Cloaking décloaké

[ 26/03/05 - Référencement - 37 commentaires]

Le 4 décembre 2004, nous lancions le cloaking cracking challenge, un défi consistant à décloaker une page d'ActuLab, c'est à dire à découvrir un texte exclusivement réservé à GoogleBot, le robot de Google. Plus d'informations sur la page du défi...

Après 106 jours, notre cloaking a été cracké par -aK-, le webmaster de Affaires Criminelles, JFK assassinat, et 11 septembre (voir l'annonce de sa victoire sur Webmaster Hub...).

Le cloaking étant fait sur l'adresse IP, la technique consistant à y accèder en se faisant passer pour GoogleBot était pratiquement impossible à mettre en oeuvre, puisqu'elle aurait nécessité d'emprunter l'adresse IP du robot de Google. Alors -aK- a utilisé sa connaissance de Google (et son cerveau) pour mettre en oeuvre une méthode indirecte... et il a réussi. Il nous explique ici comment il a procédé. Félicitations, c'est remarquable!

L'explication de -aK-

« Je n'ai jamais essayé de changer mon IP, ni mon User Agent... C'est l'avantage de prendre un concours en marche avec 106 jours de retard: j'étais encore frais, et je n'ai pas perdu mon courage à tester des techniques qui n'ont rien donné pour tous ceux qui avaient essayé avant.

J'ai lu rapidement les nombreux commentaires qui accompagnaient le défi, et j'ai vite compris qu'une solution "technique" m'était inenvisageable (j'ai de bonnes bases, mais je ne suis pas un hacker et apparemment il n'est même pas certain qu'il y ait moyen de se faire passer pour Google de manière à afficher le texte cloaké). Par contre, le commentaire de lafleur posté le 8 décembre m'a fait penser à un de mes livres préférés: "Histoire des codes secrets" de Simon Singh. Dans ce livre passionnant, l'auteur explique notamment comme les codes prétendument inviolables générés par Enigma ont pu être crackés régulièrement par les Britanniques de Bletchley grâce à des "messages prévisibles" comme "wetter" (chaque jour peu après 6 heures les Allemands envoyaient un bulletin météo qui comportait quasiment toujours ce mot, crypté de manière différente). Dans ce même livre, Simon Singh explique aussi l'importance pour décoder un message de s'attacher à la fréquence de mots ou de lettres, et enfin aux petites habitudes linguistiques de son auteur.

J'ai donc décidé de m'attaquer à la "faille humaine", comme l'avait proposé kimberlyclarko. Google permet en effet de savoir si un mot-clef est présent dans une page, même si cette page a demandé à ne pas apparaître en cache. Il me restait à décider si j'allais automatiser mes recherches en codant un script pour accélérer le processus et tenter de cracker la page de façon barbare, ou me fier avant tout à mon intuition. J'ai choisi la deuxième option, réservant la première au cas où je n'arriverais plus à avancer.

La requête à utiliser pour savoir si un mot était présent était connue (inurl:cracking-challenge.php "mot-clef") et lafleur avait prouvé son efficacité en découvrant la présence des mots "bravo", "vous", "avez", "gagné" et "défi". Mais jusqu'ici, tout le monde semblait considérer que le travail de recherche était beaucoup trop grand... le livre de Singh m'avait prouvé que non, et j'ai donc commencé par chercher des mots "probables".

A mon grand étonnement, "Google" n'était pas présent... mais j'ai vite repéré "Googlebot", avant de passer en revue les mots qui me paraissaient les plus fréquents en langue française: "et", "vous", "pour", etc (en n'oubliant pas d'ajouter un "+" devant les termes ignorés par Google, comme "le" ou "la"). Constatant l'efficacité de la méthode, j'ai cherché la liste des mots les plus fréquents de la langue française, que j'ai trouvée ici: http://www.educalire.net/LectFrequence.htm, et j'ai systématiquement vérifié la présence des 100 mots les plus fréquents (il y en avait effectivement 5 ou 6 que je n'avais pas encore trouvé).

Muni d'une liste de mots présents sur la page (comme "vous", "par", "à", "de", "votre", "faire"), j'ai essayé de trouver des mots avec lesquels les assembler. Tout comme en français la lettre "q" est presque toujours suivie d'un "u", il m'a semblé logique d'essayer d'accoler "êtes" et "avez" au pronom "vous". La deuxième association s'est avérée exacte (inurl:cracking-challenge.php "vous avez"), et je me suis rapidement dit que le mot suivant était peut-être "gagné". Le mot était bien présent sur la page, mais pas directement après "vous avez"... J'ai constaté avec plaisir qu'en insérant la conjonction "donc", la requête fonctionnait.

De cette manière, j'ai pu constituer plusieurs groupes de 4 ou 5 mots, mais pas encore assez pour pouvoir reconstituer le puzzle. Je me suis donc attaché à lire attentivement le texte écrit par Jan à propos du défi, ainsi que le message destiné à ceux qui tentaient un maquillage du User Agent. C'est ainsi que j'ai pu identifier des mots communs, comme "visualisez" et "version", que j'aurais eu beaucoup de peine à trouver autrement.

Autre problème, celui de savoir si le terme "Actulab" était présent dans la page... puisque le mot est présent dans l'url, il m'a fallu penser à le faire précéder du mot "par" pour être assuré de sa pésence dans le corps du texte.

J'ai fini par obtenir les morceaux suivants:
"Bravo! Vous avez cracké notre cloaking"
"réservée à Googlebot"
"vous avez donc gagné le défi"
"vous visualisez la version de cette page"
"nous serons heureux de faire votre connaissance"
"contactez-nous"
"lancé par Actulab"

J'étais assez désappointé de constater que les extraits "vous avez donc gagné le défi" et "lancé par Actulab" ne pouvaient pas être accolés. Heureusement, en insérant le terme "cloaking" entre les deux, ma tentative fut fructueuse. J'ai ainsi pu reconstituer la quasi-totalité du texte (devinant par ailleurs qu'il n'y avait très certainement aucune autre phrase, puisque de nombreux mots fréquents étaient totalement absents de la page, comme "qui", que", etc...) et suis arrivé au texte suivant:

Bravo! Vous avez cracké notre cloaking.
Vous visualisez la version de cette page [] réservée à Googlebot, vous avez donc gagné le défi cloaking lancé par Actulab
Contactez-nous, nous serons heureux de faire votre connaissance

Restait un trou au milieu du texte, qui m'a rapidement paru n'être constitué que d'un seul mot: un adverbe. J'ai épuisé tous les synonymes de "exclusivement", qui me semblait le plus approprié... sans succès. J'ai alors essayé de trouver un autre adverbe, qui précédait souvent "réservé". Google n'autorisant pas la troncature, j'ai fait une recherche "WHERE texte LIKE '%ment réservé%'" via la base mysql de mon plus gros forum. Ca aurait pu fonctionner, mais les adverbes que j'ai trouvés n'étaient pas les bons. Je me suis alors à nouveau penché sur le sens que Jan avait voulu donner à sa phrase, et me suis rendu compte que le terme "normalement" était encore plus logique que "exclusivement". Bingo :-)

Depuis, je coule des jours paisibles dans ma bonne ville de Bruxelles, attendant avec impatience le million de carambars promis par Jan ;-) »

Vos réactions à cet article :::

le 26/03/2005 à 19:41De: Jan [Site web]
lambda,
Non, la seule autre solution serait d'emprunter l'adresse IP de GoogleBot. Mais c'est quasiment impossible à ma connaissance.

le 27/03/2005 à 22:30De: Jan [Site web]
hum !
Je ne savais pas que OA s'intéressait au cloaking :)) Si tu as une copie de la newsletter d'abondance, fais tourner;)

le 31/03/2005 à 13:52De: Jan [Site web]
Oui, je n'ai rien vu non plus dans la newsletter d'abondance qui explique la méthode d'aK.
Hum, tu peux nous en dire plus?

Ajoutez un commentaire en direct :::

Il est temporairement impossible de poster un commentaire: nos modos sont en vacances. A bientôt;)