论文阅读：The Chain of Implicit Trust: An Analysis of the Web Third-party Resources Loading

The Chain of Implicit Trust: An Analysis of the Web Third-party Resources Loading

1 背景&目的

  web是一个互相连接的服务的复杂集合，网站从各种第三方（例如广告、跟踪、分析服务，CDN等）导入一系列外部资源。而后者，即第三方也会从其他域名处加载资源。因此对于每个网站来说，这创建了一条依赖链，由第一方和传递连接的第三方之间的隐式信任形式为基础。

本文就从这个依赖链出发，对网络中的依赖链进行了大规模的研究

2 相关概念

  网站会从大量的第三方域名加载资源，例如广告、跟踪服务等。而第三方还会从其他域名加载资源，因此就有以下概念：

• 依赖链（dependency chain）：第一方引用第三方域名，而第三方又额外加载其他域名上的内容，这样便构成了一条依赖链
• 显示信任（explicit trust）：第一方与其直接引用的第三方构成显示信任关系
• 隐式信任（explict trust）：第一方与第三方额外引用的域名之间构成隐式信任关系

  例如bbc.om，它从widgets.com加载了JavaScript代码，而这个代码执行时，又从ads.com加载了额外的内容，这时候bbc.com就是第一方网站，它显示信任widgets.com，隐式信任ads.com。在依赖链中，widgets.com可以表示为第一层，ads.com可以表示为第二层。

  第一方网站在域名依赖链下加载的资源上缺乏可见性，会导致安全问题，例如DDoS攻击或勒索活动。

  本文将第三方域名分类为良性的和可疑的两类。

3 数据集

3.1 数据收集

  使用基于Chromium的无头浏览器爬取Alexa-top 200K的网站，可以根据网络请求跟踪资源的依赖关系。第一方可能会触发多个依赖链，也就是说形成树的结构，本文的第三方请求识别方法是对比二级域名，如果二级域名不一样就考虑为第三方。而子域名则不考虑是第三方。本文使用Mozilla Public Suffix和tldextract来消除网站子域名和country-specific子域名之间的歧义（例如player.bbc.com和bbc.co.uk）。

  最后得到11287230条URL，其中包含6806494个不同的外部资源，对应68828个第三方二级域名和196940个第一方二级域名。

3.2 数据丰富

  本文使用了VirusTotal提供的对第三方URL进行了检测，目的是为了找出恶意的内容。还收集域名的WebSense类别（VirusTotal记录API提供的），同时消除依赖链中的无效URL，最后收集到的是196940个第一方网站，以及68828个第三方域名

4 信任链

4.1 网站是否依赖隐式信任？

  第一方加载的外部资源中位数是27个。下标展示了在每个Alexa排名区间的网站加载显式和隐式信任第三方的百分比。

  95%的网站都会加载外部资源，91%的网站加载外部JS代码。50%的网站确实依赖隐式信任。在更受欢迎的网站中，形成依赖链的倾向略高一些，换句话说即是，越流行的网站越是倾向于更多地依赖隐式信任的第三方。

  隐式信任的第三方会出现在链中的各个位置，下图展示了所有第一方网站链长的累积分布函数（按照第一方网站类别进行划分）

  80%的网站依赖链长度都不超过3，但是每个类别的网站大概都会导入2%的超过3级及以上的外部资源。极端例子还有包含38层的链长

4.2 链中存在着哪些对象？

  本文对资源进行了分类，分为4种主要类型。

• Image
• JavaScript
• Data（包括HTML、JSON、XML、plain text files）
• CSS/Fonts

下表展示了4种资源类型在每一层上的数量分布情况

  本文检查了托管这些资源的第三方域名的类别，下图展示了链中每一层第三方类别的构成。

可以看到无论是哪一层，广告占比都是最多的

5 可疑链

5.1 链中是否包含可疑方？

  下表显示了使用几个VTscore阈值将第三方分类为可疑的第三方的比例。保守认为VTscore为10的是可疑的。

16%的第一方隐式信任了可疑的JS。

5.2 可疑方有多普遍？

  下图展示了每个第一方引用的第三方资源的累积分布函数，24.8%的第一方页面包含了至少3个被标记为可疑的第三方。

即使只有1.6%的第三方被标记为可疑，但是他们至少分散到了三分之一的网站中。下标展示了top10提供可疑js的第三方

有趣的是google-analytics.com，调查发现它是因为加载了一个叫sf-helper.net的第三方，这个第三方分发adware和spyware，后来2018年9月发现这个域名已经不再加载了，下图展示了google-analytics.com变好之后累积分布图

这有效地突出了高中心性第三方被允许加载更多资源的影响:一个网站的感染可以立即影响大部分网站。

5.3 可疑第三方有多流行？

  流行是指Alexa的排名。本文发现有几个可疑第三方排名在top 100内。

  下图展示了第一方域名（根据Alexa排名）引入的可疑js代码数量，可见第一方域名在大于2层的时候引入了很多可疑js。

  下图展示了由可疑第三方（根据Alexa排名）导致而受影响的第一方域名的数量。

  这些发现表明，各种第三方恶意JS内容是来自各种，不一定是“模糊”的第三方域名。

5.4 可疑第三方一般在哪一级存在？

  下表展示了加载了至少一个VTscore大于10的网站的比例。
大多数被分类为可疑的资源位于依赖链的第1级，它们被第一方显示信任。这表明网站运营商并没有完全监控他们的第三方资源。更重要的是，可疑内容会通过隐式信任导入。在这种情况下，第一方可能不知道他们的存在。

下图显示了在每一层每一个可疑第三方网站类别的分布。

  下图显示了专门针对可疑JS资源的域名类别的细分。

6 总结

  本文发现超过40%的网站确实依赖于隐形信任，本文发现了一些不常见的隐式信任第三方。这可能会增加攻击面