Temario Lección 109 de 156 · Aplicaciones y dispositivos
Aplicaciones y dispositivos

Auditar una aplicación de práctica

Por qué importa Una captura de tráfico es una lista larga y desordenada. La habilidad que la convierte en algo útil es sencilla: sacar cada campo y luego clasificarlos en "quién lo recibió" y "qué era". Escribirás esa auditoría para una aplicación de actividad física de práctica, y la misma idea sirve para cualquier registro de peticiones que tengas permiso para leer.

La captura de práctica

Nuestra aplicación de práctica es FitFox, un contador de pasos inventado cuyo sitio propio es fitfox.example. Su captura es una lista de Python. Cada elemento es una petición, tal como la registraría un proxy de interceptación:

from watched.leg5b_apps import fitness_app_log

log = fitness_app_log()
print(len(log))      # 12
print(log[3])
# {'t': 3, 'device': 'phone', 'method': 'GET',
#  'url': 'https://sdk.adco.example/ad?idfa=00000000-0000-0000-0000-000000000000&slot=banner&lat=53.80&lon=-1.55',
#  'headers': {}, 'body': {}}

t son los segundos desde que se abrió la aplicación. headers es un diccionario de cabeceras de la petición. body son los datos que envió la aplicación, ya decodificados en un diccionario (está vacío en las peticiones GET, que llevan sus datos en la dirección).

SDK (kit de desarrollo de software): código de otra empresa integrado en una aplicación, para anuncios, analítica, mapas o informes de fallos. En una captura, un SDK aparece como peticiones a los dominios de esa empresa.

Tres sitios donde se esconden los datos

Una aplicación puede poner un dato en tres sitios, como escribir en el sobre, en una nota adhesiva pegada al sobre o en la carta:

  1. La cadena de consulta (query string): la parte de la URL después de ?, como pares name=value unidos con &.
  2. Las cabeceras: etiquetas extra de la petición, como X-Device-Id: D-7F3A9C.
  3. El cuerpo: los datos principales de una petición POST.

La biblioteca estándar de Python divide una cadena de consulta por ti. urlsplit separa una URL en partes, y parse_qsl convierte la consulta en una lista de pares (name, value):

from urllib.parse import urlsplit, parse_qsl

parts = urlsplit("https://tiles.mapkit.example/v1/tile?lat=53.80&zoom=14")
print(parts.hostname)          # tiles.mapkit.example
print(parts.query)             # lat=53.80&zoom=14
print(parse_qsl(parts.query))  # [('lat', '53.80'), ('zoom', '14')]

Hacer comparables los nombres

La misma idea puede escribirse device_id en un cuerpo y X-Device-Id en una cabecera (la X- es una vieja costumbre para indicar "cabecera personalizada"). Antes de comparar, normaliza cada nombre: minúsculas, convierte - en _ y quita un x_ inicial. El mundo de práctica te da esto como normalise_name:

from watched.leg5b_apps import normalise_name
print(normalise_name("X-Device-Id"))   # device_id

Los valores son de tipos distintos (el cuerpo tiene números como 8412). Convierte cada valor en una cadena con str(value), para que todos se comparen de la misma forma.

Qué cuenta como qué

El mundo de práctica también te da dos conjuntos de nombres normalizados. IDENTIFIER_NAMES contiene los nombres que llevan un ID tuyo o de tu teléfono (device_id, user_id, idfa, email_sha256, etc.). LOCATION_NAMES contiene los nombres que dicen dónde estás (lat, lon, city, postcode, etc.).

ID de publicidad a ceros: cuando le dices a una aplicación de iPhone que no te rastree, o borras tu ID de publicidad de Android, las aplicaciones que piden el ID reciben 00000000-0000-0000-0000-000000000000. Ese valor no identifica a nadie, así que no cuenta como identificador. Está en ZERO_AD_ID. La próxima lección explica por qué aparece.

Propio o no

Una petición va a un SDK cuando su host está en un sitio distinto del de la propia aplicación. site_of de watched da el sitio: site_of("cdn.fitfox.example") es "fitfox.example", y site_of("sdk.adco.example") es "adco.example".

Una idea equivocada muy común

"Solo importan las peticiones a dominios raros." FitFox envía tu ritmo cardíaco y tu posición exacta a su propio servidor, y un correo con hash a partners.fitfox.example. Este último parece propio, pero el nombre por sí solo no te dice quién lo gestiona. Tu auditoría no lo marcará; el próximo ejercicio sí.

En otros lenguajes

JavaScript: URL y URLSearchParams dividen una URL.

function allFields(entry) {
  const norm = n => n.toLowerCase().replaceAll("-", "_").replace(/^x_/, "");
  const out = [];
  for (const [k, v] of new URL(entry.url).searchParams) out.push([norm(k), v]);
  for (const [k, v] of Object.entries(entry.headers)) out.push([norm(k), String(v)]);
  for (const [k, v] of Object.entries(entry.body)) out.push([norm(k), String(v)]);
  return out;
}

Go: net/url hace el mismo trabajo.

u, _ := url.Parse(rawURL)
for name, values := range u.Query() {
    for _, v := range values { fmt.Println(name, v) }
}
fmt.Println(u.Hostname())

Resumen

  • Los datos de una petición se esconden en tres sitios: la cadena de consulta, las cabeceras y el cuerpo.
  • urlsplit y parse_qsl dividen una URL; normalizar los nombres te permite compararlos.
  • Un ID de publicidad a ceros no identifica a nadie, así que no se cuenta.
  • Comparar los sitios encuentra la mayoría de los SDK, pero un nombre que parece propio puede estar gestionado por otra empresa.
Tu turno

Escribe dos funciones.

  1. all_fields(entry) devuelve una lista de tuplas (name, value) para una entrada del registro: primero cada par de la cadena de consulta de la URL (en orden), luego cada cabecera y luego cada elemento del cuerpo. Cada nombre pasa por normalise_name, y cada valor se convierte en una cadena con str(). Escríbela tú; no uses el fields_of del mundo de práctica.
  2. audit(entries, app_site) devuelve un diccionario con tres claves, cada una con una lista ordenada sin repeticiones:
    • "sdk_hosts": cada host (de urlsplit(url).hostname) cuyo site_of(host) no sea app_site;
    • "identifiers": cada nombre de campo de IDENTIFIER_NAMES que aparezca con un valor real (que no sea ZERO_AD_ID ni esté vacío);
    • "location": cada nombre de campo de LOCATION_NAMES que aparezca.
Por último, ejecuta report = audit(fitness_app_log(), "fitfox.example") e imprímelo.

¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección

Este ejercicio se abre pronto

Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.