如何看待 QQ 扫描读取所有浏览器的历史记录？

2021-01-18 星期一

拿到历史记录之后干了什么？应该是读取了淘宝、天猫和京东的搜索记录，并且通过统一接口上传了特定的搜索关键词吧。

根据有关灵媒的说法，内部算法具体 URL 检查步骤如下：

  1. 确保 URL 是 UTF-16LE 编码的宽字符串
  2. 把整条 URL 转换成大写
  3. 寻找长度为 size 的，MD5（4个整数）哈希为 A B C D 的子字符串。

MD5 是一种将任意长度内容转换为四个整数的单向函数。由于它找的是一小段字符串的 MD5，所以我们没法恢复出它想要找的真正原文是什么。

总共有四对这样的 (size, A, B, C, D)，分别是：

23, 0x1C6389BA, 0xF2FA5666, 0xF2A2E0D3, 0xC892E7BA
34, 0xB829484C, 0x520F7CC3, 0x94EC8A73, 0xD808E79
30, 0xDDA1029, 0x9E67F3BB, 0xB18ACC45, 0x597CF438
21, 0x2564591C, 0x5B11347B, 0x846A0F72, 0xEF704A8

我们只能暴力破解 23 个字符、34 个字符……，天文数字的计算耗时，非常困难。





？吗

不困难，因为 QQ/TIM 要找的东西肯定有机会出现在用户的历史记录里。

把自己多年丰富的历史记录全部翻出来主动喂给这个算法就好。

23, 0x1C6389BA, 0xF2FA5666, 0xF2A2E0D3, 0xC892E7BA
://S.TAOBAO.COM/SEARCH?

34, 0xB829484C, 0x520F7CC3, 0x94EC8A73, 0xD808E79
LIST.TMALL.COM/SEARCH_PRODUCT.HTM?

30, 0xDDA1029, 0x9E67F3BB, 0xB18ACC45, 0x597CF438
(未知)

21, 0x2564591C, 0x5B11347B, 0x846A0F72, 0xEF704A8
SEARCH.JD.COM/SEARCH?

只找到了其中的三个，它在寻找 淘宝、天猫、京东 的历史搜索记录。

接下来根据一位幽灵的托梦，我了解到它会截取 URL 后面的 q=... 和 keyword=... 两种搜索参数，它包含了在网页上输入的搜索内容。

针对搜索的内容，它又故技重施，（目前只有）有以下的六条内容匹配。

# group 1
18, 0x8C2F8C3B, 0x9CA6DB69, 0x663C9537, 0xA0B64B58
7, 0x966DC59E, 0x592F2331, 0x6D2BF021, 0xA1D96C3C

# group 2
18, 0x7FACF63C, 0xBEC2FCB0, 0xBE8836F6, 0x167CC273
18, 0x46B6D8D7, 0x8AA82723, 0xBE19FA24, 0x670E160C

# group 3
18, 0xE235F85E, 0x5C924D20, 0xA61B84AC, 0x4BC792DD
18, 0x79088BEC, 0xF29CC9E8, 0xBF920D9, 0x455AE9ED

在我的浏览记录里，恰好找到了第二和第四条的内容为

7, 0x966DC59E, 0x592F2331, 0x6D2BF021, 0xA1D96C3C
VINTAGE

18, 0x46B6D8D7, 0x8AA82723, 0xBE19FA24, 0x670E160C
%E8%9E%8D%E8%B5%84

%E8%9E%8D%E8%B5%84 这18个字是“融资”的 URL 里的编码。

结合这个发现，联想到 18 = 3*6，再结合 一个汉字等于3个字节 的事实。不难理解，剩下的四个 size 为 18 的未知字符很有可能都同样是汉字双字词。

汉字虽多，但是实际上通用规范汉字表常用字集只有3500字，两个字就遍历两层即可，百万级别的循环对于电脑来说还是轻松简单的。另外还有有趣的朋友们提供的汉字双字词表，遍历起来就更快了。

# group 1
18, 0x8C2F8C3B, 0x9CA6DB69, 0x663C9537, 0xA0B64B58   # 古着
7, 0x966DC59E, 0x592F2331, 0x6D2BF021, 0xA1D96C3C    # VINTAGE

# group 2
18, 0x7FACF63C, 0xBEC2FCB0, 0xBE8836F6, 0x167CC273   # 融券
18, 0x46B6D8D7, 0x8AA82723, 0xBE19FA24, 0x670E160C   # 融资

# group 3
18, 0xE235F85E, 0x5C924D20, 0xA61B84AC, 0x4BC792DD   # 炒股
18, 0x79088BEC, 0xF29CC9E8, 0xBF920D9, 0x455AE9ED    # 股票

这就是 QQ/TIM 关心的全部关键词。然后或许可能我觉得会带着 skey=0x800915e 这个编号把搜索到的 group 组号 传上去服务器里。可以确定的是，它没有上传完整 URL，更没有上传所有浏览记录。


根据一位不知名妖怪所说：这份程序实现的成熟度很低，很可能只是一个初步的、实验性的或者说试探性的代码，以上清单也是固定在程序里的，不能下发任务控制 QQ 扫描其他的关键词。腾讯公司顶多就知道你是个会到天猫淘宝京东搜索炒股教程、融资技巧、和买二手衣服（？）的用户罢了。


什么叫用户画像啊？（战术后仰）


如是我闻。

20210118 更新

缺失的第三条网址原文，万能的知友找到了：

请移步 @Harrion 的回答： https://www.zhihu.com/question/439768601/answer/1683462622

uland.taobao.com/sem/tbsearch?

原文地址：点击此处查看原文