基于决策树加快cms识别
字数
457 字
阅读时间
2 分钟
更新日期
10/6/2018
最近在写Aireye（全网网络资产收集系统），模仿zoomeye项目，但是指纹识别的时候如果用指纹库扫描，指纹越大，则效率会越慢。虽然在w11scan的项目中有通过正确率来拉取最高的指纹，但是依然没有解决该问题。
决策树
通过各自决策来增加该CMS的权值，当权值大于某个值时，即可判断该CMS。这样就解决了指纹越大，而效率越慢的问题了。
如何进行决策呢？先统一访问一次网站首页，先通过某些关键字或者正则增加权值。过滤一遍权值小的指纹，对剩下的指纹再次进行权值判断，此时可以访问一些地址然后通过hash、关键词、字符串等判断依据来增加权值。
比如一个emlog系统，通过观察会发现首页都存在content/templates 这样的关键字符，这就是权值增加的判断依据。
缺点
缺点也很明显，决策树需要基于一定规则来编写，需要对比多个网站的不同来寻找规则，这明显加大了操作的复杂度。
操作顺序
很显然，需要事先收集N多同类CMS的URL，这还是需要用常规方法收集。之后决策树可以用肉眼找到明显特征，或者用机器学习的方法计算概率，总之通过这一层的计算后，剩下的指纹识别步骤就变得很少了，大大加大了全网扫描的识别效率！