500 行 Go 实现 Web 指纹识别引擎：Header + favicon Hash + Title + Cookie 组合投票

来源：微信公众号

为什么漏洞扫描器扫一下网站，就能识别出 Nginx、WordPress、OpenWrt，甚至 Jenkins、禅道？

底层并不是什么黑科技，而是几个最基础的步骤：规则积累 + 特征匹配。今天用 Go 一步步拆解 Web 指纹识别引擎的核心实现。

第一步：发起 HTTP 请求

Go 标准库已经帮我们做好了一切：

client := &http.Client{Timeout: 5 * time.Second}
resp, err := client.Get(target)
if err != nil {
    return
}
defer resp.Body.Close()

一次请求，就拿到了两样最重要的东西：HTTP Header 和 HTML 内容——仅凭这两个信息，就已经能够识别大量 Web 产品。

第二步：HTTP Header 往往已暴露身份

很多服务器会主动声明自己的身份：

Go 获取 Header：

server := resp.Header.Get("Server")
powered := resp.Header.Get("X-Powered-By")

仅凭 Header，很多情况下就已经完成了一半的指纹识别。

第三步：favicon Hash 才是真正的"身份证"

Web 指纹识别里最经典的一招：favicon Hash。

几乎每个网站都有 /favicon.ico，图片虽小，很多产品几十年不换。扫描器通常：

1. 下载 favicon
2. 计算 Hash
3. 查询规则库

resp, _ := client.Get(target + "/favicon.ico")
body, _ := io.ReadAll(resp.Body)
sum := md5.Sum(body)
fmt.Printf("%x\n", sum)
// 例如：e3b0c44298fc1c149afbf4c8996fb924 → Jenkins

为什么不直接比较图片？因为 Hash 更快、更稳定。成熟产品一般使用 MurmurHash3 而非 MD5，以兼容 FOFA 等公开指纹体系。

第四步：HTML 页面里藏着大量信息

很多 CMS、博客平台、后台系统都喜欢在页面里留下"签名"：

<meta name="generator" content="WordPress 6.8">
<meta name="generator" content="Discuz! X3.5">
<title>Jenkins</title>
<title>OpenWrt</title>

Go 读取页面并匹配关键字：

body, _ := io.ReadAll(resp.Body)
html := string(body)

if strings.Contains(html, "WordPress") {
    // ...
}

第五步：Cookie 也是重要线索

很多后台系统有固定的 Cookie 名称：

Go 获取 Cookie：

for _, c := range resp.Cookies() {
    fmt.Println(c.Name)
}

第六步：URL 本身就是特征

很多系统有固定路径：

Go 直接请求目标路径，返回 200 OK 即命中规则加分。

第七步：HTTPS 证书也会"泄密"

TLS 证书里经常暴露很多信息——有些公司甚至把产品名直接写进证书：

state := resp.TLS
if state != nil {
    for _, cert := range state.PeerCertificates {
        fmt.Println(cert.Subject.CommonName)
    }
}

多特征投票机制

真正的商业扫描器不会"Header 命中就结束"，而是采用加权投票机制：

最终 OpenWrt 累计得分最高，可信度 99%。

一个简单的规则引擎

将规则抽象为结构体：

type Rule struct {
    Product string
    Header  string
    Title   string
    Cookie  string
    Favicon string
    URL     string
    Weight  int
}

扫描流程：

HTTP 请求 → 收集特征 → 匹配规则 → 累计权重 → 输出结果

比大量 if...else 更容易维护，也是很多商业扫描器的设计思路。

Go 为什么特别适合做指纹识别？

对于 1000 个网站的扫描：

• 传统做法：1000 个线程，或复杂的异步框架
• Go 做法：

for _, url := range urls {
    go fingerprint(url)
}

每个目标一个 Goroutine，网络 IO 等待时 Runtime 自动调度其他任务。CPU 几乎一直在工作，而非等待网络。IO 密集型场景下，Go 优势非常明显。

总结

Web 指纹识别的核心只有一句话：尽可能多地收集目标特征，再综合判断。

Header、Title、Cookie、favicon Hash、TLS 证书、URL 路径……每个特征单独看都可能不准确，但组合起来准确率会越来越高。

真正决定识别效果的，不是语言，而是规则库的质量和持续更新。写几百行 Go 代码不难，难的是维护一套与日俱进的规则体系。