摘要
钓鱼即服务（PhaaS）降低了网络诈骗的技术门槛，催生了规模化、产业化的网络钓鱼生态。本文以 Group-IB 2026 年披露的 SniperDz 平台为研究对象，系统性剖析该 PhaaS 平台的运营模式、模板体系、多层跳转攻击链路、浏览器劫持技术及流量变现机制。该平台自 2014 年上线，配备 80 余款仿冒全球知名品牌的钓鱼模板，依托 Linktree、Linkbio 等正规聚合链接服务实现流量伪装，结合页面隐身、浏览器历史篡改、标签劫持、推送通知劫持等技术绕过传统安全检测体系，并根据受害者地域、设备、运营商动态匹配高额收费短信、付费电话、投资诈骗等变现渠道。本文梳理 SniperDz 关联的 900 余个恶意域名、IP 地址等基础设施特征，分析现有网络安全防护体系针对此类复合型诈骗攻击的短板，结合攻击技术特征编写对应检测代码，实现恶意跳转链路、异常浏览器脚本、违规推送通知的自动化识别。研究结合平台运营特征与攻击手法，从技术检测、权限管控、流量治理、用户安全教育、跨境协同治理五个维度构建全流程防御体系。反网络钓鱼技术专家芦笛指出，以 SniperDz 为代表的成熟 PhaaS 生态已完成从单一凭证窃取向多元流量变现的转型，传统基于恶意域名、静态页面特征的防御手段有效性持续下降。本研究可为网络安全运维人员、应急响应团队、监管机构识别、溯源、处置同类 PhaaS 攻击提供详实的数据参考与技术实践方案。
关键词：钓鱼即服务；SniperDz；浏览器劫持；推送通知滥用；多层跳转；网络诈骗防御
1 引言
网络钓鱼是当前全球传播范围最广、产业化程度最高的网络威胁之一，而钓鱼即服务（PhaaS）模式的出现，彻底打破了网络攻击的技术壁垒。攻击者无需掌握网站开发、脚本编写、流量运营等专业技能，仅需借助标准化平台提供的模板、工具与基础设施，即可快速搭建钓鱼活动并实现盈利，这也让网络诈骗呈现出低门槛、规模化、复杂化、多元化变现的发展趋势。
Group-IB 在针对中东和北非地区网络威胁开展专项调查过程中，发现大量仿冒政客、公众人物、通信运营商的社交媒体诈骗账号。此类账号以免费流量、政府补贴、现金补偿等福利为诱饵，引导用户点击链接，最终指向统一的后台运营体系。经过流量溯源、样本分析与基础设施关联研判，研究人员定位到支撑该系列诈骗活动的核心平台 ——SniperDz。该平台是一款综合性 PhaaS 与推送通知即服务（PNaaS）一体化生态系统，自 2014 年首次被观测到活跃，期间先后使用 JokerDz、StormDz、SpamDz 等多个别名，长期活跃于全球网络黑产领域。
与传统单一窃取账号密码的钓鱼平台不同，SniperDz 构建了完整的 “引流 - 伪装 - 劫持 - 变现” 闭环生态。平台内置多语种钓鱼模板，覆盖金融、社交、流媒体、游戏等多个高价值行业；在传播环节滥用主流链接聚合平台实现多层跳转，规避社交媒体与防火墙的基础检测；在交互环节运用页面隐身技术、浏览器历史篡改、标签劫持、推送通知劫持等多种浏览器操控手段，强制滞留用户流量；在变现环节基于用户画像动态分发不同诈骗模式，包括高额收费短信订阅、付费电话、虚假投资、客户信息倒卖等。截至目前，该平台关联的可疑域名数量已超过 900 个，依托统一托管服务商搭建分布式基础设施，攻击辐射范围覆盖全球多个国家和地区。
当前国内及全球多数安全防护方案，主要针对传统直连式钓鱼链接、静态恶意页面开展检测，对于多层跳转、依托正规平台中转、滥用浏览器原生功能的复合型诈骗攻击识别能力不足。同时，网络安全研究领域针对 SniperDz 这类老牌综合性 PhaaS 平台的全链路拆解、技术特征提取、自动化检测方案的落地研究相对有限。基于这一现实背景，本文以 Group-IB 公开的一手监测数据与样本信息为基础，逐层拆解 SniperDz 平台的架构、攻击流程、核心技术、变现模式与基础设施特征，编写适配实战场景的检测代码，客观分析防御难点，并搭建分层防御体系。全文研究范围聚焦 SniperDz 生态的攻击技术与对抗策略，不拓展至其他无关 PhaaS 平台，保证论据闭环、主题聚焦，为应对同类产业化钓鱼攻击提供实践支撑。
2 SniperDz 平台整体概况与基础特征
2.1 平台发展历程与基础属性
SniperDz 是一款运营周期长达十余年的老牌黑产服务平台，首次活跃记录可追溯至 2014 年 11 月，在长期运营过程中不断迭代功能、拓展业务场景、更换对外名称以规避溯源打击，先后使用 JokerDz、StormDz、SpamDz 等多个别名。该平台核心定位为附属联盟式 PhaaS+PNaaS 综合服务生态，面向全球低技术门槛黑产从业者提供一站式诈骗解决方案，使用者无需具备网页开发、脚本编写、网络运维等专业能力，依托平台现成工具即可批量开展诈骗活动。
从技术能力与工具集来看，SniperDz 团队掌握完整的前端脚本开发能力，擅长制作钓鱼页面、编写点击劫持、浏览器历史篡改、标签劫持等恶意 JavaScript 脚本；同时精通流量伪装、反爬虫、域名伪装、免费托管平台利用等规避检测技术，还深度布局手机计费、高额短信订阅等电信诈骗业务，形成了技术、流量、变现三位一体的黑产体系。平台目标覆盖全球范围，重点深耕中东和北非区域，结合当地语言、民俗、消费习惯定制诈骗内容，本地化运营特征十分显著。
从盈利动机分析，该平台所有功能设计均围绕非法获利展开，早期业务以窃取社交账号、金融平台凭证为主，随着技术迭代与生态扩张，逐步拓展出浏览器推送通知劫持、付费电话扣费、高额短信订阅、虚假投资、用户信息倒卖、联盟营销诈骗等多元盈利渠道，单一攻击链路可同时实现多种变现方式，大幅提升流量收益。
2.2 钓鱼模板体系与语种适配
模板库是 SniperDz 吸引下游黑产从业者的核心优势，平台内置80 套独立钓鱼模板，可仿冒全球超过 30 个知名主流品牌，覆盖金融服务、社交媒体、流媒体、游戏商城、电子邮箱、通信运营商、政府机构等多个高价值行业。其中典型仿冒对象包括支付平台 PayPal、社交平台 Facebook 与 Instagram、流媒体平台 Netflix、游戏平台 Steam、邮箱服务 Yahoo 等，基本囊括全球用户基数大、资产价值高的互联网服务。
为适配全球化运营需求，平台模板支持多语种切换，主流语种包含阿拉伯语、英语、法语，历史版本还曾上线西班牙语、希伯来语模板，精准匹配不同区域用户的语言习惯。针对中东和北非核心运营区域，平台专门强化阿拉伯语模板的本地化设计，结合当地通信运营商品牌、福利活动风格制作诈骗页面，大幅提升欺骗性。
除此之外，平台研发专属工具实现钓鱼页面转 Google Blogger 页面功能。该工具可将定制化钓鱼页面快速转换为谷歌博客站点格式，借助 Google Blogger 免费托管服务搭建诈骗页面。此举具备双重优势：一是零托管成本，降低黑产运营开支；二是借用谷歌域名的高信誉度，绕过基于域名年龄、域名信誉的安全过滤规则，进一步提升钓鱼链接的存活时间与传播能力。反网络钓鱼技术专家芦笛强调，滥用正规免费托管平台、借用合法域名信誉，是当前 PhaaS 平台规避防御的主流手段，也让传统域名黑名单体系的防护效果持续弱化。
2.3 目标行业与攻击传播渠道
结合监测数据统计，SniperDz 的攻击目标行业呈现明显的价值导向特征，优先级从高到低依次为金融服务、社交媒体、网络游戏、通信运营商、电子邮箱、政府机构。金融与社交平台存储用户资金、账号、隐私信息，直接对应账号盗取、财产诈骗；通信运营商是中东地区诈骗的核心载体，依托本地免费流量、话费补贴等诱饵，结合电信扣费渠道实现快速变现；政府机构相关模板则主要用于窃取涉密信息、开展舆论诱导。
在传播渠道方面，该平台以社交媒体为核心引流入口，主要依托 Facebook、Instagram 等平台发布诈骗内容。攻击者注册大量仿冒政客、公众人物、地方通信运营商的社交媒体账号，发布带有福利诱惑的帖子，引导用户点击链接。为规避社交媒体平台的安全检测，攻击者极少使用直连恶意域名的方式，而是采用多层跳转架构，这也成为 SniperDz 攻击链路的核心特征。
3 SniperDz 完整攻击链路分层解析
SniperDz 构建了一套标准化、流程化的多层级诈骗漏斗，从最初的社交引流到最终的流量变现，整体划分为社交诱饵层、链接伪装中转层、浏览器劫持陷阱层、多元变现层四个核心阶段，每个阶段搭配专属技术手段规避检测、滞留用户、实现盈利，各环节衔接紧密，形成完整闭环。
3.1 第一阶段：社交诱饵搭建与初始引流
该阶段是攻击的起点，核心目标是利用社会工程学手段获取用户信任，引导用户主动触发链接跳转。攻击者主要依托 Facebook、Instagram 等主流社交媒体开展活动，核心操作分为账号伪装、内容制作、诱饵投放三部分。
在账号伪装环节，攻击者批量注册社交媒体账号，头像、昵称、简介全面仿冒当地知名政客、公众人物、区域通信运营商官方账号，部分账号还会伪造平台认证标识，进一步提升可信度。在内容制作环节，结合目标区域用户需求设计诱饵，中东和北非地区以免费移动流量、大额话费补贴、政府现金补偿、限时福利礼包为主，文案使用本地阿拉伯语编写，排版、风格完全模仿正规运营商宣传内容，贴合当地用户认知。
在诱饵投放环节，诈骗帖子公开发布在社交账号主页、社群、推荐信息流中，文案附带行动指令，诱导用户 “点击链接领取福利”“输入手机号完成登记”。从表面来看，此类帖子与正常商业推广内容无明显差异，普通用户难以分辨真伪。该阶段不直接放置恶意链接，为后续多层中转埋下伏笔。
3.2 第二阶段：正规平台中转与流量伪装
为绕过社交媒体平台的恶意链接检测机制，SniperDz 全面放弃直连恶意域名的模式，采用可信链接聚合平台作为中转节点，这也是整个攻击链路中最关键的伪装环节。攻击者主要滥用 Linktree、Linkbio 等全球知名链接聚合服务，这类平台拥有极高的域名信誉，主流安全设备、社交媒体平台通常不会对其进行拦截。
具体流程为：社交媒体帖子中放置指向 Linktree、Linkbio 旗下域名（例如 fanlnk.to）的链接，用户点击后首先跳转至链接聚合平台的伪装落地页。该落地页沿用此前的福利宣传主题，页面内设置多个功能按钮，表面上区分不同福利类型，但后台代码显示，页面内所有按钮均指向同一个攻击者控制的追踪域名。无论用户点击任意按钮，流量都会统一被导向 SniperDz 的核心恶意基础设施。
多层中转架构具备极强的对抗能力：第一层社交媒体平台链接指向高信誉聚合域名，规避初始拦截；第二层聚合平台页面作为过渡，模糊流量去向；第三层才真正接入恶意站点。多层跳转拉长了流量路径，增加了安全设备全链路检测的难度，同时正规平台的域名信誉能够掩护后端恶意流量。同时，该阶段站点还集成隐身（Cloaking）技术，具备访问者识别能力：当检测到安全研究员、网络爬虫、自动化扫描工具访问时，页面会自动切换为正常错误页面，隐藏恶意内容；仅对普通真实用户展示诈骗页面，从源头规避样本抓取与特征分析。
3.3 第三阶段：浏览器劫持与用户滞留陷阱
流量进入攻击者核心基础设施后，便进入陷阱阶段。该阶段综合运用推送通知劫持、浏览器历史篡改、标签劫持三大浏览器操控技术，核心目标是长期控制用户浏览器、阻止用户退出诈骗链路、维持流量价值，也是 SniperDz 技术复杂度最高的环节。
3.3.1 浏览器推送通知劫持
这是该平台实现长期持续引流的核心技术。用户跳转至恶意页面后，页面展示加载动画与引导文字，提示用户 “点击允许以继续领取福利”“点击允许完成身份验证”，将浏览器推送通知请求伪装成福利领取的必要步骤。普通用户在福利诱惑下，往往会直接点击 “允许” 按钮。
页面后台脚本调用统一的 VAPID 公钥完成推送订阅注册，该公钥在 SniperDz 所有诈骗样本中重复出现，成为识别该生态的重要基础设施指纹。一旦用户授权，脚本会收集推送订阅令牌、用户语言、设备信息、追踪标识等数据，并回传至攻击者服务器。此后，即便用户关闭当前页面，攻击者仍可通过浏览器推送功能，持续向用户推送诈骗广告、钓鱼链接、各类欺诈内容，实现长期流量复用。
3.3.2 浏览器历史篡改（返回按钮陷阱）
为防止用户发现异常后退出页面，平台部署浏览器历史篡改代码。脚本会自动向用户的浏览器历史记录中批量插入 10 条以上虚假访问记录。当用户点击浏览器 “返回” 按钮试图退出时，并不会回到上一级正规页面，而是在虚假历史记录中循环跳转，陷入 “返回按钮监狱”，始终停留在攻击者控制的站点范围内，无法脱离诈骗生态。该技术针对普通用户的操作习惯设计，大幅提升用户滞留时长。
3.3.3 标签劫持（Tab-under）
该技术主要用于多标签浏览场景。当用户点击页面内链接新建浏览器标签时，脚本会触发延迟跳转逻辑：新标签打开目标页面的同时，原本的标签页会在后台静默跳转至其他恶意站点。这种方式能够在用户无感知的情况下，进一步扩大恶意流量规模，最大化流量变现收益。
三大技术组合使用，构建了立体化的用户滞留体系，短期限制用户退出页面，长期通过推送通知持续控制终端，让单次引流行为产生多次变现价值。
3.4 第四阶段：用户画像匹配与多元流量变现
完成浏览器权限劫持后，平台进入最终的变现环节。SniperDz 搭建了中心化流量分发引擎，具备用户画像识别与动态路由能力，服务器自动采集用户终端类型、所在地理位置、手机运营商等信息，根据不同画像将流量导向对应变现渠道，实现收益最大化。平台主要包含四类变现模式，覆盖即时扣费与长期信息窃取两大方向。
第一类是高额付费电话诈骗。系统识别用户手机运营商后，页面引导用户拨打指定号码 “兑换奖品”“验证资格”，该号码属于国际高额收费服务热线，通话费用会直接通过手机运营商结算，攻击者按照通话时长获取分成收益。
第二类是高额短信订阅诈骗。页面伪装成趣味答题、资格调查问卷，用户完成交互后，后台会在无明确告知的情况下，为用户开通自动续费的高额短信订阅服务，持续扣除手机话费，且订阅服务隐蔽性较强，普通用户难以发现与取消。
第三类是虚假投资诈骗。针对特定区域、特定设备的用户，流量会被导向仿冒财经媒体、虚拟货币交易、股票交易的虚假投资平台。页面诱导用户填写姓名、手机号、邮箱等个人信息，收集的敏感数据一方面用于后续精准诈骗，另一方面可批量出售给黑产下游，实现数据变现。
第四类是联盟营销诈骗与二次引流。部分流量会被导向各类灰色联盟广告、第三方诈骗站点，攻击者依靠流量分成获取收益。同时，结合此前劫持的浏览器推送权限，持续推送各类诈骗内容，形成循环引流。
整体来看，SniperDz 并非单一钓鱼站点，而是以流量为核心的综合型黑产交易平台，所有技术设计、链路搭建最终均服务于流量变现，产业化特征极为突出。
3.5 平台基础设施与关联资产
经过 Group-IB 溯源分析，SniperDz 生态拥有规模化的基础设施集群，核心托管服务商为 Horizon IQ，关联三台核心 IP 节点：65.60.9.236、108.178.23.118、184.154.10.254。这三组 IP 关联了超过 900 个可疑域名，其中典型代表性域名包括 win.feezossl.xyz、win.anababayala.com、aff.bnaosf1he.shop、offer.raviral.com等。
这些域名分工明确，分别承担流量跳转、页面托管、数据接收、推送服务等不同功能，域名体系庞大且更新频繁。同时，平台复用同一组 VAPID 公钥作为推送服务的统一标识，该指纹不受域名、IP 变更影响，是跨样本、跨活动关联 SniperDz 攻击的核心特征。基础设施的集中托管、大规模域名集群、固定技术指纹，也为安全团队开展溯源、批量处置提供了关键依据。
4 SniperDz 攻击核心技术特征与检测难点
4.1 核心技术特征汇总
结合全链路分析，将 SniperDz 生态的核心技术特征归纳为五大类，这也是区分其与传统钓鱼攻击的关键：
多层跳转 + 正规平台中转：依赖 Linktree、Linkbio、Google Blogger 等高信誉合法平台作为中间节点，恶意流量嵌套在正规流量之中，链路层级多、节点可信度高。
隐身对抗技术：区分普通用户与扫描爬虫、安全研究员，对自动化检测工具展示无害页面，规避样本捕获与特征提取。
浏览器深度操控：集成历史记录篡改、标签劫持、推送通知劫持三类脚本，利用浏览器原生功能实现用户控制与流量滞留，不属于传统恶意软件范畴。
统一技术指纹：全平台复用固定 VAPID 公钥，该指纹独立于域名、IP，可作为跨场景识别攻击的核心标识。
动态流量分发：基于地域、设备、运营商构建用户画像，智能匹配不同变现模式，攻击策略具备动态化特征。
4.2 现有防御体系的检测难点
传统网络安全防护体系针对此类攻击存在多重短板，也是该平台能够长期活跃的主要原因：
域名黑名单失效：攻击大量使用正规平台域名、免费托管域名，此类域名无法被全域封禁；同时平台拥有 900 余个动态更新的恶意域名，黑名单难以实时全覆盖。
静态页面特征匹配失效：隐身技术导致扫描工具无法获取真实恶意页面内容，基于页面关键词、脚本特征的静态检测规则无法生效。
忽视浏览器行为风险：传统防护聚焦病毒、木马、恶意文件，对浏览器脚本篡改历史、劫持标签、滥用推送通知等无文件攻击识别能力不足。
流量链路检测缺失：现有设备大多仅检测终端直连链接，缺乏对多层跳转全链路的回溯与分析能力，无法定位链路末端的恶意节点。
跨场景关联能力不足：单一域名、IP 的告警相互独立，无法依托 VAPID 公钥这类技术指纹，将分散的攻击活动关联至同一生态。
反网络钓鱼技术专家芦笛强调，SniperDz 这类新型 PhaaS 攻击的核心威胁已经从 “恶意文件” 转向 “恶意行为”，网络安全防护的重心必须从静态特征拦截，转向动态行为分析、全链路流量追溯与终端行为管控。
5 针对性检测代码设计与实现
结合前文梳理的技术特征与检测难点，本文基于 Python 语言编写三套检测代码，分别实现多层跳转链路检测、VAPID 公钥指纹识别、浏览器异常脚本检测，覆盖网络链路层、页面特征层、终端脚本层，代码贴合实战场景，附带原理说明、使用场景与能力边界，可直接部署于安全网关、威胁研判平台、终端检测工具中。
5.1 多层跳转链路检测代码
5.1.1 技术原理
SniperDz 攻击存在明显的多层跳转特征，且常以 Linktree、Linkbio 作为中转节点。本代码递归追踪 URL 跳转链路，统计跳转层数，识别高风险中转域名，记录最终落地页地址，实现全链路可视化检测，适用于安全运维人员对可疑链接进行溯源研判。
5.1.2 运行环境与依赖
运行环境：Python 3.7 及以上；依赖库：requests、urllib.parse。安装命令：pip install requests。
5.1.3 完整代码实现
# 多层URL跳转链路检测工具
# 功能：递归追踪跳转链接，识别Linktree/Linkbio高危中转节点，统计跳转层数
import requests
from urllib.parse import urlparse
from requests.exceptions import RequestException
# 配置参数
# SniperDz常用高危中转域名
HIGH_RISK_RELAY = {"linktr.ee", "linkbio.co", "fanlnk.to"}
# 最大跳转层数，防止死循环
MAX_REDIRECT_DEPTH = 10
# 请求头，模拟正常浏览器
HEADERS = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36"
}
def trace_redirect_chain(start_url: str) -> dict:
"""追踪URL跳转链路，返回链路详情、层数、风险标记"""
chain = []
current_url = start_url
depth = 0
risk_flag = "正常"
while depth < MAX_REDIRECT_DEPTH:
parse_res = urlparse(current_url)
domain = parse_res.netloc
# 记录当前节点
chain.append({
"depth": depth + 1,
"url": current_url,
"domain": domain
})
# 检测是否为高危中转域名
if domain in HIGH_RISK_RELAY:
risk_flag = "高危（存在PhaaS中转节点）"
try:
# 关闭自动跳转，手动捕获3xx跳转状态码
resp = requests.get(current_url, headers=HEADERS, allow_redirects=False, timeout=8)
# 3xx状态码代表跳转
if 300 <= resp.status_code < 310:
next_url = resp.headers.get("Location")
if not next_url:
break
current_url = next_url
depth += 1
else:
# 无跳转，链路结束
break
except RequestException:
chain.append({"depth": depth + 1, "url": current_url, "domain": domain, "note": "访问失败"})
break
return {
"start_url": start_url,
"redirect_count": len(chain) - 1,
"full_chain": chain,
"risk_level": risk_flag,
"final_url": chain[-1]["url"] if chain else ""
}
def batch_check(url_list: list):
"""批量检测URL跳转链路"""
print("===== 多层跳转链路检测结果 =====")
for url in url_list:
result = trace_redirect_chain(url)
print(f"初始链接：{result['start_url']}")
print(f"跳转层数：{result['redirect_count']} | 风险等级：{result['risk_level']}")
print("完整链路：")
for node in result["full_chain"]:
print(f" 第{node['depth']}层：{node['url']}")
print("-" * 80)
if __name__ == "__main__":
# 测试用例：包含正常链接、含Linkbio中转的恶意链接
test_urls = [
"https://www.official-telecom.com/promotion",
"https://fanlnk.to/relay123",
"https://linktr.ee/telecom-offer"
]
batch_check(test_urls)
5.1.4 代码说明与能力边界
本代码手动捕获 HTTP 3xx 跳转状态码，递归解析全链路节点，精准识别 SniperDz 常用的链接聚合平台。适用于威胁情报研判、邮件网关可疑链接筛查。能力边界：无法识别页面内 JS 实现的前端跳转，仅能检测 HTTP 协议层面的服务端跳转；需持续更新HIGH_RISK_RELAY域名列表，适配新的中转节点。
5.2 VAPID 公钥指纹检测代码
5.2.1 技术原理
固定 VAPID 公钥是 SniperDz 生态的核心指纹。本代码请求页面 HTML 内容，正则匹配页面中出现的 VAPID 公钥字符串，以此判断页面是否归属该诈骗生态，适用于恶意页面样本研判、内网站点巡检。
5.2.2 运行环境与依赖
Python 3.6 及以上，依赖requests、re库。安装命令：pip install requests。
5.2.3 完整代码实现
# VAPID公钥指纹检测工具
# 功能：检测页面中是否存在SniperDz专属VAPID公钥，识别关联攻击页面
import re
import requests
from requests.exceptions import RequestException
# SniperDz全样本复用的VAPID公钥
SNIPERDZ_VAPID_KEY = "BHR8bZ93X3YNBNQcN_dGRYtnWqdsJXR2bXqq3vhfBL1TpfZqrGKXYxATKGNHa25HyaghKK8ZiaFXbIgJqY2624A"
# 正则匹配VAPID密钥片段
vapid_pattern = re.compile(re.escape(SNIPERDZ_VAPID_KEY))
HEADERS = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36"}
def check_vapid_fingerprint(url: str) -> dict:
"""检测页面VAPID指纹"""
result = {
"url": url,
"access_status": "正常",
"is_sniperdz": False,
"detail": ""
}
if not url.startswith(("http://", "https://")):
result["access_status"] = "协议非法"
return result
try:
resp = requests.get(url, headers=HEADERS, timeout=8)
html_content = resp.text
# 匹配专属VAPID公钥
if vapid_pattern.search(html_content):
result["is_sniperdz"] = True
result["detail"] = "页面包含SniperDz专属VAPID公钥，判定为关联诈骗页面"
else:
result["detail"] = "未匹配到SniperDz VAPID指纹"
except RequestException as e:
result["access_status"] = f"访问失败：{str(e)}"
return result
def batch_scan(url_list: list):
print("===== VAPID指纹批量检测结果 =====")
for url in url_list:
res = check_vapid_fingerprint(url)
print(f"目标链接：{res['url']}")
print(f"访问状态：{res['access_status']}")
print(f"检测结果：{res['detail']}\n")
if __name__ == "__main__":
test_urls = [
"https://win.feezossl.xyz",
"https://www.normal-page.com"
]
batch_scan(test_urls)
5.2.4 代码说明与能力边界
该代码以固定 VAPID 公钥为核心特征，不受域名、IP 变更影响，是跨样本关联 SniperDz 攻击的有效手段。能力边界：若攻击者对密钥进行分段、编码混淆，会导致匹配失效；同时无法对抗隐身页面，被识别为爬虫时页面会返回正常内容，造成漏检。建议搭配多维度访问模拟工具使用。
5.3 浏览器异常脚本检测代码
5.3.1 技术原理
针对浏览器历史篡改、标签劫持、推送通知劫持三类恶意 JS 脚本，通过正则匹配脚本特征关键词，识别页面中的浏览器操控代码，适用于终端安全插件、页面实时检测场景。
5.3.2 运行环境与依赖
Python 3.6 及以上，依赖requests、re库。
5.3.3 完整代码实现
# 浏览器恶意脚本检测工具
# 功能：检测历史篡改、标签劫持、推送通知劫持类恶意JS代码
import re
import requests
from requests.exceptions import RequestException
class MaliciousScriptDetector:
def __init__(self):
# 匹配浏览器历史记录篡改脚本
self.history_hijack = re.compile(r"history\.pushState|history\.replaceState", re.I)
# 匹配标签劫持tab-under脚本
self.tab_hijack = re.compile(r"window\.open|setTimeout.*location\.href", re.I)
# 匹配浏览器推送通知脚本
self.push_notify = re.compile(r"Notification\.requestPermission|webPush", re.I)
self.headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36"}
def detect_script(self, url: str) -> dict:
res = {
"url": url,
"access": "正常",
"risk_items": [],
"risk_level": "安全"
}
try:
resp = requests.get(url, headers=self.headers, timeout=8)
content = resp.text
# 逐项检测脚本特征
if self.history_hijack.search(content):
res["risk_items"].append("浏览器历史篡改脚本")
if self.tab_hijack.search(content):
res["risk_items"].append("标签劫持跳转脚本")
if self.push_notify.search(content):
res["risk_items"].append("违规推送通知劫持脚本")
# 判定风险等级
if len(res["risk_items"]) >= 2:
res["risk_level"] = "高危"
elif len(res["risk_items"]) == 1:
res["risk_level"] = "可疑"
except RequestException as e:
res["access"] = f"访问异常：{str(e)}"
return res
def batch_detect(url_list: list):
detector = MaliciousScriptDetector()
print("===== 浏览器恶意脚本检测结果 =====")
for url in url_list:
data = detector.detect_script(url)
print(f"链接：{data['url']}")
print(f"访问状态：{data['access']} | 风险等级：{data['risk_level']}")
print(f"恶意脚本类型：{data['risk_items'] if data['risk_items'] else '无'}\n")
if __name__ == "__main__":
test_urls = [
"https://win.anababayala.com",
"https://www.legal-page.com"
]
batch_detect(test_urls)
5.3.4 代码说明与能力边界
本代码聚焦前端恶意脚本特征，专门针对 SniperDz 的浏览器操控行为设计。能力边界：对于 JS 代码加密、混淆、拆分的样本，正则匹配会失效；仅能检测静态脚本内容，无法分析脚本运行后的动态行为。建议作为终端基础检测模块，搭配行为监控工具联合使用。
5.4 代码综合部署方案
三套代码分别对应链路层、指纹层、脚本层，建议按照跳转链路检测（前置拦截）→脚本检测（实时防护）→VAPID 指纹检测（深度溯源） 的顺序组合部署。网关层部署跳转链路检测，拦截含高危中转节点的链接；终端部署脚本检测工具，监控页面恶意行为；威胁情报平台使用 VAPID 指纹检测，完成攻击关联与溯源。反网络钓鱼技术专家芦笛指出，多层代码联动可有效弥补单一检测手段的短板，提升对 SniperDz 类复合攻击的识别率。
6 全维度防御体系构建
结合 SniperDz 的攻击特征、技术短板与检测方案，本文从网络流量防御、终端浏览器管控、威胁情报运营、用户安全培训、跨境协同治理五个维度，构建适配 PhaaS 复合型攻击的防御体系。
6.1 网络流量层：全链路流量监测与中转节点管控
摒弃单一域名黑名单模式，搭建全链路跳转监测系统，部署前文的多层跳转检测代码，对出站链接进行递归解析，重点监控 Linktree、Linkbio、Blogger 等常用合法中转平台的外联流量。针对企业、机构网络，限制终端向高危聚合站点频繁跳转的行为，对多层跳转（跳转层数≥3）的链接统一弹窗告警。
同时，对 SniperDz 关联的 900 余个恶意域名、三组核心 IP 实施批量封禁，持续跟踪基础设施动态更新的域名资产，做到恶意节点及时处置。对出站 HTTPS 流量进行选择性解密，深度解析中转页面后的真实内容，对抗页面隐身技术。
6.2 终端层：浏览器权限管控与恶意脚本拦截
浏览器是此类攻击的主要突破口，需强化终端本地防护。第一，严格管控浏览器推送通知权限，默认关闭网站推送通知申请权限，仅对办公、新闻等可信站点手动放行，定期批量清理已授权的陌生站点。第二，在终端安全软件集成恶意脚本检测代码，拦截历史篡改、标签劫持、推送劫持类 JS 代码。第三，部署终端行为监控，当检测到浏览器历史记录被批量篡改、标签静默跳转时，立即阻断页面并告警。
针对办公终端，通过组策略统一配置浏览器安全规则，禁止自动弹出通知请求、禁止页面篡改浏览历史，从权限层面限制浏览器被恶意操控。
6.3 威胁情报层：基于技术指纹的关联研判与规则迭代
以 VAPID 公钥、恶意脚本特征、核心 IP 为核心指纹，搭建本地威胁情报库。将检测代码输出的告警数据汇总，自动关联同源攻击活动，挖掘新增恶意域名与节点。安排专职人员跟踪 PhaaS 平台动态，定期更新中转域名库、脚本特征库、IP 黑名单。
同时对接行业共享威胁情报，同步 SniperDz 家族最新资产，实现跨单位、跨区域的情报联动，避免单一机构情报滞后导致防护失效。
6.4 用户安全培训层：针对性社会工程学防御培训
SniperDz 依托福利诱饵实施社会工程攻击，用户防范意识是最后一道防线。培训内容需贴合攻击场景：一是提醒用户警惕社交媒体上 “免费流量、政府补贴、现金奖励” 类高诱惑帖子，此类内容是中东及北非地区核心诱饵；二是普及多层跳转链接风险，告知用户正规服务不会经过多个中转页面跳转；三是讲解浏览器推送通知权限的风险，明确正规机构不会要求用户开启推送权限领取福利；四是教授用户手动查看、删除浏览器推送授权的操作方法。
定期开展模拟钓鱼演练，使用仿 SniperDz 攻击链路的测试链接检验用户防范能力，针对薄弱群体开展二次培训。
6.5 跨境协同治理层：基础设施溯源与联合打击
SniperDz 的基础设施集中托管于境外服务商，域名分布全球，单一地区治理效果有限。网络安全监管机构加强国际网络安全协作，联合托管服务商 Horizon IQ 处置恶意 IP 与域名，批量下线 900 余个关联恶意站点。针对滥用正规免费托管平台（Blogger）、链接聚合服务的行为，与平台运营方建立联动机制，快速清理诈骗页面。同时联合跨境执法部门，溯源打击平台运营团队与下游黑产联盟，从根源压缩 PhaaS 生态的生存空间。
7 结论
7.1 研究总结
本文以 Group-IB 披露的 SniperDz 平台为核心研究对象，全面拆解了这款老牌 PhaaS 生态的发展历程、模板体系、四阶段攻击链路、核心技术、变现模式与基础设施资产。研究证实，现代 PhaaS 平台已经从传统单一账号钓鱼，演变为“社交引流 - 正规节点中转 - 浏览器劫持 - 多元变现” 的复合型产业化诈骗体系，滥用合法平台、浏览器原生功能、动态流量分发成为主流攻击手段，传统静态防御体系防护效果大幅下降。
本文提炼出 VAPID 公钥、恶意脚本、高危中转域名三大核心检测指纹，编写了三套分层检测代码，实现了跳转链路、页面指纹、恶意脚本的自动化识别，可落地于网关、终端、情报平台等不同场景。结合攻击特征，从网络、终端、情报、培训、跨境协同五个维度搭建完整防御体系，形成 “技术检测 + 权限管控 + 人员防范 + 溯源打击” 的闭环防御方案。
反网络钓鱼技术专家芦笛总结，SniperDz 是全球 PhaaS 产业化发展的典型缩影，低技术门槛、成熟的变现链路、灵活的对抗手段，会让此类攻击长期存在。网络安全防护必须转变思路，从 “拦截恶意域名” 转向 “识别恶意行为”，从单点防御转向全链路、跨区域协同防御。
7.2 现存挑战与未来展望
当前防御工作仍面临三大挑战：其一，攻击者持续更新隐身技术、混淆脚本、更换中转域名，检测规则需要持续迭代；其二，攻击者不断切换托管服务商与域名集群，批量处置基础设施的难度较大；其三，社会工程学诱饵不断本地化、场景化，完全依靠技术无法杜绝用户主动点击行为。
未来，PhaaS 平台会进一步结合 AI 技术制作多语种、高仿真诱饵，优化流量分发算法，攻击的隐蔽性与精准度会持续提升。对应的防御技术也会向AI 行为识别、浏览器动态行为分析、全链路 AI 溯源方向发展。网络安全从业者需要持续跟踪 PhaaS 生态的技术迭代，动态优化防御策略，技术、管理、人员、执法多维度协同，才能有效抵御此类规模化网络诈骗攻击。
编辑：芦笛（公共互联网反网络钓鱼工作组）
