长话短说,wireshark有一个follow tcp stream功能,这个功能很方便。美中不足的是提取出的stream 数据没有时间戳等其他信息,在分析数据的延时和丢包问题时就有些力不从心了。这里简单用python实现了一个简单follow tcp stream功能,同时保留了tcp信息。
原理很简单,仍然是基于wireshark,里面有一个Export packet dissection as XML ‘pdml’ file。 导出来之后的文件内容是这个样子的:
<proto name="tcp" showname="Transmission Control Protocol, Src Port: 59203 (59203), Dst Port: 80 (80), Seq: 1, Ack: 1, Len: 381" size="20" pos="34">
<field name="tcp.srcport" showname="Source Port: 59203 (59203)" size="2" pos="34" show="59203" value="e743"/>
<field name="tcp.dstport" showname="Destination Port: 80 (80)" size="2" pos="36" show="80" value="0050"/>
<field name="tcp.port" showname="Source or Destination Port: 59203" hide="yes" size="2" pos="34" show="59203" value="e743"/>
<field name="tcp.port" showname="Source or Destination Port: 80" hide="yes" size="2" pos="36" show="80" value="0050"/>
<field name="tcp.stream" showname="Stream index: 4" size="0" pos="34" show="4"/>
<field name="tcp.len" showname="TCP Segment Len: 381" size="1" pos="46" show="381" value="50"/>
<field name="tcp.seq" showname="Sequence number: 1 (relative sequence number)" size="4" pos="38" show="1" value="3b0ac4bd"/>
<field name="tcp.nxtseq" showname="Next sequence number: 382 (relative sequence number)" size="0" pos="34" show="382"/>
<field name="tcp.ack" showname="Acknowledgment number: 1 (relative ack number)" size="4" pos="42" show="1" value="397d7582"/>
<field name="tcp.hdr_len" showname="Header Length: 20 bytes" size="1" pos="46" show="20" value="50"/>
看到上面的内容,我想什么都不用说了。用python简单的做个xml文件解析,将数据提取出来就可以了。
那么剩下的一个问题就是follow tcp stream 这个算法如何实现?本质就是一个tcp数据如何重组的过程,具体可以参考这篇博文TCP数据包重组实现分析
这里,简单起见,我做了一些约束:
- 只能提取A-->B这样的单个方向的数据。如果需要提取B-->A的数据,可以重新过滤一下数据,然后执行一次脚本。
- 忽略最开头的syn包和断开连接时的Fin包。
(seq=1, nxtseq=5, data='1234') , (seq=4, nxt=6, data='45') , (seq=7,nxt=8, data='7')
第一个数据包的nxtseq > 第二个数据的seq,说明两个数据包之间有数据重复,事实也是如此,重复了数字‘4’
第二个数据包的nxtseq < 第三个数据包的seq,说明这两个数据包之间有丢帧。事实也是如此,丢失了数字‘6’
好了,原理就介绍到这儿。
剩下稍微介绍一下wireshark过滤规则和这个算法的局限性
- 按照ip过滤某个方向的数据,一般可以使先执行wireshark的follow tcp stream功能,一般在filter一栏会有这样一个表达式 tcp.stream eq xxx。在这个表达式的后面可以继续跟上ip过滤的表达式: tcp.steam eq xxx and ip.src==xxx and ip.dst==xxx
- 按照tcp端口号过滤某个方向的数据。首先同ip过滤,先固定到一条tcp连接上,得到tcp.stream eq xxx。 然后加上端口过滤:tcp.stream eq xxx and tcp.srcport==xxx and tcp.dstport==xxx
- 这个工具的局限性,因为是基于python element tree 对xml文件进行解析和数据提取,所以即使是解析100M的pcap文件,首先生成的pdml文件就会暴增到几百兆,然后这几百兆的文件又要被读入内存,(python element tree的特点),总计下来就是生成pdml文件有点慢(几分钟),内存消耗特大,几百兆。
最后简单贴一些关键代码。完整的脚本可以从这里免费下载 TCPParser -- follow tcp stream by python
这是从pdml文件的某个proto中提取需要的元素信息。
def extract_element(self, proto, elem):
result = dict()
for key in elem.keys():
result[key]=""
fieldname = ""
attribname = ""
for field in proto.findall("field"):
fieldname = field.get('name')
if fieldname in elem:
attribname = elem[fieldname]
result[fieldname] = field.get(attribname, '')
return result
def regularize_stream(self, frame_list):
'''
正则化tcp stream的数据,主要是根据seq,nxtseq补上缺少的segment,以及删除重复的数据
不少缺少的segment时,data为空,frame.number='lost'
删除重复的数据时,尽可能保留较早之前收到的数据,也就是前一个包的数据
'''
self.reporter.title("TCPParser regularize timestamp")
timer = Timer("regularize_stream_data").start()
reg_frame_list = []
expectseq = -1
first = True
for frame in frame_list:
if first:
# 第一个数据包
first = False
expectseq = frame["tcp.nxtseq"]
reg_frame_list.append(frame)
continue
# 从第二个数据包开始
seq = frame["tcp.seq"]
nxtseq = frame["tcp.nxtseq"]
if seq == expectseq :
# 数据刚好,完全连续,不多不少
if nxtseq == 0: continue # 表示ack包,无意义
expectseq = nxtseq
reg_frame_list.append(frame)
elif seq > expectseq:
# 数据有缺失,说明丢包了
self.reporter.error("previous tcp segment is lost: " + str(frame[TCPFrame.KEY_FRAMENo]))
# newpacket = self.new_lost_packet(frame, str(expectseq), str(seq))
# reg_frame_list.append(newpacket)
reg_frame_list.append(frame)
expectseq = nxtseq
elif seq < expectseq:
# 数据有重叠,数据重传时补传过多数据了
self.reporter.warning("tcp segment retransmission: " + str(frame[TCPFrame.KEY_FRAMENo]))
if expectseq < nxtseq:
# 当前数据包需要舍弃一部分内容
# pre_packet[-(expectseq-seq):-1] == frame[0:expectseq-seq]
frame["tcp.seq"] = expectseq
frame["data"] = frame["data"][expectseq-nxtseq:]
frame["datalen"] = len(frame["data"])
expectseq = nxtseq
reg_frame_list.append(frame)
else:
# 当前数据包的内容可以完全舍弃
# expectseq 保持不变
# pre_packet[-(nxtseq-seq):] = frame[:nextseq-seq]
pass
timer.stop()
return reg_frame_list