碎碎念

原本只是打算对冰蝎做个简单的二次开发,目的是修改其流量特征以绕过检测。实际动手之后却发现,可供修改的空间并不算大。比如:
• UA头:冰蝎4已支持自定义;
• Header:可以自定义;
• POST 数据发送/接收方式:可以通过自定义通信协议进行调整。

最终可操作空间主要集中在:
• Accept 头部;
• JA3 指纹;
• TLS 证书等方面。

于是我查阅了一些资料,意外地发现,网络上关于“冰蝎 + HTTPS 通信 + JA3指纹”的讨论几乎很少,大多数的JA3分析文章都是围绕 Cobalt Strike(CS)展开的。下面就简单梳理一下关于 TLS加密流量检测的必要性 和 绕过JA3指纹检测的一些方法。

一、检测TLS加密流量的必要性

  1. 外到内的流量(攻击者上传 WebShell)

当前大部分主流安全设备如果想要对 外部流入内部 的 TLS 流量进行解密,通常需要配置SSL证书。但实际部署中会面临多种问题:
• 客户侧无法配合安装代理证书;
• HTTPS证书管理混乱;
• 不同安全产品厂家的兼容性。

这导致很难实现对所有TLS流量的解密与分析。此时,若某台服务器存在漏洞并被植入冰蝎、哥斯拉等 WebShell,我们该如何检测其通信流量呢?

  1. 内到外的流量(终端中毒C2连接)

若某终端用户被钓鱼攻击成功,恶意程序尝试通过 TLS 与外部C2服务器通信,且该通信并未被代理解密,如何识别这种行为,也成为检测中的一个难点。

二、常见的TLS流量检测方式

JA3 指纹检测

JA3 是一种基于客户端在 TLS 握手阶段 ClientHello 中字段特征的指纹识别方式,主要包括:
• TLS版本
• 支持的 Cipher Suites
• 支持的 Extensions
• 椭圆曲线(Elliptic Curves)
• EC Point Formats

JA3 字符串 = md5(<Version>,<Cipher Suites>,<Extensions>,<Elliptic Curves>,<EC Point Formats>)

以冰蝎为例

TLS证书特征

常用于检测 CS、Sliver 等 C2 工具。部分证书有固定特征,如:
• 相同的自签名信息;
• 不合理的有效期;
• 异常的公钥长度等。

流量元数据特征

包括:
• 可疑的域名(如极长的子域名、看似随机的字符串);
• TLS连接频率异常;
• IP归属异常等。

机器学习与图模型检测

谷歌学术上搜索关键词如 “Encrypted Malicious Traffic” 会出现大量这类研究。常见做法是使用海量加密流量数据训练分类器(机器学习/深度学习/图神经网络),来识别恶意行为。

但目前在工业界应用较少。国内真正实现并落地这类技术的平台不多(可能是我见识少)。本文也不打算深入讨论这类绕过方式。

其他方式

例如:
• 恶意软件生成的流量中可能存在可识别的明文片段;
• TLS通信结构上的异常等。

如果自己从头实现通信模块,那基本能绕过大多数基于特征的检测方法(滑稽)。

三、绕过 JA3 指纹的思路(以冰蝎为例)

JA3 字符串 = md5(<Version>,<Cipher Suites>,<Extensions>,<Elliptic Curves>,<EC Point Formats>)

只要能修改其中任意一个字段,就可以改变最终的 JA3 哈希值。但实际操作中并不简单,因为:
• 冰蝎的HTTPS请求是通过 okhttp 发起的(源码位于net.rebeyond.behinder.utils);
• okhttp 和 Java 中其他发起HTTPS请求的类,大多底层都使用 SSLSocketFactory 或 SSLContext;
• 这意味着 JA3 指纹几乎是由 JDK 决定的。

所以要实现绕过,有以下几种方案:

方案一:寻找第三方类

使用不依赖 SSLSocketFactory/SSLContext 实现 TLS 握手的第三方库,例如:
• JNI 方式调用 C/C++ 实现的 OpenSSL;
• 使用 native socket 实现 TLS 握手。

方案二:自实现 TLS 握手

更极端的方法是:
• 修改JNI,自行构建TLS协议栈;
• 从TLS ClientHello开始构建各字段,完全控制字段内容;
• 这样可构造出任意想要的JA3指纹。

方案三:中间人代理修改JA3

比如:
• 使用 Burp Suite 作为中间人代理;
• 搭配 burp 插件 burp-awesome-tls,可以修改 TLS 握手相关参数;
• 注意:记得同时修改默认CA证书内容,以免特征被识别。

某些CS的JA3指纹绕过方式也适用于冰蝎

四、总结

虽然冰蝎相比CS在流量指纹研究上存在“冷门”的问题,但其HTTPS流量同样具有明确的TLS特征。通过理解 JA3 的组成结构并控制TLS握手逻辑,就可以有效实现指纹混淆,从而绕过部分基于指纹的检测系统。

​

参考资料


•
https://www.freebuf.com/sectool/374321.html
•
https://zhuanlan.zhihu.com/p/597466186
•
https://cloud.tencent.com/developer/article/2280114
•
https://www.cnblogs.com/thebeastofwar/p/17839287.html#ja3ja3sjarm-%E6%8C%87%E7%BA%B9%E4%BF%AE%E6%94%B9