本文作者：夏之冰雪，i春秋簽約作家
《我在百度網盤上看到上萬條車主個人信息,企業、政府高官信息、各種數據庫和無窮無盡的盜版》，一時間，這篇文章就火了，火爆程度另百度猝不及防。
其實呢，這事真不能全怪百度，畢竟用戶分享出去了。之所以引起這么大轟動，主要是因為用戶的文件本身，什么數據都有，導致這次危害或者說恐慌，進行了放大。
每一次危機過去之后————
普通人，只會對其津津樂道；
有能力的人，會思考如何避免再次發生；
而開拓者，則會洞察整個形勢。
百度網盤泄露事件留給了我們什么
百度事件發生，得到消息的人會趕緊確認自己的隱私文件是否被分享，然后盡快取消分享保證安全。一周過后，風波也就散了，基本就沒有什么話題或者新聞了。
這里我拋出一系列問題：
除了百度網盤，還有沒有其它類似的問題？
遭受泄露的用戶群體，有哪些通性？
從事技術行業的人，更具備敏感意識么？他們是否更大程度避免發生這類問題？
本篇文章不會給出答案，因為這是開放性問題，沒有絕對的答案。上面這幾個問題，目的是為了讓大家帶著思考去看下文，之后，你可能會對百度事件，有一個更全面的認識。
從最大的同性社交平臺獲取數據
好了，言歸正傳，回到題目。題目不是噱頭，毋庸置疑github是全球最大的同性社交平臺，這篇文章，我會通過github向大家展示一種攻擊思路，以及我的一個成果：
我有幾千個github賬號和密碼（確實沒有上萬，不吹牛逼，該多少就多少）。
幾千個賬號，說多不多，說少不少，所運用到的技術原理————基于爬蟲的數據攻擊，這方面的研究（不知道算不算學術）差不多有一年多了，我會把可公開的內容展示給大家，研究的結果還不是很成熟，歡迎大家在下面回帖討論，很樂意與大家交流。
在github平臺，用戶需要輸入賬號和密碼登陸，而賬號可以輸入郵箱也可以輸入github的用戶名。
github用戶名就是所謂的git賬號，這個是對外公開的，查看個人主頁，或者查看代碼時候，都會在比較明顯的地方顯示用戶名，通過用戶名可以直接登錄github。比如這個哥們，他叫Sushil Thasale，而他的github賬號是sushil-thasale。
賬號很容易得到，那么密碼怎么才能知道呢？直接上圖！
這是某個用戶的密碼：
這是這個用戶的登陸后的頁面：
這個用戶名字是四位，很好的賬號——jv98，他的密碼很復雜：
這是登陸后的個人主頁：
其實我們還能知道用戶的郵箱，這個用戶的郵箱是Oliver.andersson.te14c @ gmail.com，如此復雜，他的密碼卻很簡單：
個人賬戶設置頁面，我可以悄悄地加一個郵箱進行監控：
再給一個2013年就注冊的賬號和密碼：
登陸后的個人主頁：
好了，不曬圖了，這種賬號確實有幾千個，而且有好多都是github的重度用戶。
細心的讀者應該已經發現，我是怎么找到他們的密碼的了。所有密碼截圖，都是來自他們自己上傳到github項目的代碼里，所有截圖都是代碼截圖。我利用了github的搜索技術，搜索到一堆想要的賬號和密碼，然后進行登錄嘗試，登陸成功的我就記下來。
那么，怎么搜索才能找到呢？
充分利用開源項目，開源項目有固定的存儲密碼的位置，比如php語言的wordpress，密碼存放位置在根目錄下的wp-config.php文件中，代碼內容define(‘DB_PASSWORD’, ‘password’)。
開源項目有很多，就拿php語言來說，就有wordpress、joomla、phpcms、discuz等。
利用搜索技術，比如同時搜索多個關鍵詞define，DB_PASSWORD，篩選語言為php，基本就能列出所有wordpress的密碼了。
善于利用搜索技術，對于密碼為空的要過濾掉，對于密碼為####、*這種的也要過濾掉。
以上操作，千萬不要手工，開頭我都說了————基于爬蟲的數據攻擊，所以我們要寫爬蟲，自動爬取github數據，然后通過正則匹配篩選掉不想要的數據。
這里的核心就是爬蟲，以及過濾。過濾技術用得越好，數據越有價值，爆破的時間成本越低！
除了過濾掉常見的password、####、、空密碼等，還有一個細節一定要注意：
沒錯，github密碼有要求的，所以我們可以寫個正則，只保留符合 github 密碼要求的，這樣我就拿到了一堆價值數據。
然后再用python寫個程序，模擬登陸github就可以了。
最后再展示一個github項目比較多的賬號：
為了避免引起額外信息泄露，暫時無法提供更多深入的數據和完整的爬蟲框架腳本。
坐擁這些賬號，目前我能想到的賺錢方法就是，收費幫別人的項目點贊。
網絡安全從業者與爬蟲技術
爬蟲技術本身，并不能實施黑客攻擊，也不能直接與安全連在一起。
但是縱觀很多安全方面的東西，卻又都離不開爬蟲技術：
百度網盤數據泄露，爬蟲惹的禍。
某企業存在通過id泄露數據，我們可以編寫爬蟲批量掃描id獲取數據。
某網站權限配置不當，導致在特定情況訪問登陸后的頁面，這時候也可能需要寫爬蟲。
wvs等安全工具，嚴重依賴爬蟲，通過爬蟲爬取網站組織架構。
探探app，兩年前我就玩過，含有大量美女，我的第一反應不是感不感興趣，而是悄悄地寫了個爬蟲，獲取了大量圖片，而且我還發現他們防色情做的不嚴謹。（開個玩笑）
寫到這里，大家應該明白了，為什么我強調爬蟲的重要性了。
另外，爬蟲可以使很多事情變得有趣，只要肯琢磨，腦洞足夠開，我們完全可以實施很多攻擊。
從過來人角度說一下，自己的成長蠻有意思的，從爬蟲起家學技術，中途又在公司從事過接近一年的數據挖掘，這兩個技術的結合，給我的學習和研究，帶來了很多興趣。
當你具備爬蟲和數據分析時，你真的可以去改變一些事情。
烏云密布的爬蟲
百度網盤這件事，是我不想看到的，這類安全問題的一個共同特點：
用戶自身確實存在問題。
從嚴格意義上講，這個不是漏洞。
企業在修復時，處于下風，甚至無能為力、無法修復。
就拿github這個例子來說，除非我把github幾千個賬號發出來，github把每個人賬號都凍結。
我只是嘗試了一些開源項目，還有很多項目我沒有實施爬蟲攻擊，比如facebook的redmine項目等，很有可能這些項目代碼里，也有密碼泄露。
真的沒辦法根治！未來，我擔心會有越來越多的安全問題，屬于沒有辦法根治的，卻存在極大安全隱患的。就好比，我生大病了，我卻不知道怎么治，你說問題嚴重么？
只說結論：
腳本執行了一個下午，我便擁有了幾百個阿里云服務，其中不乏性能很高的服務，不乏百萬數據級別的redis服務，也不乏企業服務。這些服務里面的數據，我不知道有多少價值，泄露會引起多少恐慌，因為我一條都沒看過。
這是提交給阿里云之后，阿里云的修復建議（很早之前的短信了）：
我的同事、朋友們之中，都有收到阿里云的這條短信。嗯，沒錯，因為漏洞本身源自用戶自己的數據泄露，只能通過短信提醒用戶。
是不是和百度網盤泄露，有相似之處？
就寫到這里吧。。。
安全漸遠漸行，卻總有一些無能為力的事情發生，絲絲的痛
過程詳解)
