基于语法分析的PHP webshell扫描工具–Pecker Scanner-php手册-php.cn

前段时间，在一位大牛的BLOG上看到其resume上撰写的开源项目列表琳琅满目，数不胜数。再跟自己对比一下，从来没有一个开源项目，没有成功的参加过一个开源项目，只是零星的贡献过几个所谓工具，脚本。顿时无地自容，同时也是羡慕不已，再暗自勉励鼓励自己，

前段时间，在一位大牛的BLOG上看到其resume上撰写的开源项目列表琳琅满目，数不胜数。再跟自己对比一下，从来没有一个开源项目，没有成功的参加过一个开源项目，只是零星的贡献过几个所谓工具，脚本。顿时无地自容，同时也是羡慕不已，再暗自勉励鼓励自己，向这位大牛学习。也是在前段时间，遇到了一个正则的问题《为什么不能在字符组中使用反向引用》，使得我又跟着自己的思路，翻阅之前的博客，面包屑导航一般，跟着链接，走到了另外一篇博客《如何精确查找PHP WEBSHELL木马？》。写那篇博客时，是2010年7月，我还在久游网工作，工作内容也是代码安全相关。我最初的实现，也是基于正则表达式实现的字符串匹配，来捕捉查找危险代码。同时，也计划在二期里，用LEX+YACC来实现对PHP代码的精确分析，扫描查找，为此，也经常装模作样故弄玄虚的研究学习yacc、lex，学习PHP的Zend引擎实现方式，研究zend_language_scanner.l、zend_language_parser.y、zend_language_scanner.c等几个文件的编写思路等等等等。从我2月下旬入职，到11月初离职，总共7个多月的时间里，也并不是一直做这个项目，甚至这个项目只是作为我个人研究的范畴，平常工作中，只能利用空闲时间来研究。因为种种原因，在没有完成那个项目之后，离开了久游。不管是因为自己基础薄弱，还是时间不足还是什么原因，每次想起这件事，都因没有完成那个项目而觉得遗憾。

人总喜欢找借口，好比我前段时间，心里烦躁不安、胡思乱想，开始玩起了英雄联盟，从5月到现在，断断续续玩了5个月了。支持者的角度上想，人总不能一直紧绷着大脑，偶尔玩玩游戏，放松一下自己，又何尝不可？反对者的角度上来想，放纵自己堕落，还找理由，找借口？我有时赞同前者，有时赞同后者，现在，我就觉得既然都是找借口去做事情，为何不给自己找个借口，做一些有意义的事情呢？“那就努力开发维护一个开源项目吧”我心理暗暗这么说道，决定完成曾经的遗憾。

这线引得有点太长，也算是我的自我检讨与牢骚吧。

所谓扫描工具，先要扫描，才能找到需要的东西。对于代码扫描方式，实现方式大约是特征关键字的捕捉，正则表达式的语法匹配，语法语义分析这些。这些实现方式，准确性、严谨性也是层级递增的。

特征关键字方式，是最简单、最不准确的检测手段，上篇博客里有个比较好的例子：

查看源代码打印帮助

`01`	`<span>// 声明：我喜欢自嘲，自黑，但不喜欢黑别人，也不喜欢在一些圈子里嚷嚷吵嘴。这里列出360的例子，也是因为机缘巧合，在面包屑的引导下，被引到了360的站长扫描网址中，下载了这个扫描工具，觉得这是一个非常好的反面例子，也希望大家能一学术角度来看待本文中提到的相关代码。 </span>`

`02`	`<strong><span>class</span></strong>` `scan{`

`03`	`<span> </span><strong><span>private</span></strong>` `<span>$directory</span>` `=<span>'.'</span>;`

`04`	`<span> </span><strong><span>private</span></strong>` `<span>$extension</span>` `=<strong><span>array</span></strong>(<span>'php'</span>);`

`05`	`<span> </span><strong><span>private</span></strong>` `<span>$_files</span>` `=<strong><span>array</span></strong>();`

`06`	`<span> </span><strong><span>private</span></strong>` `<span>$filelimit</span>` `= 5000;`

`07`	`<span> </span><strong><span>private</span></strong>` `<span>$scan_hidden</span>` `= true;`

`08`	`<span> </span><strong><span>private</span></strong>` `<span>$_self</span>` `=<span>''</span>;`

`10`	`<span> </span><strong><span>private</span></strong>` `<span>$_shellcode</span>=<span>''</span>;`

`11`	`<span> </span><strong><span>private</span></strong>` `<span>$_shellcode_line</span>=<strong><span>array</span></strong>();`

`12`	`<span> </span><strong><span>private</span></strong>` `<span>$_log_array</span>=<strong><span>array</span></strong>();`

`13`	`<span> </span><strong><span>private</span></strong>` `<span>$_log_count</span>=0;`

`14`	`<span> </span><strong><span>private</span></strong>` `<span>$webscan_url</span>=<span>'http://safe.webscan.360.cn/webshell/upload'</span>;`

`15`	`<span> </span><strong><span>private</span></strong>` `<span>$action</span>=<span>''</span>;`

`16`	`<span> </span><strong><span>private</span></strong>` `<span>$taskid</span>=0;`

`17`	`<span> </span><strong><span>private</span></strong>` `<span>$_tmp</span>=<span>''</span>;`

这里的正则的最后部分中文字符串那里|小组专用大马|提权|木马|PHP\s?反弹，这里的正则不是原本意义上的正则表达式了，只是简单的或逻辑，没有其他更严谨的匹配规则，所以只能当成简单的特征关键字来看待。比如代码或注释中出现螓首微微压下,右手倒提权杖、电影《特洛伊木马》均被当作webshell来抓获了。这种实现方式，最不准确。

正则表达式匹配方式，是在特征关键字之后，更加准确的捕捉方式，但仍存在大量的误报、漏报情况，比如我在三年前写的python版php webshell检测工具里的代码：

查看源代码打印帮助

`1`	`match` `<strong><span>=</span></strong>` `re.search(r<span>'''(?P<function>\b(?:include\|require)(?:_once)?\b)\s\(?\s["'](?P<filename>[^;]*(?</filename></function></span>, file_contents, re.IGNORECASE\| re.MULTILINE)`

`2`	`match` `<strong><span>=</span></strong>` `re.search(r<span>'\b(?P<function>eval\|proc_open\|popen\|shell_exec\|exec\|passthru\|system)\b\s*\('</function></span>, file_contents, re.IGNORECASE\| re.MULTILINE)`

`3`	`match` `<strong><span>=</span></strong>` `re.search(r`<span>'(^\|(?[^`]+)`\s*;'</span>`, file_contents, re.IGNORECASE)`

虽然可以更精确的匹配函数名符合的地方，字符串中出现的会被跳过，但仍无法排除注释中的代码，这种匹配结果，可以作为参考，仍需要管理人员认真校对每一个检测结果。当然，漏报情况，相比特征字符串的方式，要严谨的多。

语法语义分析形式，是根据php语言扫描编译的实现方式，进行剥离代码、注释，分析变量、函数、字符串、语言结构的分析方式，来实现关键危险函数的捕捉方式。这样可以完美解决漏报的情况。但误报上，仍存在问题。

查看源代码打印帮助

`01`	`<strong><span>public</span></strong>` `<strong><span>function</span></strong>` `startLexing(<span>$code</span>)`

02 {

`03`	`<span> </span><strong><span>if</span></strong>` `(preg_match(<span>'/</span>,<span>$code</span>)) {`

`04`	`<span> </span><span>$this</span>->errMsg =<span>'Encrypt with Zend optimizer.'</span>;`

`05`	`<span> </span><strong><span>return</span></strong>` `false;`

`06`	`<span> </span>}`

`07`	`<span> </span><span>$this</span>->resetErrors();`

`08`	`<span> </span><span>$this</span>->tokens = token_get_all(<span>$code</span>);`

`09`	`<span> </span><span>$this</span>->code =<span>$code</span>;`

`10`	`<span> </span><span>$this</span>->pos = -1;`

`11`	`<span> </span><span>$this</span>->line = 1;`

`12`	`<span> </span><strong><span>return</span></strong>` `<span>$this</span>->checkError();`

13 }

误报问题所在，一是被检测文件是否为合法php语法文件，token_get_all函数的实现，是不验证是否问合法php语法文件的，只是对其进行扫描，分析。而语法验证是比较难于试下你的地方。其次是代码中因为业务需要而出现的危险函数，如何排除掉，恶意代码如何界定？

服务器云判断是一种根据恶意代码串的指纹，根据大量后门数据，做语法、语义分析，做业务逻辑分析，理解这段代码的用途，给出其是否为恶意代码的定位，而其他使用者，直接可以得到该代码片段是否为恶意代码的结果反馈。Pecker Scanner首先是基于语法分析，剥离token、注释、字符串、变量、语言结构，再进行php语法检测，提取恶意代码的扫描工具，来解决漏报问题。同时支持服务器云判断，尽量避免误报问题。比如exec ($cfe,$res)在Discuz!中(只是举例)是正常的功能代码，而在木马后门中，这就是恶意文件。同样的一段代码，在不同的项目中，扮演着不同的角色，这也不能光凭借代码功能上判断，还得依赖所属项目。这需要大量的木马后门库，以及开源项目库希望大家可以帮着提交一些。

Pecker Scanner这个开源项目，托管在Github上，大家都可以fork它，完善它。目前Pecker Scanner生成的报告，跟服务器校对检验方式是通过jsonp方式通讯，若以后流量较高，则采用验证API形式，直接在pecker scanner代码中，根据api 、 key运算，post多个token代码段到服务器获取状态，展示到报告文件中。一来减轻jsonp这种大量http请求数。二来减少恶意无用的查询。

Pecker Scanner目前是beta 0.3版本，您可以在这里下载Pecker Scannerbeta 0.3版，不建议直接到github上下载，因为github上可能存在我正在调试的代码，或者不完善的新功能。

Pecker Scanner的项目主页在这里，以后的版本更新，新功能发布，也都会在这里公告。扫描报告样例在pecker scanner report样例，您可以先预览一下。
基于语法分析的PHP webshell扫描工具–Pecker Scanner