parse_dns.py

   1 #!/usr/bin/python
   2
   3 """
   4 Script that takes a file (output by wireshark/tshark, in JSON format) with DNS traffic
   5 and constructs a map (dictionary) in which a hostname points to a set that contains the
   6 IP addresses that is associated with that hostname.
   7 """
   8
   9 import sys
  10 import json
  11 from collections import defaultdict
  12
  13 JSON_KEY_SOURCE = "_source"
  14 JSON_KEY_LAYERS = "layers"
  15 JSON_KEY_DNS = "dns"
  16 JSON_KEY_QUERIES = "Queries"
  17 JSON_KEY_ANSWERS = "Answers"
  18 JSON_KEY_DNS_RESP_TYPE = "dns.resp.type"
  19 JSON_KEY_DNS_A = "dns.a" # Key for retrieving IP. 'a' for type A DNS record.
  20 JSON_KEY_DNS_RESP_NAME = "dns.resp.name"
  21 JSON_KEY_DNS_CNAME = "dns.cname"
  22
  23 def main():
  24         if len(sys.argv) < 2:
  25                 print "Usage: python", sys.argv[0], "input_file"
  26                 return
  27         maps_tuple = parse_json(sys.argv[1])
  28
  29         # print hostname to ip map
  30         hn_ip_map = maps_tuple[0]
  31         for hn in hn_ip_map.keys():
  32                 print "====================================================================="
  33                 print hn, "maps to:"
  34                 for ip in hn_ip_map[hn]:
  35                         print "    -", ip
  36         print "====================================================================="
  37
  38         print " "
  39
  40         # print ip to hostname map
  41         ip_hn_map = maps_tuple[1]
  42         for ip in ip_hn_map.keys():
  43                 print "====================================================================="
  44                 print ip, "maps to:"
  45                 for hn in ip_hn_map[ip]:
  46                         print "    -", hn
  47         print "====================================================================="
  48
  49 # Convert JSON file containing DNS traffic to a tuple with two maps.
  50 # Index 0 of the tuple is a map in which a hostname points to its set of associated IPs.
  51 # Index 1 of the tuple is a map in which an ip points to its set of associated hostnames.
  52 def parse_json(file_path):
  53         # Maps hostnames to IPs
  54         host_ip_mappings = defaultdict(set)
  55         # Maps ips to hostnames
  56         ip_host_mappings = defaultdict(set)
  57         with open(file_path) as jf:
  58                 # Read JSON.
  59         # data becomes reference to root JSON object (or in our case json array)
  60                 data = json.load(jf)
  61                 # Loop through json objects in data
  62                 # Each entry is a pcap entry (request/response (packet) and associated metadata)
  63                 for p in data:
  64                         # p is a JSON object, not an index
  65                         # Drill down to DNS part: _source->layers->dns
  66                         layers = p[JSON_KEY_SOURCE][JSON_KEY_LAYERS]
  67                         dns = layers.get(JSON_KEY_DNS, None)
  68                         # Skip any non DNS traffic
  69                         if dns is None:
  70                                 print "[ WARNING: Non DNS traffic ]"
  71                                 continue
  72                         # We only care about DNS responses as these also contain a copy of the query that they answer
  73                         answers = dns.get(JSON_KEY_ANSWERS, None)
  74                         if answers is None:
  75                                 continue
  76                         ## Now that we know that it is an answer, the queries should also be available.
  77                         queries = dns.get(JSON_KEY_QUERIES)
  78                         if len(queries.keys()) > 1:
  79                                 # Unclear if script will behave correctly for DNS lookups with multiple queries
  80                                 print "[ WARNING: Multi query DNS lookup ]"
  81                         for ak in answers.keys():
  82                                 a = answers[ak]
  83                                 # We are looking for type A records as these are the ones that contain the IP.
  84                                 # Type A == type 1
  85                                 if a[JSON_KEY_DNS_RESP_TYPE] == "1":
  86                                         # get the IP
  87                                         ip = a[JSON_KEY_DNS_A]
  88                                         # The answer may be the canonical name.
  89                                         # Now trace back the answer stack, looking for any higher level aliases.
  90                                         hostname = find_alias_hostname(answers, a[JSON_KEY_DNS_RESP_NAME])
  91                                         # Add mapping of hostname to ip to our data structure
  92                                         host_ip_mappings[hostname].add(ip)
  93                                         # Add mapping of ip to hostname to our data structure
  94                                         ip_host_mappings[ip].add(hostname)
  95         return (host_ip_mappings, ip_host_mappings)
  96
  97 # Recursively traverse set of answers trying to find the top most alias for a canonical name
  98 def find_alias_hostname(answers, hostname):
  99         for ak in answers.keys():
 100                 a = answers[ak]
 101                 cname = a.get(JSON_KEY_DNS_CNAME, None)
 102                 # We only care about type=CNAME records
 103                 if cname is None:
 104                         continue
 105                 if cname == hostname:
 106                         # Located the right answer, perform recursive search for higher level aliases.
 107                         return find_alias_hostname(answers, a[JSON_KEY_DNS_RESP_NAME])
 108         return hostname
 109
 110 if __name__ == '__main__':
 111         main()
 112
 113 # ================================================================================================
 114 # Notes/brainstorming how to do ip to host mappings.
 115
 116 # Maps IPs to hostnames. Uses a dictionary of dictionaries.
 117 # IP lookup in the outer dictionary returns a dictionary that has hostnames as keys.
 118 # Looking up a hostname in the inner dictionary returns a set of timestamps.
 119 # Each timestamp indicate the time at which the IP<->hostname mapping was determined by a DNS query.
 120 # Note that the keyset of the inner dictionary will be of size 1 in most cases.
 121 # When this is the case, the value (the set of timestamps) can be ignored.
 122 # The values are only relevant when one IP maps to more than 1 hostname.
 123 # When this the case, the timestamps must be considered to find the most recent mapping.
 124 # ip_host_mappings = defaultdict(defaultdict(set))
 125
 126 # ================================================================================================