0×00 背景
众说周知，Github这块肥肉很受安全人员和黑客关注。因为很多新进程序猿和老手不经意就会把他们的劳动成果分享出来，而往往这种开源精神，奉献精神会对企业带来一定的安全风险。
例如代码里面包含各种敏感信息（用户名、密码、数据库信息、内网IP,甚至程序猿的身高、体重、年龄和婚姻状况。哈哈），所以Github信息泄露监控就不得不亮剑。另外也是小弟所在的企业被第三方找出有敏感信息泄露，囧，本来打算自己找些开源工具。看了些开源工具，都不太适合，所以就有了这篇自己动手打造Github代码泄露监控工具。
0×01 撸起袖子开干
人生苦短，我用Python!
Python强大的库、简洁语言以及开发迅速等特点，深受广大程序开发者喜爱。那么我们就用Python来开发吧！
原理及步骤
我们知道Github并未开放查询搜索的API,那么我们只能通过爬虫来爬取页面，然后通过解析器对返回的内容解析，从而获取到我们想要的信息。具体步骤如下：
1.登陆Github;
2.查询关键词结果呈现；
3.邮件预警；
4.配置文件读取。
开发环境及用到的Python库
开发环境为：MacOS10.12.6, Python版本3.6.5
Python库：requests,lxml,csv,tqdm,email,smtplib,configparser,time
请看官老爷们去了解以上Python库的用法，这里不再赘述。
0×02 步骤解析
1.登陆Github
登陆这里设置了一个坑，登陆https://github.com/login会跳转到https://github.com/session，然后提交请求主体。而主体包含了如下参数：
“commit=Sign+in&utf8=%E2%9C%93&authenticity_token=sClUkea9k0GJ%2BTVRKRYsvLKPGPfLDknMWVSd%2FyWvyGAR9Zz09bipesvXUo8ND2870Q2FEVsQWFKScyqtV0w1PA%3D%3D&login=YourUsername&password=YourPassword”
commit、uft8、login和password值相对来说是固定的，我们要做到工具登陆，那么需要获取到authenticity_token这个值，然后一起通过POST方法提交。那应该如何获取该值呢？
我们打开浏览器尝试手动正常登陆，同时按F12打开“开发者工具”，输入用户名和密码可以看到跳转到https://github.com/session，而authenticity_token的值就在如下图位置：
虽然是隐藏的，但是我们可以通过Xpath来获取它，然后跟其他参数一起提交登陆Github。看代码：
def login_github(username,password):#登陆Github #初始化参数 login_url = 'https://github.com/login' session_url = 'https://github.com/session' try:
#获取session s = requests.session()
resp = s.get(login_url).text
dom_tree = etree.HTML(resp)
#获取authenticity_token key = dom_tree.xpath('//input[@name="authenticity_token"]/@value')
user_data = {
'commit: 'Sign in',
'utf8': '✓',
'authenticity_token':key,
'login': username,
'password': password
}
#发送数据并登陆
s.post(session_url,data=user_data)
#验证是否登陆成功
s.get('https://github.com/settings/profile') return s
except:
print('产生异常，请检查网络设置及用户名和密码') 2.查询关键词及结果呈现
登陆后请求查询的URL,然后获取响应的页面，使用xpath解析节点获取想要的信息。关于xpath的语法请看这里
http://www.runoob.com/xpath/xpath-tutorial.html
我们还要将获取的信息写入表格里面，便于以后查看。详情如下：
def hunter(gUser,gPass,keyword,payloads): global sensitive_list
global tUrls
sensitive_list = []
tUrls = []
try:
#创建表格 csv_file = open('leak.csv','w',encoding='utf-8',newline='')
writer = csv.writer(csv_file)
#写入表头 writer = writerow(['URL','Username','Upload Time','Filename'])
#搜索信息 s = login_github(gUser,gPass)
print('登陆成功，正在检索泄露信息......')
sleep(1)
for page in tqdm(range(1,6)): #检索1到6页匹配关键词keyword的结果 search_code = 'https://github.com/search?p=' + str(page) + '&q=' + keyword + '&type=Code'
resp = s.get(search_code)
results_code = resp.text
dom_tree_code = etree.HTML(results_code) #采用lxml提供的etree来解析结果 Urls = dom_tree_code.xpath('//div[@class="d-inline-block col-10"]/a[2]/@href') #获取仓库地址 users = dom_tree_code.xpath('//a[@class="text-blod"]/text()') #获取用户名 datetime = dom_tree_code.xpath('//relative-time/text()') #获取上传时间 filename = dom_tree_code.xpath('//div[@class="d-inline-block col-10"]/a[2]/text()') #获取上传的文件名称 for i in range(len(Urls)):
for Url in Urls:
Url = 'https://github.com' + Url #获取的URl被截断，所以需要加入前缀便于访问 tUrls.append(Url)
writer.writerow([tUrls[i],users[i],datetime[i],filename[i]]) #写入表格文件 '''
以下部分主要是获取泄露的raw代码,然后在代码中搜索用户自定义的payload,例如 password,username,IP等等，然后把存在敏感关键词的URL存放在sensitvie_list列表中，用于后续的邮件发送预警。
''' for raw_url in Urls:
url = 'https://raw.githubusercontent.com' + raw_url.replace('/blob','')
code = requests.get(url).text
for payload in payloads:
if payload in code:
leak_url = '命中的Payload为：' + payload + '\r\n' + 'https://github.com' + raw_url + '\r\n\r\n\r\n' + '代码如下： \r\n' + code + '\r\n\r\n' sensitive_list.append(leak_url)
csv_file.close()
return sensitive_list
except Exception as e:
print(e) 以上代码的核心主要是采用xpath解析DOM树，然后根据需要的数据逐一获取然后写入表格中。最后请求raw.githubusercontent.com来获取源代码，根据用户提供的payload进行逐一匹配，如果匹配则记录payload、URL以及代码，然后发送邮件预警。
3.邮件预警
其实邮件发送部分不是工具的重点，但是还是有必要贴上代码部分。请看：
def send_warning(host,username,password,sender,receivers,content)
def _format_addr(s):
name,addr = parseaddr(s)
return formataddr((Header(name,'utf-8').encode(),addr)
msg = MIMEMultipart()
msg['From'] = _format_addr('Github安全监控<%s>' % sender)
msg['To'] = ''.join(receivers)
Subject = 'Github敏感信息泄露通知' msg['Subject'] = Header(Subject,'utf-8').encode()
msg.attach(MIMEText('Dear all \r\n\r\n请注意，怀疑Github上已经上传敏感信息！以下是可能存在敏感信息的仓库！\r\n\r\n'+content+'\r\n\r\n'))
with open('leak.csv','rb') as f:
m = MIMEBase('excel','csv',filename='leak.csv')
m.add_header('Content-Disposition','attachment',filename = 'leak.csv' m.add_header('Content-ID','<0>')
m.add_header('X-Attachment-ID','0')
m.set_payload(f.read())
encoders.encode_base64(m)
msg.attach(m)
try:
server = smtplib.SMTP(host,25)
server.login(username,password)
server.sendmail(sender,receivers,msg.as_string())
print('邮件发送成功！')
except Exception as err:
print(err)
server.quit()4.配置文件读取
我们将创建一个.ini的文件，便于工具读取我们想要传入工具的关键词、用户名、密码以及payload等等。ini配置文件定义如下：
[KEYWORD] keyword = your main keyword here [EMAIL] host = Email server user = Email User password = Email password [SENDER] sender = The email sender [RECEIVER] receiver1 = Email receiver No.1 receiver2 = Email receiver No.2 [Github] user = Github Username password = Github Password [PAYLOADS] p1 = Payload 1 p2 = Payload 2 p3 = Payload 3 p4 = Payload 4 p5 = Payload 5 p6 = Payload 6然后我们在main函数中读取它们，然后传入工具中。
if __name__ == '__main__':
config = configparser.ConfigParser()
config.read('info.ini')
g_User = config['Github']['user']
g_Pass = config['Github']['password']
host = config['EMAIL']['host']
m_User = config['EMAIL']['user']
m_Pass = config['EMAIL']['password']
m_sender = config['SENDER']['sender']
receivers = [] for k in config['RECEIVER']:
receivers.append(config['RECEIVER'][k])
keyword = config['KEYWORD']['keyword']
payloads = [] for key in config['PAYLOADS']:
payloads.append(config['PAYLOADS'][key])
sensitive_list = hunter(g_User, g_Pass, keyword, payloads) if sensitive_list:
print('\033[1;31;0m警告：找到敏感信息！\r\n\033[0m')
print('开始发送告警邮件......')
content = ''.join(sensitive_list)
send_warning(host, m_User, m_Pass, m_sender, receivers, content) else:
print('恭喜：未找到敏感信息！\r\n')
print('所有检查已完成，已生成报表！\r\n')
print('开始发送报表......\r\n')
send_mail(host, m_User, m_Pass, m_sender, receivers) 以上代码中存在另外一个send_mail函数，同样是发送邮件的功能跟send_warning功能一样，只是发送的内容不一样。这里不再赘述。这样我们就完成了整个工具的核心部分。怎么样？对于老司机来说很简单吧！
0×03 监控效果
1.运行效果
2.邮件预警
0×04 总结
该工具的特点在于它会先使用主关键词进行搜索，比如公司域名、邮箱、人员姓名等等。然后再从结果中去搜索使用者自定义的payload,如Password,User,Database等等。另外配合crontab可以做到每天进行搜索然后进行预警，但是建议每天运行2次，以防触发Github的反爬机制。其实写工具并不难，多思考，多练习，人人都是开发大佬。最后感谢@0xbug大佬的Hawkeye带来的灵感和参考。最后完整代码参考https://github.com/Hell0W0rld0/Github-Hunter。各位大佬请轻拍！谢谢！
*本文作者：ztencmcp，转自FreeBuf