安全开发--8--Python实现流量数据包（pcap包）分析

本博客地址：https://security.blog.csdn.net/article/details/126537766

一、前言

本篇我们会使用Python从HTTP流量中提取出图片文件，然后使用OpenCV对它们进行处理，尝试识别出带有人脸的图像，以此来锁定我们可能感兴趣的内容。至于流量数据包，可以百度搜索帅哥美女图片，有人脸的图片就会一抓一大把，再使用wireshark之类的工具来抓取等等，方式很多，就不介绍了。

对于这个需求，我们会分为两步来执行，第一步是从HTTP流量中提取图片，并将它们保存到磁盘上；第二步是分析每一张图片以判断里面是否会出现人脸，如果图片里面确实有人脸， 就用一个方框把其中的人脸圈出来，并单独保存（另存为）。

二、代码实例

代码中已有明确注释，因此不再做单独的逻辑解释。

第一段代码，提取图片，命名为：recapper.py

#!/usr/bin/python#-*- coding:utf8 -*-from scapy.allimport*import collections
import os
import re
import sys
import zlib

# 指定保存图片的目录和pcap文件的路径
OUTDIR ='/home/kali/D/pictures'
PCAPS ='/home/kali/D'# Response命名元组，数据包头header，载荷payload
Response = collections.namedtuple('Response',['header','payload'])# 获取数据包头（读取原始HTTP流量，将数据头单独切出来）defget_header(payload):try:# 从数据包开头往下找两个连续的\r\n，把这整段数据切出来
        header_raw = payload[:payload.index(b'\r\n\r\n')+2]except ValueError:# 如果不存在就报异常，并输出符号“-”
        sys.stdout.write('-')
        sys.stdout.flush()returnNone# 如果没发生异常，就将HTTP头中的每一行以冒号分割，冒号左边是字段名，右边是字段值，然后存储在header字典中# 这里由于运行报错的原因（utf-8编码报错），使用了ISO-8859-1编码
    header =dict(re.findall(r'(?P<name>.*?): (?P<value>.*?)\r\n', header_raw.decode('ISO-8859-1')))# 如果HTTP头中没有名为Content-Type的字段，就返回Noneif'Content-Type'notin header:returnNonereturn header

# 提取数据包内容，image是我们想提取的数据类型的名字defextract_content(Response, content_name ='image'):
    content, content_type =None,None# 含有图片的响应包，数据头的Content-Type会有image标识if content_name in Response.header['Content-Type']:# 将数据头中指定的实际数据类型保存下来
        content_type = Response.header['Content-Type'].split('/')[1]# 将HTTP头之后的全部数据保存下来
        content = Response.payload[Response.payload.index(b'\r\n\r\n')+4:]# 如果数据被gzip或deflate之类的工具压缩过，就调用zlib来解压# 这里使用Content-Encoding报错，因此使用Accept-Encodingif'Accept-Encoding'in Response.header:# if Response.header['Content-Encoding'] == 'gzip':if Response.header['Accept-Encoding']=='gzip':
                content = zlib.decompress(Response.payload, zlib.MAX_WBITS |32)elif Response.header['Accept-Encoding']=='deflate':
                content = zlib.decompress(Response.payload)return content, content_type

# 重构在数据包中出现过的图片classRecapper:# 将要读取的pcap文件路径传给它def__init__(self,fname):
        pcap = rdpcap(fname)# TCP数据流保存到字典里
        self.sessions = pcap.sessions()
        self.responses =list()# get_responses的作用是从pcap文件中遍历读取响应数据defget_responses(self):# 遍历整个sessions字典中的每个会话for session in self.sessions:
            payload =b' '# 遍历每个会话中的每个数据包for packet in self.sessions[session]:try:# 过滤数据，只处理发往80或者从80端口接收的数据if packet[TCP].dport ==80or packet[TCP].sport ==80:# 把所有读取到的数据载荷做拼接# 相当于wireshark中右键单击一个数据包，点击“Follow TCP Stream”
                        payload +=bytes(packet[TCP].payload)except IndexError:# 如果报错就打印一个“x”
                    sys.stdout.write('x')
                    sys.stdout.flush()# 如果payload有数据，就将其交给get_header函数解析if payload:
                header = get_header(payload)if header isNone:continue# 把构造出的response对象附加到responses列表中
                self.responses.append(Response(header=header,payload=payload))# write的作用是把在响应数据中找到的图片写入到输出目录里defwrite(self,content_name):# 遍历所有responses响应for i,response inenumerate(self.responses):# 提取响应中的内容
            content, content_type = extract_content(response,content_name)if content and content_type:
                fname = os.path.join(OUTDIR,f'ex_{i}.{content_type}')print(f'Writing {fname}')# 将内容写到一个文件里withopen(fname,'wb')as f:
                    f.write(content)if __name__ =='__main__':
    pfile = os.path.join(PCAPS,'test.pcap')
    recapper = Recapper(pfile)
    recapper.get_responses()
    recapper.write('image')

第二段代码，分析图片，命名为：detector.py

#!/usr/bin/python#-*- coding:utf8 -*-import cv2
import os

ROOT ='/home/kali/D/pictures'
FACES ='/home/kali/D/faces'
TRAIN ='/home/kali/D/training'# 检查每张图片并确认里面是否有人脸，对于有人脸的图片# 在人脸周围画一个方框，然后存储为另一张新图片defdetect(srcdir=ROOT, tgtdir=FACES, train_dir=TRAIN):for fname in os.listdir(srcdir):# 图片可能是“JPG”、“PNG”、“JPEG”等，需要一类一类去验证ifnot fname.upper().endswith('.JPEG'):continue
        fullname = os.path.join(srcdir, fname)
        newname = os.path.join(tgtdir,fname)# 使用OpenCV的计算视觉库cv2来读取图片
        img = cv2.imread(fullname)if img isNone:continue
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 加载人脸检测器的xml文件配置# 下载地址：http://eclecti.cc/files/2008/03/haarcascade_frontalface_alt.xml
        training = os.path.join(train_dir,'haarcascade_frontalface_alt.xml')# 创建cv2的面部检测对象
        cascade = cv2.CascadeClassifier(training)
        rects = cascade.detectMultiScale(gray,1.3,5)try:# 如果包含人脸，就返回一个长方形的坐标，对应图片的人脸区域if rects.any():print(f'Got a face {fname}')# 人脸区域坐标
                rects[:,2:]+= rects[:,:2]except AttributeError:continuefor x1, y1, x2, y2 in rects:# 在人脸周围画一圈绿色方框
            cv2.rectangle(img,(x1, y1),(x2, y2),(127,256,0),2)# 将画了方框的新图片存储到指定目录中
        cv2.imwrite(newname, img)if __name__ =='__main__':
    detect()

三、运行测试

首先安装OpenCV（人脸识别算法所需的文件）：

apt-get install libopencv-dev python3-opencv python3-numpy python3-scipy

其次下载人脸识别算法的训练文件：

wget http://eclecti.cc/files/2008/03/haarcascade_frontalface_alt.xml

运行代码前，我们需要仔细阅读代码，

尤其注意那几个文件路径

，将对应的文件放到对应的文件夹中，或者自行修改代码中的文件路径。

运行代码：

python recapper.py

可见已经将数据流量包的图片提取到pictures文件夹中了。

之后运行代码：

python detector.py 

可见已经将人脸图片单独存储在faces文件夹中了。

打开其中一个，可见已经额为人脸画了圈。