CanaryToken / HoneyToken स्कैनर

संदिग्ध URL (CanaryTokens सहित) Microsoft Office दस्तावेज़ों और PDFs के अंदर पहचानें।

समर्थित प्रारूप:

• Office Open XML: .docx, .xlsx, .pptx
• .pdf
• .zip (सामान्य संग्रह)

यह क्यों मौजूद है

CanaryTokens और HoneyTokens (और अन्य ट्रैकिंग या दुर्भावनापूर्ण URL) अक्सर दस्तावेज़ों में एम्बेड किए जाते हैं ताकि फ़ाइल खोले जाने या कोई बाहरी संसाधन प्राप्त होने पर संकेत मिल सके। यह उपकरण केवल स्थैतिक निरीक्षण करता है: यह फ़ाइल सामग्री पढ़ता है और एम्बेडेड URL की खोज करता है बिना Office/Acrobat में दस्तावेज़ खोले और बिना कोई नेटवर्क अनुरोध किए।

यह कैसे काम करता है

Office / Zip स्कैनिंग (DOCX/XLSX/PPTX/ZIP)

• Office दस्तावेज़ अंदर से ZIP कंटेनर होते हैं।
• स्कैनर ZIP सदस्यों को सीधे पढ़ता है और http:// तथा https:// URL की खोज करता है।
• शोर कम करने के लिए सामान्य, अपेक्षित स्कीमा डोमेन को अनदेखा किया जाता है:
  • schemas.openxmlformats.org
  • schemas.microsoft.com
  • purl.org
  • w3.org

PDF स्कैनिंग

स्कैनर इनमें URL खोजता है:

• कच्चे PDF बाइट्स (कई PDF में URL सीधे /URI(...) में संग्रहीत होते हैं)
• संपीड़ित PDF स्ट्रीम (stream ... endstream) Flate/deflate डीकंप्रेसन का प्रयास करके

आउटपुट

• यदि संदिग्ध URL मिलते हैं, तो स्क्रिप्ट उन्हें प्रिंट करती है और फ़ाइल को संदिग्ध रिपोर्ट करती है।
• यदि कुछ दिलचस्प नहीं मिलता, तो फ़ाइल को सामान्य रिपोर्ट किया जाता है।

उपयोग

एकल फ़ाइल के विरुद्ध चलाएँ:

python CanaryTokenScanner.py /path/to/document.pdf

निर्देशिका के विरुद्ध चलाएँ (पुनरावर्ती):

python CanaryTokenScanner.py /path/to/folder

उदाहरण आउटपुट:

URL Found in /path/to/file.docx:
https://example.com/track/abc123

The file /path/to/file.docx is suspicious.

V2: क्या बदला (प्रदर्शन + सुधार)

• अब डिस्क पर निष्कर्षण नहीं: Office/ZIP फ़ाइलों को अस्थायी निर्देशिका में निकालने के बजाय मेमोरी में स्कैन किया जाता है।
• तेज़ स्कैन: फ़ाइलसिस्टम ओवरहेड और बार-बार पढ़ने से बचाता है।
• बेहतर PDF कवरेज: कच्चे PDF सामग्री और Flate/deflate-संपीड़ित स्ट्रीम दोनों में URL का पता लगाता है।
• स्वच्छ परिणाम: झूठी सकारात्मकता कम करने के लिए अभी भी सामान्य स्कीमा डोमेन को फ़िल्टर करता है।

नोट्स / सीमाएँ

• यह एक अनुमानात्मक URL डिटेक्टर है। URL का मौजूद होना स्वचालित रूप से यह नहीं दर्शाता कि वह दुर्भावनापूर्ण है।
• कुछ PDF सरल Flate/deflate डीकंप्रेसन द्वारा कवर नहीं किए गए संपीड़न/फ़िल्टर संयोजनों का उपयोग करते हैं।
• एन्क्रिप्टेड या अत्यधिक अस्पष्ट फ़ाइलें पहचान सटीकता को कम कर सकती हैं।

स्क्रिप्ट प्रदर्शन

अस्वीकरण

यह स्क्रिप्ट केवल शैक्षिक और सुरक्षा परीक्षण उद्देश्यों के लिए है। इसका उपयोग जिम्मेदारी से और लागू कानूनों तथा संगठनात्मक नीतियों के अनुपालन में करें। लेखक इस उपकरण के दुरुपयोग या इसके आउटपुट के आधार पर किए गए कार्यों के लिए कोई दायित्व नहीं मानते हैं।