Proteccion Contra Black SEO

8/8/2019 Proteccion Contra Black SEO

1/6

1

Hacking para el posicionamiento en buscadores y cmo controlarlo desde la lnea de

comandos.

AUTORES: Enrique Rando Gonzlez y Jos Mara Alonso Cebrin.

LICENCIA: Creative Commons Reconocimiento-NoComercial-CompartirIgual 3.0 Espaa

(http://creativecommons.org/licenses/by-nc-sa/3.0/es/)

1.- Introduccin.

Hoy en da es muy fcil estar en Internet. Lo realmente difcil es ser visibles y recibir visitas.

Es un hecho que la inmensa mayora de las personas utilizan buscadores como Google, Bing, o

Yahoo! para localizar la informacin. Y otro que, casi siempre, algunos enlaces de la primera pginade resultados son visitados. En muchas ocasiones se consultan los de la segunda. Hay quien,

incluso, accede a algunas de las direcciones listadas en la tercera. Pero casi nadie pasa de ah.

Aparecer en la quinta pgina de resultados es casi lo mismo que no aparecer. Y, para una empresa

u organizacin, eso puede significar no tener relevancia en el sector, no hacer negocio, carecer de

publicidad En definitiva, no existir.

No es de extraar, pues, que se desarrollen tcnicas de SEO (Search Engine Optimization -

Optimizacin para Motores de Bsqueda) y que existan organizaciones que ofrecen servicios de

promocin de webs y, en particular, de posicionamiento en buscadores. Y, aunque la inmensa

mayora actan de forma intachable, existen algunas cuyas prcticas rebasan la lnea de lo moral, eincluso de lo legal. Sobre todo, aquellas que promocionan sitios relacionados con actividades ilcitas,

tales como la venta ilegal de frmacos o la infeccin de equipos con malware.

En este trabajo se presentarn primero los riesgos que esto puede suponer para una organizacin ,

pasando despus a mostrar cmo un uso adecuado de las herramientas accesibles desde la shell de

un sistema Linux , automatizado a travs de programacin de shell-scripts, puede ayudar a

monitorizar, detectar y controlar los problemas as como a implantar una poltica adecuada en

materia de seguridad y administracin de sistemas.

2.- Telaraas de enlaces

La palabra clave para muchas de estas empresas dedicadas al posicionamiento es Pagerank. El

Pagerank es una medida de la relevancia de una determinada pgina web con respecto a una

determinada bsqueda. A mayor Pagerank, mejor posicin en las pginas de resultados de los

buscadores (SERP - Search Engine Result Page).

El Pagerank se logra, bsicamente, consiguiendo que otras pginas incluyan enlaces a las propias.

Cuanto ms relevantes sean, ms Pagerank aportarn. En definitiva, obtener enlaces que apunten a

las pginas de un sitio web forma parte fundamental de su promocin y su posicionamiento en

buscadores.


2/6

2

Y, en esta tarea, hay quien acta de forma poco tica. Por ejemplo, inundando foros, blogs y otros

sitios participativos con comentarios y posts que nada tienen que ve con los temas all tratados. O

creando cuentas en distintas plataformas, cuyos perfiles incluyen enlaces a los sitios a promocionar.

Incluso hay herramientas que permiten realizar estas actividades de forma automtica, cuya

sofisticacin las lleva a ser capaces de resolver los sistemas de CAPTCHA y similares con que

muchos sistemas intentan protegerse de las entradas automatizadas.

Pero algunas veces no acaba ah la cosa y se llega a vulnerar la seguridad de los sitios web para

insertar contenidos en ellos de forma ilcita. En muchas ocasiones, se usan tcnicas basadas en

tecnologas como, por ejemplo, Javascript, Hojas de Estilo en Cascada (CSS) o redirecciones HTTP

para hacer que estos contenidos slo sean visibles para los buscadores y no para las personas. De

este modo hacen ms difcil su deteccin y eliminacin por parte de los webmasters.

En todo caso, el dao para la imagen de la organizacin afectada puede ser significativo. Adems,

se estara haciendo uso de los medios y recursos de dicha organizacin para realizar actividades

ajenas a ella y, en algunos casos, ilegales.

3.- Medidas de proteccin

Ante este tipo de amenazas, se hacen imprescindibles una correcta administracin de los servicios

prestados, una adecuada proteccin de los sitios webs y una constante monitorizacin de los

contenidos indexados por los buscadores.

Por fortuna, existen herramientas y buenas prcticas que pueden servir de ayuda. As, por ejemplo,WordPress pone a disposicin de sus usuarios una herramienta llamada Akismet que permite

controlar el SPAM en los comentarios a las entradas en los blogs. Para ms informacin, puede

consultarse http://es.wordpress.com/features/

Las medidas tcnicas y organizativas tambin deber ser tenidas en cuenta. En general, mientras un

sistema sea til, debe mantenerse continuamente actualizado. Y, por supuesto, debe estar sometido

a los adecuados controles y auditoras de seguridad. Cuando deje de ser necesario debe ser puesto

fuera de servicio o hacer imposible su posterior actualizacin as como la creacin de nuevas

cuentas de acceso.

Por otro lado, los servicios de web participativa (foros, wikis, plataformas de teleformacin, etc.)tambin han de ser cuidadosamente vigilados en busca de contenidos inadecuados. Las altas de

nuevos usuarios deben requerir autorizacin por parte de un administrador y sus perfiles pblicos

deben ser sometidos a posteriores auditoras.

Para conseguir todos estos objetivos es imprescindible llevar a cabo una monitorizacin activa de los

resultados que ofrecen los buscadores para los sitios web de la organizacin. De este modo se

podr determinar la existencia o no de contenidos inadecuados, determinar cmo fueron introducidos

y realizar las actuaciones necesarias para eliminarlos, as como tomar las medidas oportunas para

que no vuelvan a producirse en el futuro.


3/6

3

Pero este tipo de tareas son prcticamente imposibles de llevar a cabo si no se cuenta con las

herramientas apropiadas. A continuacin se presenta una solucin automatizada de comprobacin

de contenidos utilizando herramientas accesibles desde la shell de Linux y otros sistemas operativos

*nix.

4.- Herramienta automtica de monitorizacin, deteccin y reporte.

La siguiente imagen muestra la arquitectura general de la solucin propuesta:

Figura 1. Esquema de la solucin propuesta.

Como puede observarse, se ha dividido el proceso en tres fases.

4.1.- Bsqueda


4/6

4

En la primera de ellas se hace uso de los buscadores para localizar resultados sospechosos. Como

datos de partida se necesitan:

- Una lista de dominios a monitorizar

- Una lista de bsquedas que permitan localizar pginas sospechosas de haber sufrido algn tipo de

ataque.

Combinando ambas se realizaran peticiones a los buscadores del tipo:

site:example.com cheap viagra

Los shell-scripts que automatizan estas peticiones usan herramientas de lnea de comandos como

curl. Posteriormente, las pginas web devueltas por el buscador (SERP) se analizan mediante

guiones awk(se consider la posibilidad de herramientas ms sofisticadas, como lexy yacc, pero

awk proporciona el grado necesario de flexibilidad con menos requisitos de programacin).

Para cada resultado, el buscador proporciona un ttulo y la correspondiene URL. Tambin puede

proporcionar una vista preliminar de la pgina o parte de ella y una URL a una copia de la pgina

mantenida por el buscador (cache).

La lista de resultados es filtrada comparndola con una lista de URLs a excluir del anlisis. De este

modo se ignorarn aquellas pginas web legtimas que puedan contiener las cadenas buscadas, las

que tengan problemas conocidos y estn en proceso de solucin, etc.

4.2.- Anlisis

En la segunda fase, los resultados sospechosos son sometidos a anlisis para determinar la

existencia de problemas, as como las caracterstica de stos.

Para ello se intenta determinar si se trata de un abuso a un servicio participativo (foro, blog, wiki,

etc.) demasiado permisivo o si, por el contrario, se ha producido una vulneracin de la seguridad del

sitio web.

Un anlisis de las URLs y de la estructura interna de la pgina web ayudan a determinar la

naturaleza y caractersticas del sistema. As, la aparicin reiterada de ciertas cadenas de texto, como

forum, post, thread, showthread, etc. pareceran sealar que el objeto del estudio es un foro.

Por otro lado, es frecuente que las pginas que han sido objeto de modificaciones ilegtimas oculten

el texto aadido haciendo uso de CSS, a veces combinado con JavaScript. La aparicin de estos

elementos justo antes de los enlaces puede sealar la existencia de problemas de seguridad.

Tambin se han observado casos en que, con objeto de dificultar la deteccin de las modificaciones,

los ciberdelincuentes hacen que el contenido de la pgina devuelta dependa de los valores de los

campos User-Agent y/o Referer de la peticin HTTP. Por ejemplo, los enlaces ilegtimos slo se

muestran si el User-Agent se corresponde con el de un robot de un motor de bsqueda o si se llega

a la pgina haciendo clic en un resultado de un buscador.


5/6

5

Por esta razn, puede ser necesario intentar descargar la pgina sospechosa modificando el User-

Agent por el de un buscador, o bien introduciendo un Referer que simule la realicacin de una

bsqueda.

Hay incluso veces en que se condiciona la aparicin de los enlaces a que la IP de la mquina que

realiza la peticin sea de un buscador. En este caso, la forma ms sencilla de contemplar el

contenido de la pgina tal y como la recibe el buscador es consultar la versin que ste guarda en su

cache. Estas caches llevan asociada la fecha en la que se guardaron, la cual puede servir para

asociar un cierto grado de certeza a las conclusiones que se obtengan.

De la comparacin de todas estas pginas con patrones indicadores de la existencia de problemas

se determinar una lista de URLs a reportar, cada una de las cuales llevar asociado un tipo de

problema y, posiblemente, un grado de certeza acerca de las conclusiones alcanzadas.

4.3- Reporte

Con la informacin obtenida en la fase anterior se crea un informe en formato HTML que podr ser

enviado al administrador de forma automtica por correo electrnico.

Dicho informe consta de tres secciones:

- Datos del proyecto: que incluir informacin acerca de la persona o entidad que realiz el anlisis,

la fecha, los dominios objeto de estudio y un diagnstico general del estado encontrado.

- URLs reportadas: con lasURLs que se consideraron dignas de mencin, hiperenlaces a ellas y una

breve explicacin de los problemas que puedan sufrir.

- Anexos: Con informacin ms detallada de los distintos tipos de problemas, posibles soluciones,consejos, ejemplos de cdigo, enlaces a pginas tiles, etc.

Los resultados del informe se podrn utilizar tanto como ayuda para la eliminacin de las situaciones

detectadas como para implantar polticas que mejoren la gestin de los sistemas y prevengan la

aparicin en el futuro de nuevos problemas.

4.4.- Programacin de Tareas

El proceso completo de bsqueda, anlisis y reporte se realiza de forma automtica sin requerir la

intervencin del usuario. Toda la informacin de configuracin se guarda en ficheros de texto. Esto

hace posible programar tareas que lancen peridicamente el proceso, obtenindose un grado casi

total de automatizacin.

5.- Resumen

Cualquier sitio web, independientemente de la informacin que maneje o de su relevancia, es un

objetivo para los ciberdelincuentes que intentan conseguir espacios en los que introducir enlaces y

otros contenidos ilcititos.


6/6

6

Una medida a considerar para hacer frente a este tipo de amenazas es el uso de herramientas

automatizadas para la deteccin y control de los resultados ofrecidos por los buscadores, como la

aqu presentada.

6.- Referencias:

SEO, http://es.wikipedia.org/wiki/Posicionamiento_en_buscadores

Pagerank, http://es.wikipedia.org/wiki/PageRank

CAPTCHA, http://es.wikipedia.org/wiki/Captcha

Tcnicas SEO para gente de moral relajada , Jos Mara Alonso Cebrin y Enrique Rando

Gonzlez, http://elladodelmal.blogspot.com/2009/10/seo-para-gente-de-moral-relajada-i-de.htmlCSS

Curl, http://curl.haxx.se/

Awk, http://es.wikipedia.org/wiki/AWK

Lex, http://es.wikipedia.org/wiki/Lex_%28inform%C3%A1tica%29Yacc, http://es.wikipedia.org/wiki/Yacc

User-Agent, http://es.wikipedia.org/wiki/Agente_de_usuario

Referer, http://en.wikipedia.org/wiki/HTTP_referrer

Documents

Proteccion Contra Black SEO