网络方面的英文文献

在IEEE通信学会的主题专家的方向在IEEE ICC这全文论文同行评审的出版2009程序

敏感数据要求：做网站询问是否正确？

克雷格A.树和Minaxi古普塔

计算机科学系

印第安纳大学

{cshue，minaxi}@

摘要：为了确保敏感的Web内容的安全性，一个组织必须使用TLS以确保这样做正确。然而，很少有人知道如何使TLS实际使用在网站上。在这项工作中，我们进行大规模的网络范围内的测量，以确定如果网站需要使用TLS的时候，当他们这样做，确保他们使用它正确。我们发现，其中TLS几十万页要么不使用要么使用不当，将会使敏感数据处于危险之中。

引言

该网站提供了电子商务前所未有的机遇。

此类交易的安全性是一般

通过使用传输层安全提供

性（TLS）协议[1]，在标准跟踪安全的后继

套接字层（SSL）协议。TLS允许客户端验证

他们访问和服务器的真实性保证

在客户端之间的通信的保密性和

服务器安全。虽然以前的工作分析TLS证书和

该协议本身，很少的工作重点在其网站上使用。

本文由愿望所驱使，了解TLS是怎么

在今天的网络上被使用的。Web内容的很大一部分是公开可用的，并且不要求保密性。在

很多情况下，如阅读新闻的文章或使用搜索

发动机，TLS保护的好处不超过

性能开销与该协议有关。在

其他情况下，敏感信息被发送并应

通过TLS进行保护。然而，仅仅使用TLS不

够了;它仍然必须正确使用。调查TLS

使用在网络上，我们提出两个主要问题：是否有

在网络上的网站，不使用TLS时，他们应注意什么？做到这一点使用TLS这样做正确的网站？动力

对于第一个问题是敏感信息可能

通过窃听者很容易被截获，除非使用TLS。

第二个问题是通过观察，TLS动机

保护必须从Web服务器发送一个表格前

到客户端。否则，将含有一个表格页可以

被攻击者改变，允许敏感截取

数据。几大机构，包括，

，或，建立了TLS

客户端后，保护已下载的网页，但在此之前

提交表单数据。这种做法，被称为安全的岗位，是通常由具有高体积的组织

用户流量从未签署到页面上的表单。此

特别常见的，当窗体出现在主

一个网站的页面。这些组织使用安全后，以避免

与TLS的nonauthenticating相关的性能开销

客户端。不幸的是，这种做法提供了anopening 攻击者假冒网站和推出 一个中间人攻击的Web 客户端。

为了研究这些安全性差的做法的程度，我们 实现了一个网络爬虫和检查HTML 表单 430万网页。我们做了几个关键的观察 从这样的分析。首先，网页31-36％不使用

TLS 在所有的时候，他们应该。为了解决这个问题，我们 已经实现了浏览器扩展，警告用户约 进入网页上做的核潜艇和信用卡号码 除了不使用TLS 来识别领域的询问敏感 数据。这导致更少的，但更精确的警告。在 手动评估分机的有效性，我们

没有发现假阳性和两种可能的假阴性。

其次，我们发现不安全的网页，有形式，1.65％的 - 4.49％有被通过HTTPS 提交的至少一种形式中， 导致安全交漏洞。如果剥削，不安全 入口点可能会导致欺诈，可能与显著 财务影响的用户和脆弱的部位。

我们提出了一个浏览器扩展，试图验证这些 使用TLS 提交敏感数据的切入点和 如果这样的验证失败发出警告。

本文的其余部分的结构如下。在第二节， 我们讨论我们的数据收集和方法。在第三节， 我们研究的网站，不提供TLS 保护敏感

数据并提出了一些预防措施，用户可以利用。在第 第四，我们分析认为滥用TLS 和建议clientbased 网站 策略来解决这个问题。我们回顾相关 在第五节工作，并得出结论：在第六节。

II 。数据收集和方法

为了获得对TLS 使用的见解，我们进行了大规模的， Internet 范围的Web 爬行。我们把我们的抓取成四 数据集，其被选择来捕获不同类型的 网页：热门的网页，这些访问的机器上我们 网络，并且这些随机选择的。 在第一数据集，我们把它称为DMOZ 广度的数据集，我们获得了从一个网址列表 DMOZ 开放目录项目[2]。 DMOZ 的项目包括 形成一个目录查找用户提交的链接的

数据，而不是使用一个检索的方法。数据集，

收集在2008年2月13日，载9165163链接。的

这些，4025911联系是独一无二的。大多数这些链接使用

HTTP，HTTPS不，这意味着他们没有使用TLS。共

的2312链接使用TLS。我们消除这些TLS保护

因为在这些任何形式进一步考虑链接

网页将牢固地被默认发送。在courseof几个星期，我们能够以检索总共3213764

从DMOZ链接的网页。这广度为基础的抓取是

肤浅的;它只检查直接链接的页面

DMOZ。虽然这种策略让我们的抓取工具来检查

从大量的域的页面，它会无法捕捉

形式的二级页面。

对于其余的数据集，我们进行了更详细的

爬行。对于每个这些数据集，我们得到一个URL

一个首页，下载的网页和链接的任何页面

从该页面是一样的DNS域的内

原来的页面。这个更详细的爬行限制的广度

域，而发现的形式被直接从挂钩

主页。某些URL可能存在于多个数据

集。由于其独特的爬行方法，我们允许

DMOZ宽度数据集与剩余的三个重叠

没有试图消除??重叠。

所述第二数据集（DMOZ深度）再次使用从链接

在DMOZ开放目录项目。然而，而thanconduct一个完整的扫描，我们随机选择了16，500独特的链接来执行我们的抓取。这使我们能够直接比较

浅表抓取诗句详细的爬网的策略

寻找形式。我们获得78 726Web从这个抓取网页。

在我们的第三个数据集（Alexa的），我们分析了流行的Web

站点。我们使用的Alexa网络信息服务[3]，这

居互联网上最流行的Web站点，获取

1，000最流行的网站在每个16顶级类别，

以及前500个最流行的网站的整体。有些网站

存在于多个类别;在删除重复，

我们发现15，341独特的网站。我们使用的每个站点

来自Alexa的获得首发的Web爬行网页。此

爬行导致344，868的网页。

在最后的数据集（DNS），我们针对实际用户

行为。要创建这个数据集，我们捕捉到所有的DNS

对于为期一周的发行我们部门的网络上查询

期。我们使用包含在A（地址）的主机名