羅利明 伍淳華 袁開國

北京郵電大學信息安全中心 北京 100876

0 引言

本文在吸收前人研究的成果上，設(shè)計了一個Windows下的基于NDIS(Network Driver Interface Specification)的Web郵件發(fā)送和接收監(jiān)控系統(tǒng)。鑒于監(jiān)控通過Web進行郵件接收的研究目前較少，本文重點針對Web郵件接收內(nèi)容的特點，提出了對Web接收郵件內(nèi)容監(jiān)控的解決方案。針對Web服務(wù)器在發(fā)送或接收一封 Web郵件時，一封郵件會分多次 TCP傳輸?shù)碾y題，本文提出通過他們內(nèi)在的標識 ID將多次傳輸?shù)腡CP連接組合成同一封郵件。實驗結(jié)果表明了該系統(tǒng)的有效性。

圖1 系統(tǒng)基本模型圖

1 Web郵件監(jiān)控系統(tǒng)的實現(xiàn)

1.1 系統(tǒng)框架圖

圖1是基于NDIS的Web郵件獲取的系統(tǒng)框架圖。由圖可知，最底層NIC是本機的網(wǎng)卡，數(shù)據(jù)包經(jīng)過網(wǎng)卡時由裝在網(wǎng)卡上的NDIS過濾驅(qū)動截取到，然后傳給應(yīng)用層進行TCP數(shù)據(jù)包的重組。在NDIS過濾驅(qū)動中可以設(shè)置要過濾的端口，本文設(shè)計的系統(tǒng)過濾了除源端口或目的端口為80的TCP包。接著進行HTTP協(xié)議的還原和Web郵件的提取。Web郵件模板庫是事先保存的識別各類郵箱的郵件服務(wù)器、發(fā)送者、接收者、內(nèi)容、附件等關(guān)鍵字的知識庫，在進行郵件信息提取的時候通過匹配 Web郵件模板庫中的信息，提取出郵件信息。Web郵件的發(fā)送或接收在有多條TCP連接時，還需要將多條TCP連接的信息組合成一封郵件。

1.2 TCP數(shù)據(jù)重組的實現(xiàn)

由于網(wǎng)絡(luò)狀況問題，在網(wǎng)絡(luò)中傳輸?shù)臄?shù)據(jù)包不一定會按照順序到達，本文根據(jù)TCP包的序列號和確認號將亂序的包進行重組。本文使用二維鏈表將獲得的包緩存起來，可以將此鏈表的結(jié)構(gòu)看成是一個二維數(shù)組。每一個縱列是一個四元組(源 IP地址，目的 IP地址，源端口，目的端口)標識，如果新來的包已存有四元組標識，根據(jù)該包序列號的按序插入到該縱列中的橫向隊列里面去，若沒有該標識，則新建一個四元組，隊列長度的大小是動態(tài)變化的。數(shù)組包重組的流程圖如圖2所示。

圖2 TCP數(shù)據(jù)包重組

1.3 HTTP協(xié)議還原

1.3.1 HTTP請求的還原

Web郵件的發(fā)送主要是通過瀏覽器發(fā)送HTTP請求給服務(wù)器，因此通過還原HTTP請求數(shù)據(jù)，就能獲取郵件信息。HTTP請求數(shù)據(jù)是經(jīng)過編碼的，在請求頭中給出了信息編碼的格式，中文編碼類型主要為UTF-8，表示為Content-Type:charset= UTF-8。

請求行數(shù)據(jù)的長度在請求頭中由消息頭 Content-Length給出，請求行數(shù)據(jù)的起始位置在請求頭末尾處兩個回車換行( )后的位置，復(fù)制 Content-Length長的數(shù)據(jù)就得到了HTTP請求的數(shù)據(jù)。

HTTP請求的還原，是通過對請求行數(shù)據(jù)進行UTF-8的解碼，解碼后的數(shù)據(jù)就是原始發(fā)送郵件的內(nèi)容。

1.3.2 HTTP回應(yīng)的還原

Web接收郵件的內(nèi)容，主要是服務(wù)器返回的響應(yīng)報文，對HTTP回應(yīng)報文進行還原后就能分析出郵件的內(nèi)容。HTTP響應(yīng)報文是編碼壓縮的，這在HTTP回應(yīng)頭中標識了報文的編碼類型，消息頭一般為Content-Encoding: gzip，這說明內(nèi)容是 gzip編碼的，將該內(nèi)容以十六進制方式查看可以看到gizp壓縮的起始標志是1F8B。

HTTP回應(yīng)報文的還原主要是對以gzip編碼的內(nèi)容進行解壓縮，再對解壓縮后的內(nèi)容進行UTF-8解碼。本文使用zlib庫來解壓gzip數(shù)據(jù)。對報文進行解壓縮時需要知道壓縮內(nèi)容的長度，HTTP回應(yīng)頭提供了兩種表示長度的方法。

圖3是回應(yīng)頭為Transfer-Encoding: chunked時獲取響應(yīng)報文數(shù)據(jù)的流程圖。

圖3 Transfer-Encoding: chunked獲取報文流程圖

1.4 Web郵件模板庫的建立

由于不同的 Web郵箱服務(wù)器提供者提供了不同的郵件格式，同時Web郵件也在不停的更新，這對匹配不同類型的郵件提供了難度。本文將這些郵件匹配的標識關(guān)鍵字建立模板庫，并保存在數(shù)據(jù)庫中。

經(jīng)過大量的觀察和實驗，發(fā)現(xiàn)每類郵箱在發(fā)送和接收郵件時有固定的標識來分辨郵件每一部分，因此可以總結(jié)出各類郵箱的關(guān)鍵字。以163郵箱為例，表1列出了163郵箱的郵箱服務(wù)器、發(fā)送者、接收者、主題、內(nèi)容、附件關(guān)鍵字的信息。

表1 163收和發(fā)各字段關(guān)鍵字

本文在實驗中總結(jié)了163、QQ、sina、sohu、126、hotmail、yahoo常用的7種郵箱標識，以此建立了Web郵件模板庫。在程序初始化時讀取到程序中，在提取郵件信息的時候進行匹配。

1.5 發(fā)送和接收Web郵件提取算法

在組合成郵件數(shù)據(jù)的時候，我們要把源IP、目的IP、源端口、目的端口標識的TCP流和與之相反的TCP流組合在一起，因為這代表了一個HTTP連接的請求和響應(yīng)的完整過程。發(fā)送和接收Web郵件內(nèi)容的提取算法如圖4所示。

圖4 發(fā)送和接收的Web郵件提取算法

還原了HTTP數(shù)據(jù)后，開始進行郵件的分析，對HTTP請求報文的主體和響應(yīng)報文的主題分別分析，就可以獲取發(fā)送郵件和接收郵件的信息。

以163郵箱發(fā)送郵件為例，首先判斷請求報文的主體判斷是否有“webmail.mail.163.com”。我們使用的查找函數(shù)為char *KeyFind(char *sourceData, int sourceLen, char *keyData,int keyLen)，sourceData是將要查找的數(shù)據(jù)，sourceLen是sourceData的長度，keyData是要查找的關(guān)鍵字，keyLen是keyData的長度，如果查找成功，則返回查找的位置，否則返回空。如果數(shù)據(jù)中有郵件服務(wù)器標識，則將數(shù)據(jù)進行UTF-8解碼，然后根據(jù)163郵件模板庫中的知識提取郵件信息，提取出信息后寫入數(shù)據(jù)庫中。

對于接收郵件內(nèi)容的提取，是通過分析HTTP響應(yīng)報文來完成的。首先判斷HTTP響應(yīng)數(shù)據(jù)中是否有Content-Encoding:gzip標識，如果有則進行g(shù)zip壓縮，gzip壓縮成功后進行郵件信息的提取。如果沒有則結(jié)束分析。gzip解壓縮成功后，就可以通過Web模板庫中的知識匹配郵件信息，如果匹配成功，則進行UTF-8解碼，提取郵件信息并寫入數(shù)據(jù)庫。

1.6 多條TCP連接郵件內(nèi)容的獲取

如果一封郵件的發(fā)送和接收是在一個TCP連接中，則很容易通過上述的郵件提取算法獲取郵件的全部信息。但是對于發(fā)送帶附件的郵件，郵件服務(wù)器會將郵件和附件分多次傳輸，比如sina、163、QQ郵箱等。對于接收郵件也存在同樣的問題，比如163郵箱的內(nèi)容和主題等字段是分兩次傳輸?shù)摹?/p>

本文提出通過尋找郵件的內(nèi)在標識 ID來解決同一封郵件分多次TCP傳輸?shù)膯栴}。而這個內(nèi)在的標識ID，本文通過實驗測試發(fā)現(xiàn)，對于各類郵箱都可以找到。

本文設(shè)置了一個結(jié)構(gòu)體，結(jié)構(gòu)體的結(jié)構(gòu)如下：

結(jié)構(gòu)體中的有 ID、ID獲取的時間、郵件內(nèi)容、郵件主題、發(fā)送者、接收者、附件名、附件內(nèi)容等標識一封郵件的信息。同時設(shè)置一個該結(jié)構(gòu)體數(shù)組，本文設(shè)置的數(shù)組值為10，表示可以匹配10封多TCP連接的郵件，這個值也可以根據(jù)需要設(shè)成其他的值。

圖5為多條TCP連接的郵件內(nèi)容獲取的算法。

圖5 多條TCP連接郵件內(nèi)容獲取算法

從以上算法圖可知，如果有標識郵件ID的郵件信息，先將該ID和郵件信息保存在結(jié)構(gòu)體g_mailIDDataStruct數(shù)組中，并判斷郵件信息是否完整，如果不完整，等待該ID的其他郵件信息獲取，如果郵件信息獲取完整，則將該郵件寫入數(shù)據(jù)庫。如果g_mailIDDataStruct結(jié)構(gòu)體數(shù)組值已達到最大，而又有新來的ID，則找出數(shù)組中各ID的時間距離當前最大的時間，可以認為該ID標識的郵件匹配失敗，將新來的ID賦給該數(shù)組值。

對于郵件的附件內(nèi)容的獲取，如果是 txt文檔，則直接獲取內(nèi)容，如果是Word和pdf則可以使用PDFBox等工具先將內(nèi)容轉(zhuǎn)化成文檔流。如果是壓縮文件，可以先進行相應(yīng)的解壓縮，然后根據(jù)文件類型并進行相應(yīng)的處理。

1.7 敏感郵件報警

對于一些涉及安全、保密等機構(gòu)，在監(jiān)測到郵件內(nèi)容后，可以事先設(shè)置郵件的敏感關(guān)鍵字，在郵件寫入數(shù)據(jù)庫后根據(jù)敏感關(guān)鍵字匹配，如果符合設(shè)置的條件，則可以用鮮明的顏色標識出來，或者給管理者發(fā)信息，使得能夠?qū)崟r的監(jiān)測郵件的動態(tài)。從而能夠及時發(fā)現(xiàn)泄密、違法等郵件。

2 性能測試

本實驗的測試環(huán)境為百兆網(wǎng)速的局域網(wǎng)，測試的PC機的處理器為英特爾 Pentium(奔騰)雙核 E6500@2.93GHz，內(nèi)存為4GB，硬盤為西數(shù)320GB，測試的操作系統(tǒng)有Windows XP，Win7(32位)和Win7(64位)。通過將NDIS驅(qū)動裝在個人PC機上進行了163、新浪、QQ、126等郵箱收發(fā)的測試，每個郵箱的發(fā)送和接收郵件達100封，測試內(nèi)容包括郵件內(nèi)容和郵件附件。表2是實驗的結(jié)果統(tǒng)計圖。

表2 發(fā)送和接收郵件統(tǒng)計結(jié)果

通過實驗統(tǒng)計結(jié)果表明，不論是發(fā)送還是接收郵件，郵件內(nèi)容和附件的準確獲取率達 98%以上。其他的 2%是由于局域網(wǎng)網(wǎng)絡(luò)狀況不好，從而導(dǎo)致的網(wǎng)絡(luò)丟包和包損壞所引起的。因為系統(tǒng)中設(shè)置了一個超時時間1分鐘，如果在1分鐘內(nèi)郵件仍沒有發(fā)出去或接收完全，則舍棄該封郵件有關(guān)的TCP數(shù)據(jù)包，不再分析該郵件內(nèi)容。這樣做的原因是，如果長時間的下載大文件或進行視頻傳輸，數(shù)據(jù)量會非常大，及時舍棄這些數(shù)據(jù)可以保證系統(tǒng)更好的運行。

經(jīng)過大量測試表明，本系統(tǒng)能夠在網(wǎng)絡(luò)正常情況下準確獲取在網(wǎng)絡(luò)中傳輸?shù)拿魑木W(wǎng)絡(luò)郵件。

3 總結(jié)

針對目前應(yīng)用比較廣泛的Web郵件服務(wù)，本文從原理到實踐詳細地闡述了獲取Web郵件發(fā)送和接收內(nèi)容和附件的方法。本文重點講述了Web接收郵件的監(jiān)控和多TCP連接郵件內(nèi)容的組合，并通過建立Web郵件模板庫來匹配各類郵件信息。目前Web郵件實現(xiàn)的難點是組合具有多個TCP連接的同一封郵件，本文提出了用標記同一封郵件的ID來組合他們。但是本方式同時存在一定劣勢，比如本文使用的方式為驅(qū)動方式，必須要求客戶機安裝驅(qū)動，實際應(yīng)用可以用其它方式替代。本文講述的系統(tǒng)模型可以在個人 PC機上實現(xiàn)，也可以在裝有網(wǎng)卡的其他符合Windows網(wǎng)絡(luò)協(xié)議機器上實現(xiàn)。隨著Internet的不斷發(fā)展，Web郵件內(nèi)容和附件的獲取在現(xiàn)在或是將來都有很重大的意義。

[1] 中國互聯(lián)網(wǎng)絡(luò)信息中心(CNNIC). 第29次互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告[EB/OL]. http://www.cnnic.cn/research/bgxz/tjbg/201201/P020120118512855484817.pdf.

[2] 朱鴻旭,劉嘉勇. Linux平臺下基于特征庫的Webmail監(jiān)控系統(tǒng)[J].信息網(wǎng)絡(luò)安全.2010.

[3] Rui Lu,Jia Mi,Bo Huang. Design and Implementation of Email Aduiting System[C].IEEE 2010.

[4] 朱隨江,王澤東,劉宇,劉寶旭.基于模板的 WebMail審計系統(tǒng)的設(shè)計與實現(xiàn)[J].計算機應(yīng)用與軟件.2011.

[5] 譚文,楊瀟,邵堅磊.寒江獨釣:Windows內(nèi)核安全編程[M].電子工業(yè)出版社.2009.

[6] Windows Driver Development Kit.

[7] Andrew S. Tanenbaum著,潘愛民譯.計算機網(wǎng)絡(luò)[M].清華大學出版社.2004.

[8] 譚敏生,湯亮.基于 HTTP的網(wǎng)絡(luò)數(shù)據(jù)包還原技術(shù)研究[J].計算機技術(shù)與發(fā)展.2007.

[9] www.zlib.net.