有次内部复盘,一个同学说他什么都没做,只是用搜索引擎搜了目标公司,又去证书日志里翻了一圈,第二天发现自己的出口 IP 被目标 WAF 封了。另一位同事更麻烦:他把收集到的员工邮箱整理成表格,发进了项目群,群里还有外部合作方。

两件事的共同点是,他们都认为自己处在收集信息阶段,还没开始测试。但在真实项目里,信息收集本身就会产生访问、留下日志、触及个人信息。它不是一个无风险的准备动作,而是整个测试的一部分。

这篇讲合规范围内的信息收集。重点不是教你搜得更全,而是讲清三件事:哪些信息可以用公开方式拿、主动请求要受什么限制、整个过程怎么留下能自证的材料。

先解释两个词。被动侦察指不直接向目标系统发请求,只利用公开渠道和第三方数据;主动侦察指你主动向目标发请求,比如访问页面、解析 DNS、枚举目录。两者的合规风险完全不同,混在一起就会出事。

先看那两个场景

先说搜索那位。搜索引擎的查询本身不碰目标,但点开搜索结果就是一次真实访问。他为了看得快,连续点开了几十个结果页,又顺着页面里的链接进了帮助中心和招聘页。频率高、路径杂,在 WAF 眼里和扫描器没有区别。

证书日志是另一回事。证书透明度会把每一张签发的证书记进公开日志,查询这些日志不向目标发一个请求,属于查第三方公开数据。他用证书日志找子域,这一步本身没问题;问题是他拿到子域后逐个点开,访问量一下子堆到了目标那边。

再说邮箱那位。他收集员工邮箱的来源大多是公开的:会议演讲页、公开仓库的提交记录、新闻稿里的联系邮箱。单看每一条都公开,但他把几十条拼成表格,又发到有外部人的群里,性质就变了。公开不等于可以聚合,更不等于可以随意传播。

一次收集动作的落点
公开渠道官网、公告、招聘页,正常浏览节奏
第三方数据证书日志、DNS 历史,请求不落在目标
授权资产只对清单内域名发请求,限速、带标识
记录留痕时间、源 IP、请求、响应、工具版本

这两个场景说明:风险不来自你有没有授权,而来自动作落在谁的系统上。查第三方公开数据库,请求打在第三方;点开目标页面,请求就打在目标。界限要按请求落点来分,不是按我主观上在不在测试来分。

被动优先:能不下手就不下手

被动收集的价值不只是安全,还在于它便宜。公开信息量大、获取成本低、不触发告警,能先把资产轮廓拼出来,再决定哪些地方值得主动确认。

公开页面是第一类。官网的产品介绍、帮助中心的功能说明、更新公告里的版本号、招聘页里的技术栈、隐私政策里的数据处理方式,这些都在正常浏览范围内。看的时候按人的节奏来,不要写脚本批量抓。

证书透明度是第二类。证书透明度是一套公开的证书日志,证书颁发机构签发证书时会记一笔。查这些日志能看到某个域名历史上签发过哪些子域证书,能补上很多没写在官网上的入口。它属于第三方公开数据,查询不会向目标发请求,但拿到结果后怎么用,仍然受授权范围约束。

DNS 历史、搜索引擎缓存、公开的指纹平台,是第三类。它们能告诉你某个子域曾经解析到哪里、页面曾经长什么样、服务用过什么框架。历史数据会过期,看到旧记录先别当成现状,要用授权范围内的方式再确认。

公开代码仓库是第四类。搜到配置文件里的密钥、内网地址、测试账号,是常见的信息来源。看到之后只记录存在这类暴露这个事实,不要拿它去登录,不要去验证它是否有效。验证这个动作,就跨到使用凭证了,和收集是两件事。

文档元数据是第五类。公开的 PDF、表格、演示文稿里,常常带着作者名、软件版本、内网路径、修订记录。这些信息能帮你判断对方的技术环境,但也可能包含个人信息,记录时要按最小必要原则处理。

被动收集也有红线:不要为了更全去爬全站,不要绕登录,不要用多个账号轮流看。公开可见和想办法让它可见是两回事,后者已经是未授权访问。

主动收集:只对授权资产,限速,限范围

主动收集是必要的,因为公开信息总有缺口。但它要受三条约束:只对授权资产、限速、限范围。三条里任何一条放松,收集就会变成扫描。

限速不是形式。默认并发降到个位数,请求间隔留出秒级,遇到 429、403、5xx 立即停。这些响应是目标在告诉你到此为止,不是让你换个路径继续。停下来的动作本身,就是合规的一部分。

范围要按上一节确立的资产表来。只请求清单里的域名和路径,子域清单用被动来源拼出来,再逐个确认归属,而不是拿大字典硬跑。归属确认不了的一律不碰,不要用先扫一下看看来替代判断。

全端口扫描、漏洞扫描器、目录大字典,这些属于高强度动作,只有在规则明确允许时才做,并且按规则给的速率来。规则没写,就当不允许。工具默认参数往往比你想象的激进,跑之前先看并发和超时设置。

下面是一次单请求的示意,重点不在命令本身,而在标识和次数。带标识是让目标运维能认出你,单次请求是限速的最小形态。实际执行时,域名要换成授权清单里的资产。

# 单次请求,带可联系的测试标识
curl -I -A "security-test/1.0 (contact: you@example.com)" \
     https://authorized.example.com/

不要为了绕过封禁换 IP、换代理、换 UA 继续打。封禁本身就是一种拒绝,继续就是明确的越界。正确动作是停下来,把现象记录下来,通过项目渠道问清楚,而不是自己想办法恢复访问。

个人信息与第三方:两条不能松的线

收集员工姓名、邮箱、手机号、社交账号,是最容易出事的部分。判断标准不是它有没有公开,而是它和这次漏洞验证有没有关系。

一个邮箱如果能用来证明某后台暴露了员工通讯录,它是证据;如果只是为了让报告显得资料丰富,它就是无关个人信息。后者不该收集,更不该在群里传播。证据和素材的区别,在于它能不能对应到一个具体结论。

聚合本身也是风险。单条公开信息不敏感,几十条拼在一起就成了人物画像。很多隐私问题不是拿到了秘密,而是把散落的东西集中起来了。收集前先问一句:我真的需要这一列吗?

第三方资产、合作方系统、员工个人项目,不在授权范围,收集阶段就不要把它们放进资产表。发现了要记录存在这样一个系统,但不要继续探测。记录和探测之间,隔着一条很清楚的线。

还有一个细节:不要用社会工程去套信息。冒充客服、发钓鱼邮件、加员工私人社交账号,这些都不属于信息收集,属于攻击行为。它们需要单独授权,多数 SRC 明确禁止,做了就不是写检讨能解决的事。

公开信息也会受法律保护。个人信息的收集、存储、使用有明确边界,来源合法不代表后续处理也合法。拿不准时,删掉比留着安全。

全程留痕:给报告证据,也给自己证明

留痕有两个用处:报告需要证据,出事需要自证。前者让你说清楚问题怎么来的,后者让你说清楚自己没做过分的事。

记录至少包含:时间(带时区)、源 IP、请求方法与完整地址、关键请求头、响应状态与长度、使用的工具和版本、当时依据的授权条款。字段看起来多,其实一条日志就是一行,养成习惯后不费事。

工具版本要记,因为不同版本的行为差别很大。扫描器默认并发、默认跟随跳转、默认解码,都会影响你到底发了多少请求。事后争议里,这些默认值经常是说不清的部分。

留痕不是事后补。开测前建好日志文件,每一条请求落盘,时间戳用统一格式。事后回忆写出来的时间线,在争议里几乎没有说服力,也没法和对面的日志对上。

日志本身也要保护。里面可能有目标返回的敏感字段,按最小必要保存,报告交付时脱敏。日志不是收集得越多越好,能支撑结论、能还原动作,就够了。

给自己定一条规矩:任何一条请求,如果事后无法解释为什么发它、依据哪条授权,那这条请求就不该发。这条规矩能挡掉大部分冲动。

现象对照表

下面这张表把收集阶段最常见的误判列出来。遇到类似情况,先按第三列动手。

现象真实原因第一步查什么
只搜公开信息却封了 IP连续快速点开大量结果页,或脚本跟随链接抓取看出口 IP 的请求频率、路径分布和 UA
把证书日志里的子域全当自家资产日志只说明签过证书,不说明归属逐个子域查证书主体、备案主体和 CNAME
把员工邮箱整理表发进群公开不等于可聚合、可传播回到与漏洞是否相关这个判断,删掉无关项
遇到 429 还继续请求把限速提示当成了建议立即停,记录响应,通过项目渠道确认
换代理绕过封禁封禁是拒绝,不是需要克服的障碍停止并上报,不换出口、不换身份
用全端口扫描先摸底规则未允许高强度动作,默认参数又很激进读测试类型条款,确认允许的工具和速率
报告里附带大量个人信息证据与素材没有分开,收集超出必要范围脱敏,只留证明问题所需的最小片段

边界与代价

信息收集的代价,主要落在三个地方:对目标的影响、对个人的影响、对自己的影响。三者的表现不同,但都会真实发生。

对目标的影响,是请求量、缓存刷新、日志膨胀、误报告警。一次没有限速的目录枚举,可能让对方半夜拉起应急响应,第二天全公司都在查谁在扫。你觉得只是看看,对方的成本是几个人工和一轮排查。

对个人的影响,是个人信息被不当收集和传播。员工邮箱、手机号、社交账号一旦进了表格和群聊,后续怎么流转就不受你控制了。哪怕来源公开,聚合和传播仍然可能构成侵权。

对自己的影响,是 IP 被拉黑、账号被平台处理、项目方收紧授权。这些后果不会立刻显现,但会在下一次申请时出现。安全圈子很小,一次说不清的动作,可能跟着你很久。

被动优先不是技术上的偷懒,是风险控制。能不下手就不下手,必须下手就留下记录。这个顺序看起来慢,实际省掉的是解释和善后的时间。

还有一层常被忽略:你收集的信息如果来自第三方平台,那个平台的使用条款也约束你。爬取、批量导出、绕过访问限制,可能同时违反平台规则和授权约定。规则叠在一起时,按最严的那条执行。

练习与下一篇

下面几项都能在本地靶场或自己的公开信息上完成,不需要碰任何真实目标。

  1. 在本地靶场用一个小字典做目录枚举,并发设为 1,请求间隔一秒,把每一条请求的时间、路径、状态码记进表格。做完数一数一共发了多少请求。
  2. 查一次自己域名的证书透明度记录,把历史上出现过的子域列出来,逐个核对现在是否还在使用、归属是否清楚。
  3. 对本地靶场发一次单请求,用 curl 看响应头,把服务器、缓存、安全策略相关的字段整理成一张资产表。
  4. 写一份收集日志模板,至少包含时间、源 IP、请求、响应、工具版本、依据条款六列,下次测试直接用。

三句话收尾:收集阶段先走被动,公开渠道和第三方数据不向目标发请求;主动请求只对授权资产,限速、限范围、遇到拒绝就停;全程留痕,既为报告提供证据,也为自己的动作留下解释。

下一篇讲漏洞报告怎么写:结论、证据、复现步骤。原因很直接:收集和验证做完,成果最终要落到一份别人能读懂的报告上。前面留下的日志、请求和响应,正是报告的原料;这一篇讲怎么把它们组织成结论、证据和可复现的步骤。