的主要結(jié)論包括：

第一，Combosquatting現(xiàn)象非常普遍存在，并且比Typosquatting等之前研究過的現(xiàn)象流行得多；

第二，即使構(gòu)造空間是無限的，注冊者在構(gòu)造Combosquatting這樣的域名的時(shí)候，會精心選詞；

第三，現(xiàn)在的惡意域名檢測系統(tǒng)對于Combosquatting域名的濫用檢測存在比較大的滯后性；

第四，一些Combosquatting域名非常集中地指向一些網(wǎng)段和AS；

第五，從黑名單和案例分析中看到，Combosquatting域名已經(jīng)涉及到一些惡意行為，例如釣魚、惡意軟件、APT攻擊、個(gè)人信息收集等。

圖10 頁面爬取方法