:
一．摘要
2023年5月份，团队 [1] 发布了 [2] ，它是一款基于 GPT 的 浏览器扩展程序，旨在为 的用户带来 AI 辅助搜索的体验。
是GPT在搜索输入侧的应用。而本文会将GPT应用于结果输出侧，使用 [3] 去辅助用户解读数据结果，提高用户在实际业务场景下分析数据和理解数据的效率。
的普通知识容量是远远超过人类的，但在专业知识的储备和运用方面是不及专业人员的。让去判断平台搜索结果中某个IP地址是否具备漏洞，目前它是做不到的；但让针对结果数据进行一些常规的分析和识别，它是可以做到的，且效率比人类更高。
首先，我们利用的优势，在三个实际场景中，使用去辅助用户解读数据结果：
然后，我们在实际业务场景案例中，将这些方法进行应用实践。首先在平台获取并下载目标网段的资产测绘数据；然后利用的API接口，将测绘数据输入给，请去分析解读数据；通过的分析结果，我们知晓目标网段中存在一个IP地址使用了” “组件，其可能受” 远程代码执行（CVE-2023-38646）”漏洞影响，该IP地址所属机构是”上海**健康科技有限公司”。
本文所讲述在测绘数据分析方面的应用，算是抛砖引玉。用户在使用平台的过程中，实际业务场景会更加复杂更加多变，若能在业务场景中找到可以与优势结合的点，将的能力为我所用，相信会起到事半功倍的效果。
二．概述
日常工作中有这样一个业务场景：某网络安全应急响应部门，获取一批漏洞情报信息《创宇安全智脑 | 远程代码执行（CVE-2023-38646）等137个漏洞情报》 [4] 之后，想摸底管辖IP网段范围内，是否有IP可能受到漏洞影响，可能受漏洞影响的IP地址属于哪些组织机构。
正常的工作流程是：首先，获取漏洞影响组件名称，研究组件对应数据特征（又称之为指纹规则）；然后，根据组件指纹规则，获取IP网段范围内使用该组件的IP地址，即可能受到漏洞影响的IP地址；最后，判断这些IP地址属于哪些组织机构。若漏洞情报中漏洞数量较多，获取这些漏洞影响组件的指纹规则，需要人为进行规则识别，比较耗时；在判断IP地址属于哪些组织机构的时候，需要人为进行判断，也是件耗时的工作。
因此，我们试想将GPT应用于结果输出侧，使用 去辅助用户解读数据结果，从而提高工作效率。本文中，我们将结合该业务场景案例，尝试将应用到实践中。
三、 识别软硬件指纹规则
熟悉网络空间测绘领域的同学应该清楚：通过测绘获取某个IP地址某个端口的数据之后，在数据的头部、body正文、ssl证书等字段中，若存在某些特定的字符串特征，我们便可以识别出该IP地址使用了某类设备或某款软件。这里的字符串特征，叫做指纹规则（不同网络空间搜索引擎平台的叫法可能不一样）。
网络空间搜索引擎平台预置了这些指纹规则之后，用户就可以根据软硬件厂商名称来直接搜索某款软硬件，而无需去记忆那些识别软硬件的具体指纹规则。例如，在平台上，用户可以直接输入 “app: “搜索使用软件的IP地址，而无需知道软件的具体指纹规则。
为了提升用户搜索体验，每家网络空间搜索引擎平台，都花费了巨大的人力财力去完善自家的指纹规则库，但没有哪家平台的指纹规则库可以100% 覆盖全世界软硬件厂商。
有这样一个场景：用户业务需求是测绘某特定区域的网络空间，在平台上获取该区域测绘数据之后，对于那些没有识别出软硬件的结果数据，期望通过人工分析去尽可能的识别出软硬件厂商；还有一个场景：网络空间搜索引擎平台自家的数据分析师，面对自家测绘结果中没有识别出软硬件的数据，尽可能扩充指纹规则库，以识别出更多的软硬件。
这两种场景下，是否可以使用去辅助用户解读数据，从而提升分析数据的效率呢？本章节中，我们使用一些样例去进行尝试。
3.1 识别ASUS
首先，我们使用一段比较简单的数据，配合事先准备好的问题话术，引导去分析数据并输出我们想要的结果。从下面的截图中，可以看出给出的答案是满足要求的，识别出硬件厂商是”华硕（ASUS）”，型号是”RT-“，甚至给出了额外信息：该设备的类型是”路由器”。
图3-1 识别ASUS
3.2 识别
接下来，我们使用稍复杂的数据。从下面的截图中，可以看出识别出硬件设备是””，厂商是””，同样也给出了一个额外信息：这是一个”网络安全设备”。
图3-2 识别
3.3 识别
接下来，我们使用更加复杂些的数据。从下面截图中，可以看出识别出厂商是””。出乎意料的是：还告诉我们，它是通过头部和title标题中的特征字符串进行识别的。这相当于它不仅给出了识别结果，还提供了具体的识别规则：告诉我们特征字符串是什么，特征字符串应该出现在的什么字段。
图3-3 识别
3.4 识别
之前几个示例中，数据已经体现出了厂商名称。接下来，我们测试难度更大的数据，其数据中没有直接体现出厂商名称。从下面截图中，可以看出依然成功识别了这条数据，它根据标题内容识别出厂商是””。
图3-4 识别
3.5 识别Cisco
接下来，我们继续使用一条比较复杂的数据。从下面的截图中，可以看出成功识别出结果是”Cisco ASA”设备，并且提供了头部和html正文中的特征字符串，可以很好的帮助我们去添加该设备的指纹规则。
图3-5 识别Cisco
3.6 识别
接下来，我们尝试一条软件相关的数据。从下面截图中，可以看出成功识别出结果是”内容管理系统（CMS）”软件，同时提供了用于识别的特征字符串。
图3-6 识别
3.7 识别
最后，我们尝试一条比较特殊的数据，数据中IP地址提供一个 服务。依然成功识别，并且针对配置内容进行分析，输出重要配置信息。
图3-7 识别
3.8 小结
通过本章节的尝试，可以看出：不仅具备通过数据识别软硬件厂商的能力，还可以识别硬件和软件的类型。更让人出乎意料的是：可以提供识别依据，根据数据中某个字段值的某个特征字符串进行判断得到结果，这就相当于提供了具体的指纹识别规则。
因此，我们认为使用辅助用户去分析测绘数据、识别软硬件厂商、扩充指纹规则库，可以有效提升分析效率。是一个称职的指纹规则标注助理！
四．解读SSL证书数据4.1 存在的困恼
在平台上查看搜索结果，部分字段数据可以被普通工程师直接理解，例如下图中标识出的IP、端口、协议、国家、城市、测绘时间，一名普通IT工程师可以很直接的接收这些字段数据中包含的信息。
图4-1 搜索结果页面1
但是，有些字段数据的信息，普通工程师无法直接接收和转换，例如：下图中标识的证书字段。证书字段中数据内容很多，用户需求不一样的情况下，其关注内容就不一样；通过证书字段中的数据，用户未必能够直接得到自己需求的结果，而是需要将证书数据进行二次转换后得到自己需求的结果。
图4-2 搜索结果页面2
以上方截图为示例，用户需求是想知道这个IP地址所使用证书的持有者组织名称。那么，用户不关心证书字段的全部数据，而是只需要查看证书字段中的数据；用户查看到数据为”CN=”，无法直接知道证书的持有者组织名称，而是需要通过访问””查看网页，分析该域名对应的持有者，才可以知道该证书的持有者组织名称。
4.2 辅助解读
我们针对上一节中的困恼，使用去辅助用户解读数据，进而获取IP地址所使用证书的持有者组织名称，提高用户的数据解读效率。
首先，我们将搜索结果导出，”数据格式”选择”json格式”，“字段配置”仅选择两个字段：”ip”和”ssl”。
图4-3 下载结果页面
然后，在中输入我们调教N次后确定的问题，用来引导按照我们的需求去接收数据、提取数据、分析数据、输出数据。
图4-4 分析SSL数据示意图1
在表示理解要求之后，输入2条json数据提供给它，2条json数据如下所示：
{
"ip": "173.194.51.233",
"ssl": "nnnSSL Certificaten ...Subject:*CN=.c.docs.google.comn..."
}
{
"ip": "41.63.166.101",
"ssl": "nnnSSL Certificaten ...Subject: CN=FortiGate,O=Fortinet Ltd.n..."
}
图4-5 分析SSL数据示意图2
如上图所示，给出的答案基本满足要求。从输入的SSL证书数据中提取了字段信息，进而提取其中的O字段和CN字段信息，根据O字段和CN字段信息识别出证书持有者组织名称。不仅如此，还回答出组织机构的行业类型和中文名称，而机构的行业类型和中文名称这2个信息，可以被普通技术工程师直接接收；在处理大量结果数据的场景下，可以有效提高用户理解数据和分析数据的效率。
此外，注意看第一条json数据中，字段信息中没有包含O字段，只包含了CN字段。因此，根据CN字段的值去进行推断，得到了证书组织机构的名称，是比较智能的。
接下来，我们再输入2条json数据，如下所示：
{
"ip": "104.90.119.209",
"ssl": "nnnSSL Certificaten ... Subject: C=US,CN=store.nba.com,L=New York,O=NBA Media Ventures, LLC,ST=New Yorkn ..."
}
{
"ip": "144.53.243.70",
"ssl": "nnnSSL Certificaten ... Subject: C=AU,CN=*.abs.gov.au,L=Belconnen,O=Australian Bureau of Statistics,ST=Australian Capital Territoryn ..."
}
图4-6 分析SSL数据示意图3
如上图所示，给出的答案比较完美。特别是对于组织机构行业的判断，是比较准确的，在实际应用中可以极大程度的辅助用户去解读数据。
五．应用实践案例
本章节，我们在一个实际业务场景中，将上述章节中的方法进行应用实践，使用去辅助用户分析解读数据结果。
5.1 应用场景
某网络安全监管部门，获取一批漏洞情报信息《创宇安全智脑 | 远程代码执行（CVE-2023-38646）等137个漏洞情报》 [3] 之后，想摸底管辖IP网段范围内，是否有IP可能受到漏洞影响，可能受漏洞影响的IP地址属于哪个组织机构。
5.2 应用示例
我们在管辖IP网段范围内选取一个C段”212.129../24″作为实践样例，在漏洞情报信息中选取前三个漏洞”锐捷EG网关文件上传”、” 远程代码执行（CVE-2023-35885）”、” 远程代码执行（CVE-2023-38646）”作为实践样例。
首先，我们利用平台获取该C段的网络资产测绘数据；然后，借助去分析解读数据，判断是否有IP地址使用了这三个漏洞所对应的组件，从而判断是否有IP地址可能受到漏洞影响；最后，根据IP地址对应SSL证书信息，判断IP地址属于哪个组织机构。
获取C段测绘数据
在平台中，输入以下关键词，搜索指定C段IP地址、测绘时间在2023年8月1日之后的测绘数据。
