Me ataco a mí misma con CeWL
En el post de defensas dejé una tarea pendiente: probar CeWL contra una copia de mi propio blog para ver qué diccionario de contraseñas generaría un atacante. Hoy lo hice. El resultado me sorprendió por lo rápido y lo revelador que fue.
¿Qué es CeWL?
CeWL (Custom Word List generator) viene en Kali Linux. Recorre un sitio web, lee todas las palabras de sus páginas y arma una lista sin repetir. Esa lista sirve como diccionario para intentar adivinar contraseñas con herramientas como John the Ripper o hashcat.
La idea detrás es simple: mucha gente arma su contraseña con palabras de su propio entorno (su proyecto, su mascota, su equipo de trabajo). Si un atacante junta el vocabulario de su víctima, tiene un diccionario hecho a la medida, mucho más eficaz que una lista genérica.
El laboratorio, sin tocar mi sitio en vivo
Me puse en el lugar del atacante, pero con una regla: no atacar el sitio en producción. Primero descargué una copia de mi blog con wget, disfrazándome de navegador normal, como haría alguien de verdad:
$ mkdir -p ~/lab-cewl && cd ~/lab-cewl
$ wget -r -np -k -p -e robots=off \
-U "Mozilla/5.0 (Windows NT 10.0; Win64; x64) ... Chrome/131.0.0.0 Safari/537.36" \
https://blog.kulameyrink.loan/ -P ~/lab-cewl
Las opciones importan: -r sigue los enlaces, -p baja también el CSS, -e robots=off ignora mi robots.txt (un atacante no lo respeta) y -U cambia el User-Agent para no delatarse como wget. Con la copia en disco, serví los archivos en local y lancé CeWL contra localhost, sin volver a tocar mi dominio:
$ cd ~/lab-cewl/blog.kulameyrink.loan && python3 -m http.server 8000 # en otra terminal: $ cewl http://localhost:8000/ -w ~/lab-cewl/diccionario.txt
El resultado: 226 palabras en segundos
$ wc -l ~/lab-cewl/diccionario.txt 226 /home/kulameyrink/lab-cewl/diccionario.txt
En un par de segundos, mi blog se convirtió en una lista de 226 palabras. Luego volví a correr CeWL con -c, que cuenta cuántas veces aparece cada palabra, para ver cuáles probaría primero un atacante:
$ cewl -c http://localhost:8000/ -w ~/lab-cewl/dic-conteo.txt $ sort -t, -k2 -nr ~/lab-cewl/dic-conteo.txt | head -15 noviembre, 143 blog, 143 con, 114 Kali, 108 dominio, 82 Cloudflare, 72 DNS, 68 ciberseguridad, 63 desde, 58 posts, 56 los, 51 Cómo, 50 propio, 40 loan, 39 kulameyrink, 39
Lo que más me inquietó
Mira la lista: Kali, Cloudflare, DNS, ciberseguridad, dominio, loan, kulameyrink. Son exactamente los temas de mi blog, y la última es mi propio nombre de dominio. Si alguna de mis contraseñas usara una de estas palabras, por ejemplo algo como Kali2026 o Cloudflare!, este diccionario de 226 palabras la encontraría muy rápido al combinarlo con años y símbolos.
Esto es lo que vuelve peligroso a CeWL: no prueba un millón de palabras al azar, prueba mis palabras. Un diccionario pequeño y personalizado puede ser más eficaz que una lista genérica de millones de entradas.
CeWL no es mágico: también junta basura
Al revisar la lista completa noté palabras que no vienen de mis textos, sino del código y de las fechas:
encoding,inline,script,https,com: fragmentos del HTML.Mon,Nov,Sun: trozos de fechas.
Un atacante tendría que limpiar esa lista a mano antes de usarla. La herramienta ayuda, pero no piensa por ti: igual conviene afinarla con opciones como -m 6 (solo palabras de 6 letras o más) para quitar ruido.
La otra cara: ¿y mis defensas?
Hay un detalle importante. Pude generar el diccionario porque corrí CeWL contra una copia local. Si lo hubiera lanzado directo contra blog.kulameyrink.loan, mis defensas de Cloudflare habrían entrado en juego: tengo una regla que bloquea el User-Agent de CeWL, además de Bot Fight Mode y el límite de frecuencia. Por eso un atacante primero descarga el sitio con un navegador falso, como hice yo, y analiza la copia tranquilo en su máquina. Bloquear a CeWL en el servidor no impide que alguien arme el diccionario offline.
Lo que aprendí
- Mi propio contenido es munición: cualquiera puede convertir mi blog en un diccionario a mi medida en segundos.
- Por eso nunca debo usar en mis contraseñas palabras de mi entorno: ni
kali, nicloudflare, nikulameyrink, ni el nombre del blog. - La defensa de verdad no es esconder las palabras (son públicas), sino usar contraseñas largas y aleatorias, distintas en cada sitio, guardadas en un gestor, más verificación en dos pasos.
- Bloquear la herramienta por User-Agent frena al perezoso, pero no al que descarga el sitio y trabaja offline. Es una capa, no la solución.
- Como mi blog no tiene login, el riesgo de contraseñas apunta a mis cuentas (Cloudflare, GitHub, correo), no al sitio. Ahí es donde debo reforzar.
Siguientes pasos: aprender cómo se detectan los ataques de contraseñas en el lado defensor, y practicar en el laboratorio generando hashes de prueba propios para ver, con John the Ripper, por qué una contraseña basada en estas palabras cae enseguida y una frase larga y aleatoria no.