DEF CON 33 Recon Village - Plug and Prey Scanning and Scoring Browser Extensions - Nishant Sharma
三句話摘要
瀏覽器擴展的安全威脅與AI驅動的多層掃描評分系統。 瀏覽器擴展已成企業安全的關鍵盲點，必須結合元數據監測、LLM代碼理解、Chromium MITM動態監控與AI行為模擬的分層框架才能有效識別惡意擴展。 權限模型缺陷與上下文盲區：擴展採預先聲明權限制，但permission粗糙且無上下文。同一權限(如cookies存取)在Cookie Editor開發工具中合理，在無關AI助手中卻可疑。權限本身不能決定風險，必須評估為何該擴展需要此權限。
重點整理
重點- 1
權限模型缺陷與上下文盲區：擴展採預先聲明權限制，但permission粗糙且無上下文。同一權限(如cookies存取)在Cookie Editor開發工具中合理，在無關AI助手中卻可疑。權限本身不能決定風險，必須評估為何該擴展需要此權限。
- 2
靜態分析的結構性失效：傳統SAST和代碼檢視無法預測運行時行為。攻擊者可用動態域名生成算法(DGA)、延遲執行、條件觸發、二進制編譯等技術隱藏真實意圖。真實威脅只在執行時才顯露，單純審計代碼如同盲人摸象。
- 3
元數據分析的隱藏信號：開發者地址、辦公位置(商業區vs荒郊)、域名年限、企業認證可揭露背景。更重要的是，二級市場存在所有權轉售——正常擴展可被開發者出售或被攻破者接管，但目前無法偵測所有權變更。需持續增量監測來追蹤異常。
- 4
AI驅動動態分析為突破口：修改Chromium作中間人代理監測擴展發出的所有API和網路呼叫；用LLM模擬真實使用者操作(因惡意擴展常在檢測用戶交互時才執行)；整合時間軸給AI分析，即能發現靜態分析漏掉的竊聽、釣魚重導向等行為。
實用技巧與重點
乾貨- 統計數據
- Chrome應用商店：150,000個擴展
- 2023年移除惡意擴展：32個，累計下載7,500萬次
- 早期報導：2.8億次安裝受影響
- 擴展結構四大件
- manifest.json (權限聲明)
- service worker (後台程序)
- content script (在每個頁面運行)
- HTML popup (點擊圖標顯示)
- 關鍵概念
- 隔離世界(isolated world)：content script與頁面script各擁獨立變數但共享DOM存取
- 瀏覽器進程與擴展進程分離，但content script與頁面在同一渲染進程
- 主要權限風險
- host permission：任意頁面存取，最普遍最危險
- cookies權限：可提取HTTP-only cookie
- webRequest、storage等其他敏感權限
- 評分6大支柱
- 權限分析(Permission Analysis)
- 元數據分析(Metadata Analysis) — 評論情感分析、開發者地址、域名年限註冊分析
- 代碼分析(Code Analysis) — LLM標記可疑代碼與原因
- 成分分析(Composition Analysis) — 檢查WASM/WebAssembly二進制
- 動態分析(Dynamic Analysis) — Chromium MITM、API日誌、網路流量、AI模擬操作
- 增量分析(Incremental Analysis) — 版本更新時跟蹤變更(類似GitHub diff)
- 動態分析三種模擬模式
- 零模擬：僅安裝無操作
- 靜態模擬：標準活動
- 代理模擬：AI根據擴展功能定制操作
- 真實案例數據
- 擴展名：顏色選擇器(Color Picker)
- 初始下載量：10萬+
- 惡意行為：竊聽訪問頁面、發送給C&C服務器、根據當前頁面(如Facebook)下發釣魚URL
結論
結論“瀏覽器擴展已成企業安全的關鍵盲點，必須結合元數據監測、LLM代碼理解、Chromium MITM動態監控與AI行為模擬的分層框架才能有效識別惡意擴展。”
完整解析
詳細近年來企業工作中心轉向瀏覽器，超過90%業務在瀏覽器進行（排除開發者達99%），但攻擊者也隨之演進。傳統端點惡意軟體正遷移到瀏覽器。擴展因權限模型寬鬆而成攻擊新目標，Chrome應用商店150,000個擴展中，2023年移除的32個惡意擴展已達7,500萬下載量，顯示問題規模之大。
現有安全評估停留在15年前的惡意軟體檢測階段，主要依靠權限檢查。擴展在manifest.json聲明所需權限——host權限允許在任意頁面存取DOM、修改內容，cookies權限可提取HTTP-only cookie。但這套粗糙的權限模型有兩個根本缺陷。首先權限含義模糊：cookies存取在Cookie Editor開發工具中完全合理，但在毫無相關的AI助手中就可疑。其次即使通過權限檢查，靜態代碼審計也無法預測運行時行為。攻擊者可用動態域名生成算法(DGA)、延遲執行、條件觸發等技術隱藏真實意圖，真實威脅只在執行時才顯露。
Square的方案採分層評分框架整合LLM和AI代理能力。權限分析第一步評估合理性，元數據分析第二步挖掘隱藏信號——開發者聯絡資訊、辦公地址位置、域名年限、企業驗證。由於合法擴展存在二級市場轉售或被攻破者接管的風險，需持續增量監測檢測所有權變更。代碼分析用LLM理解manifest、service worker、content script的意圖並標記可疑段。成分分析檢查WASM/WebAssembly等二進制檔案，因其難以審計，大量二進制表示隱藏意圖。
最關鍵是動態分析層。Square修改Chromium作中間人代理，在真實瀏覽環境執行擴展並記錄所有API呼叫和網路流量。因為惡意擴展常在檢測到用戶交互時才執行操作，LLM驅動的AI代理會模擬真實使用者行為——訪問不同網站、點擊連結。將API日誌、網路日誌、AI操作日誌整合進時間軸後傳給LLM分析，即可發現竊聽頁面訪問、根據使用者當前頁面發起有針對性釣魚重導向等隱蔽行為。增量分析在擴展更新時自動比對新舊版本，快速識別風險變更。
演講展示的真實案例是一個10萬下載的顏色選擇器擴展。初期完全正常，後來被攻破的版本更新後開始竊聽用戶訪問的所有頁面並回報給C&C服務器，還能根據用戶當時訪問的網站(如Facebook)下發定制釣魚URL進行重導向。靜態分析完全無法檢測這些新增行為。只有動態分析在AI代理訪問GitHub和Google時，才能看到擴展即時報告這些操作，進而判定為惡意軟體和間諜軟體。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
