本文作者：夏之冰雪，i春秋签约作家
《我在百度网盘上看到上万条车主个人信息,企业、政府高官信息、各种数据库和无穷无尽的盗版》，一时间，这篇文章就火了，火爆程度另百度猝不及防。
其实呢，这事真不能全怪百度，毕竟用户分享出去了。之所以引起这么大轰动，主要是因为用户的文件本身，什么数据都有，导致这次危害或者说恐慌，进行了放大。
每一次危机过去之后————
普通人，只会对其津津乐道；
有能力的人，会思考如何避免再次发生；
而开拓者，则会洞察整个形势。
百度网盘泄露事件留给了我们什么
百度事件发生，得到消息的人会赶紧确认自己的隐私文件是否被分享，然后尽快取消分享保证安全。一周过后，风波也就散了，基本就没有什么话题或者新闻了。
这里我抛出一系列问题：
除了百度网盘，还有没有其它类似的问题？
遭受泄露的用户群体，有哪些通性？
从事技术行业的人，更具备敏感意识么？他们是否更大程度避免发生这类问题？
本篇文章不会给出答案，因为这是开放性问题，没有绝对的答案。上面这几个问题，目的是为了让大家带着思考去看下文，之后，你可能会对百度事件，有一个更全面的认识。
从最大的同性社交平台获取数据
好了，言归正传，回到题目。题目不是噱头，毋庸置疑github是全球最大的同性社交平台，这篇文章，我会通过github向大家展示一种攻击思路，以及我的一个成果：
我有几千个github账号和密码（确实没有上万，不吹牛逼，该多少就多少）。
几千个账号，说多不多，说少不少，所运用到的技术原理————基于爬虫的数据攻击，这方面的研究（不知道算不算学术）差不多有一年多了，我会把可公开的内容展示给大家，研究的结果还不是很成熟，欢迎大家在下面回帖讨论，很乐意与大家交流。
在github平台，用户需要输入账号和密码登陆，而账号可以输入邮箱也可以输入github的用户名。
github用户名就是所谓的git账号，这个是对外公开的，查看个人主页，或者查看代码时候，都会在比较明显的地方显示用户名，通过用户名可以直接登录github。比如这个哥们，他叫Sushil Thasale，而他的github账号是sushil-thasale。
账号很容易得到，那么密码怎么才能知道呢？直接上图！
这是某个用户的密码：
这是这个用户的登陆后的页面：
这个用户名字是四位，很好的账号——jv98，他的密码很复杂：
这是登陆后的个人主页：
其实我们还能知道用户的邮箱，这个用户的邮箱是Oliver.andersson.te14c @ gmail.com，如此复杂，他的密码却很简单：
个人账户设置页面，我可以悄悄地加一个邮箱进行监控：
再给一个2013年就注册的账号和密码：
登陆后的个人主页：
好了，不晒图了，这种账号确实有几千个，而且有好多都是github的重度用户。
细心的读者应该已经发现，我是怎么找到他们的密码的了。所有密码截图，都是来自他们自己上传到github项目的代码里，所有截图都是代码截图。我利用了github的搜索技术，搜索到一堆想要的账号和密码，然后进行登录尝试，登陆成功的我就记下来。
那么，怎么搜索才能找到呢？
充分利用开源项目，开源项目有固定的存储密码的位置，比如php语言的wordpress，密码存放位置在根目录下的wp-config.php文件中，代码内容define(‘DB_PASSWORD’, ‘password’)。
开源项目有很多，就拿php语言来说，就有wordpress、joomla、phpcms、discuz等。
利用搜索技术，比如同时搜索多个关键词define，DB_PASSWORD，筛选语言为php，基本就能列出所有wordpress的密码了。
善于利用搜索技术，对于密码为空的要过滤掉，对于密码为####、*这种的也要过滤掉。
以上操作，千万不要手工，开头我都说了————基于爬虫的数据攻击，所以我们要写爬虫，自动爬取github数据，然后通过正则匹配筛选掉不想要的数据。
这里的核心就是爬虫，以及过滤。过滤技术用得越好，数据越有价值，爆破的时间成本越低！
除了过滤掉常见的password、####、、空密码等，还有一个细节一定要注意：
没错，github密码有要求的，所以我们可以写个正则，只保留符合 github 密码要求的，这样我就拿到了一堆价值数据。
然后再用python写个程序，模拟登陆github就可以了。
最后再展示一个github项目比较多的账号：
为了避免引起额外信息泄露，暂时无法提供更多深入的数据和完整的爬虫框架脚本。
坐拥这些账号，目前我能想到的赚钱方法就是，收费帮别人的项目点赞。
网络安全从业者与爬虫技术
爬虫技术本身，并不能实施黑客攻击，也不能直接与安全连在一起。
但是纵观很多安全方面的东西，却又都离不开爬虫技术：
百度网盘数据泄露，爬虫惹的祸。
某企业存在通过id泄露数据，我们可以编写爬虫批量扫描id获取数据。
某网站权限配置不当，导致在特定情况访问登陆后的页面，这时候也可能需要写爬虫。
wvs等安全工具，严重依赖爬虫，通过爬虫爬取网站组织架构。
探探app，两年前我就玩过，含有大量美女，我的第一反应不是感不感兴趣，而是悄悄地写了个爬虫，获取了大量图片，而且我还发现他们防色情做的不严谨。（开个玩笑）
写到这里，大家应该明白了，为什么我强调爬虫的重要性了。
另外，爬虫可以使很多事情变得有趣，只要肯琢磨，脑洞足够开，我们完全可以实施很多攻击。
从过来人角度说一下，自己的成长蛮有意思的，从爬虫起家学技术，中途又在公司从事过接近一年的数据挖掘，这两个技术的结合，给我的学习和研究，带来了很多兴趣。
当你具备爬虫和数据分析时，你真的可以去改变一些事情。
乌云密布的爬虫
百度网盘这件事，是我不想看到的，这类安全问题的一个共同特点：
用户自身确实存在问题。
从严格意义上讲，这个不是漏洞。
企业在修复时，处于下风，甚至无能为力、无法修复。
就拿github这个例子来说，除非我把github几千个账号发出来，github把每个人账号都冻结。
我只是尝试了一些开源项目，还有很多项目我没有实施爬虫攻击，比如facebook的redmine项目等，很有可能这些项目代码里，也有密码泄露。
真的没办法根治！未来，我担心会有越来越多的安全问题，属于没有办法根治的，却存在极大安全隐患的。就好比，我生大病了，我却不知道怎么治，你说问题严重么？
只说结论：
脚本执行了一个下午，我便拥有了几百个阿里云服务，其中不乏性能很高的服务，不乏百万数据级别的redis服务，也不乏企业服务。这些服务里面的数据，我不知道有多少价值，泄露会引起多少恐慌，因为我一条都没看过。
这是提交给阿里云之后，阿里云的修复建议（很早之前的短信了）：
我的同事、朋友们之中，都有收到阿里云的这条短信。嗯，没错，因为漏洞本身源自用户自己的数据泄露，只能通过短信提醒用户。
是不是和百度网盘泄露，有相似之处？
就写到这里吧。。。
安全渐远渐行，却总有一些无能为力的事情发生，丝丝的痛
