批量生成联系人信息并可以导入到手机通讯录 | ZapcoMan's world

本文仅供合法授权的安全研究与学习使用，请勿用于非法用途。读者应确保行为符合当地法律法规。

前言

在红队社工攻击演练中，”联系人注入”是一种高效的攻击前置手段。攻击者通过生成包含大量虚假联系人的vCard文件（.vcf），导入到目标手机或通讯录中，为后续的钓鱼攻击、水坑攻击建立信任基础。当目标手机通讯录中存在”张主任”、”李局长”等联系人时，攻击者便可以冒充这些身份发送钓鱼短信或诱导转账。

此外，在物理渗透场景中，红队成员可以将生成的联系人文件预装在丢弃的U盘或手机中，当目标拾取并导入联系人后，攻击者可以通过预设的号码进行后续社工攻击。本文基于真实Python项目源码，深入讲解批量vCard联系人生成技术，涵盖姓名生成、号码模拟、关系建模和vCard格式规范。

技术背景

1. vCard格式规范

vCard是电子名片的行业标准格式（RFC 6350），一个典型的vCard条目如下：

BEGIN:VCARD
VERSION:3.0
N:张三;;;;
FN:张三
TEL;TYPE=CELL:13800138000
BDAY:1990-01-01
UID:550e8400-e29b-41d4-a716-446655440000
END:VCARD

• N：结构化姓名（姓氏;名字;中间名;前缀;后缀）
• FN：格式化显示名称
• TEL;TYPE=CELL：手机号码
• BDAY：生日
• UID：唯一标识符（UUID）
• EMAIL：电子邮箱
• ADR：地址

2. 社工攻击中的联系人建模

为了让生成的联系人看起来真实可信，需要模拟真实通讯录的结构分布：

• 家庭关系（约20%）：爸爸、妈妈、爷爷、奶奶、叔叔、舅舅等
• 领导关系（约10%）：张主任、李局长、王总等
• 同事关系（约15%）：同事、客户、供应商等
• 朋友关系（约15%）：朋友、同学、战友等
• 服务人员（约10%）：快递员、外卖员、医生等
• 随机联系人（约30%）：普通姓名

3. 关键技术点

• random模块：随机选择姓氏、名字、号段等
• uuid模块：为每个联系人生成唯一标识符
• 百家姓数据：完整的中国姓氏库，包含单姓和复姓
• 号段模拟：基于真实运营商号段分布生成手机号
• vCard 3.0格式：遵循RFC 6350标准，确保兼容性

实现思路

项目采用分层建模策略，从简单到复杂分为四个版本：

┌────────────────────────────────────────────┐
│          联系人生成工具演进路线              │
├────────────────────────────────────────────┤
│  V1 (联系人.py) - 基础版                    │
│    └─ 亲戚+领导+随机姓名，仅姓名和电话      │
├────────────────────────────────────────────┤
│  V2 (非虚拟的联系人.py) - 真实号段版        │
│    └─ 家庭+领导+同事+朋友+随机              │
│    └─ 使用真实运营商号段，增加生日字段      │
├────────────────────────────────────────────┤
│  V3 (虚构的号段联系人生成.py) - 虚拟号段版  │
│    └─ 家庭+领导+同事+朋友+服务人员+随机     │
│    └─ 使用虚拟号段避免真实号码冲突          │
│    └─ 增加邮箱、地址字段                    │
├────────────────────────────────────────────┤
│  V4 (真实加虚拟的全号段联系人生成.py)       │
│    └─ 混合真实+虚拟号段，30条小批量测试     │
└────────────────────────────────────────────┘

核心代码解析

1. 基础版——亲戚与领导建模

基础版本聚焦于社交关系建模，通过称谓生成联系人：

import random
import uuid

# 随机中文姓名生成
def generate_name():
    """
    生成随机中文姓名
    使用百家姓作为姓氏库，随机搭配名字用字
    """
    first_names = "赵钱孙李周吴郑王冯陈褚卫蒋沈韩杨朱秦尤许何吕施张..."  # 完整百家姓
    last_names = "云荣蓉榕青晴晴子文杰明芳娜玲强军国华丽义益溷坤昆琨..."
    name = random.choice(first_names) + "".join(random.sample(last_names, k=random.choice([1, 2])))
    return name

# 随机手机号生成（中国大陆格式 1开头11位）
def generate_phone():
    """
    生成随机中国大陆手机号码
    从常见号段中随机选择前缀，后8位随机生成
    """
    prefix = random.choice([
        "130","131","132","133","134","135","136","137","138","139",
        "150","151","152","153","155","156","157","158","159",
        "180","181","182","183","185","186","187","188","189"
    ])
    return prefix + "".join(random.choices("0123456789", k=8))

# 直系亲戚
direct_relatives = ["爸爸", "妈妈", "爷爷", "奶奶", "外公", "外婆"]
# 可以带排行的亲戚
ranked_relatives = ["叔叔", "舅舅", "姑姑", "姨"]
rank_prefixes = ["大", "二", "三", "四", "五"]

def generate_relative_contacts(count):
    """
    生成亲戚联系人列表
    先确保包含直系亲属，再随机添加带排行的亲戚
    """
    relatives_list = []
    relatives_list.extend(direct_relatives)  # 直系亲属必定存在

    # 舅舅/叔叔/姑姑/姨 → 随机加排行（如"大叔叔"、"二舅舅"）
    for rel in ranked_relatives:
        for prefix in random.sample(rank_prefixes, k=random.randint(1, 3)):
            relatives_list.append(prefix + rel)

    # 数量不足时补充表兄弟姐妹
    need_more = count - len(relatives_list)
    if need_more > 0:
        others = ["表哥", "表弟", "表妹", "堂哥", "堂姐"]
        relatives_list.extend(random.sample(others, k=min(len(others), need_more)))

    return relatives_list[:count]

代码讲解：

• generate_name()：从完整百家姓中随机选取姓氏，再从名字用字池中随机选取1-2个字组成名字。百家姓数据包含单姓和复姓（如”司马”、”欧阳”），增加了真实性。
• generate_phone()：从中国大陆三大运营商的真实号段中随机选择前缀，后8位随机生成。
• generate_relative_contacts()：模拟真实通讯录中亲属称谓的分布规律。直系亲属必定存在，旁系亲属带排行前缀（”大叔叔”、”二舅舅”），这符合中国人的命名习惯。

2. 进阶版——多关系类型与性别区分

进阶版本引入了性别区分、年龄生成和生日计算：

from datetime import datetime

# 家庭关系定义（含性别和年龄范围）
family_relations = {
    "爸爸": {"gender": "male", "min_age": 30, "max_age": 70},
    "妈妈": {"gender": "female", "min_age": 30, "max_age": 70},
    "爷爷": {"gender": "male", "min_age": 60, "max_age": 90},
    "奶奶": {"gender": "female", "min_age": 60, "max_age": 90},
    "叔叔": {"gender": "male", "min_age": 25, "max_age": 65},
    "舅舅": {"gender": "male", "min_age": 25, "max_age": 65},
    "姑姑": {"gender": "female", "min_age": 25, "max_age": 65},
    # ... 更多关系定义
}

# 生成随机中文姓名（支持性别）
def generate_name(gender=None):
    """
    生成随机中文姓名，可根据性别选择对应的名字用字
    """
    surname = random.choice(common_surnames)
    if gender is None:
        gender = random.choice(['male', 'female'])
    if gender == 'male':
        name_part = random.choice(male_names)
    else:
        name_part = random.choice(female_names)
    # 30%概率生成双字名
    if random.random() < 0.3:
        name_part += random.choice(["华", "明", "强", "军", "丽", "娟", "伟", "芳"])
    return surname + name_part, gender

# 根据年龄生成生日
def generate_birthday(age):
    """
    根据年龄生成生日字符串
    """
    current_year = datetime.now().year
    birth_year = current_year - age
    birth_month = random.randint(1, 12)
    birth_day = random.randint(1, 28)
    return f"{birth_year}-{birth_month:02d}-{birth_day:02d}"

代码讲解：

进阶版本的关键改进是引入了关系属性建模。family_relations字典不仅定义了关系名称，还包含性别和年龄范围。例如”爷爷”的年龄范围是60-90岁，”表弟”是5-30岁。这样生成的联系人不仅有合理的称谓，还有匹配的性别和生日，大大提高了真实感。

3. 虚拟号段版——避免真实号码冲突

为了避免生成的手机号与真实用户号码冲突，虚拟号段版使用了虚拟运营商号段：

# 虚拟手机号段（避免与现实中使用的号码冲突）
fake_phone_prefixes = [
    "170", "171", "162", "165", "167",  # 虚拟运营商号段
    "190", "192", "193", "195", "197",  # 较少使用的号段
    "134", "135", "136", "137", "138"   # 部分真实号段（用于混合）
]

def generate_phone():
    """
    生成虚拟的中国大陆手机号码，避免与现实中使用的号码冲突
    """
    prefix = random.choice(fake_phone_prefixes)
    suffix = "".join(random.choices("0123456789", k=8))
    # 在第4位固定为0或9，进一步降低与真实号码冲突的概率
    suffix = suffix[:3] + random.choice(["0", "9"]) + suffix[4:]
    return prefix + suffix

代码讲解：

虚拟号段版使用了170/171等虚拟运营商号段，并在号码第4位固定为0或9进行额外区分。这种设计在红队演练中非常重要——避免生成的号码恰好属于某个真实用户，造成误打扰。

4. vCard生成与输出

所有版本最终都通过以下模式生成vCard文件：

# 生成 vCard
vcf_entries = []
total_contacts = 1540
family_count = 300
leader_count = 150
colleague_count = 250
friend_count = 200
service_count = 150
random_count = total_contacts - family_count - leader_count - colleague_count - friend_count - service_count

# 生成家庭联系人vCard条目
family_relations_list = generate_family_contacts(family_count)
for relation in family_relations_list:
    name, gender = generate_name(family_relations[relation]["gender"])
    phone = generate_phone()
    age = random.randint(family_relations[relation]["min_age"], family_relations[relation]["max_age"])
    birthday = generate_birthday(age)
    email = generate_email(name)
    address = generate_address()
    uid = str(uuid.uuid4())
    entry = f"""BEGIN:VCARD
VERSION:3.0
N:{name};;;{relation};
FN:{name}({relation})
TEL;TYPE=CELL:{phone}
EMAIL:{email}
ADR:;;{address}
BDAY:{birthday}
UID:{uid}
END:VCARD"""
    vcf_entries.append(entry)

# 打乱联系人顺序（模拟真实通讯录的随机性）
random.shuffle(vcf_entries)

# 拼接 vcf 内容，使用\r\n换行（vCard标准要求）
vcf_content = "\r\n".join(vcf_entries)

# 保存到文件，使用utf-8-sig编码（带BOM，确保中文正确显示）
file_path = "C:/Users/Administrator/Desktop/Decontacts.vcf"
with open(file_path, "w", encoding="utf-8-sig") as f:
    f.write(vcf_content)

代码讲解：

• 比例分配：总1540个联系人按比例分配到不同关系类型，模拟真实通讯录的分布。
• UUID生成：每个联系人都使用uuid.uuid4()生成唯一标识符，防止导入时重复。
• 顺序打乱：random.shuffle()打乱联系人顺序，避免同类联系人聚集在一起。
• 编码选择：使用utf-8-sig编码（带BOM），确保Windows系统和手机端正确识别中文。
• 换行符：使用\r\n换行，符合vCard RFC 6350标准要求。

5. 服务人员联系人生成

虚拟号段版新增了服务人员联系人，进一步增加真实感：

def generate_service_contacts(count):
    """
    生成服务人员联系人列表
    包括快递员、外卖员、医生、老师等
    """
    services = []
    service_relations = ["快递员", "外卖员", "物业管理员", "保安", "保洁",
                         "维修工", "理发师", "医生", "护士", "老师"]
    for _ in range(count):
        relation = random.choice(service_relations)
        surname = random.choice(common_surnames)

        # 50% 概率添加公司或机构信息
        if random.random() < 0.5:
            if relation in ["快递员", "外卖员", "维修工"]:
                company = generate_company()
                service_name = surname + relation + "(" + company + ")"
            elif relation in ["医生", "护士"]:
                hospital = random.choice(["人民医院", "中心医院", "第一医院", "协和医院"])
                service_name = surname + relation + "(" + hospital + ")"
            elif relation in ["老师"]:
                school = random.choice(schools)
                service_name = surname + relation + "(" + school + ")"
            else:
                service_name = surname + relation
        else:
            service_name = surname + relation

        services.append(service_name)
    return services

代码讲解：服务人员联系人的设计非常贴近生活。例如”张快递员(顺丰科技有限公司)”、”李医生(人民医院)”等，这些联系人在日常通讯录中非常常见。当目标手机中出现这样的联系人时，攻击者可以冒充快递员发送钓鱼链接，或冒充医生进行社工诈骗，成功率较高。

使用方法与运行效果

环境准备

# 仅需Python标准库，无需额外安装
python 虚构的号段联系人生成.py

运行效果

运行后会在桌面生成Decontacts.vcf文件，包含1540个联系人。将此文件导入手机通讯录后，联系人列表中会出现：

张三(爸爸) - 17012349876
李四(妈妈) - 17198765432
王主任-财务部 - 16201234567
赵同事(经理) - 19098765432
钱快递员(顺丰科技有限公司) - 16701234567
...

在红队演练中的应用场景

1. 预置联系人注入：在钓鱼U盘中放置vCard文件，诱导目标导入。
2. 水坑攻击前置：在目标常用网站上植入vCard下载链接。
3. 社工信任建立：当目标通讯录中存在”张主任”时，攻击者冒充该身份发送信息。
4. 钓鱼短信铺垫：利用预置的”银行客服”联系人发送钓鱼短信。

防御对策

1. 通讯录导入审计：企业应管控员工手机通讯录的导入行为，对批量导入操作进行审计。

2. 陌生号码预警：在即时通讯和邮件系统中，对不在企业通讯录中的联系人进行标记预警。

3. 安全意识培训：教育员工不要轻易导入来源不明的vCard文件，对陌生联系人保持警惕。

4. 社工演练：定期开展社工攻击演练，测试员工对虚假联系人的识别能力。

5. 验证机制：涉及转账、授权等敏感操作时，通过多渠道（电话、视频）验证对方身份，不仅仅依赖通讯录中的联系人信息。

6. 设备管理：对企业发放的移动设备实施MDM（移动设备管理）策略，限制通讯录的批量修改操作。

总结

本文基于真实项目源码，系统地讲解了批量vCard联系人生成技术。从基础版的亲戚与领导建模，到进阶版的性别区分与生日生成，再到虚拟号段版的服务人员模拟，展现了红队工具的迭代演进过程。

关键要点：

• 关系建模是核心：真实的通讯录不是随机姓名的堆砌，而是有结构的关系网络。家庭、领导、同事、朋友、服务人员的比例分配直接影响可信度。
• 号段选择需谨慎：在红队演练中应使用虚拟号段，避免与真实用户号码冲突。
• vCard格式规范要严格：正确的编码（utf-8-sig）、换行符（\r\n）和UUID标识是确保跨平台兼容的关键。
• 多字段增强真实感：除姓名和电话外，添加邮箱、地址、生日等字段，使联系人看起来更加真实。

联系人注入是红队社工攻击的重要前置手段，也是蓝队需要重点防范的攻击向量。理解这一技术的原理和实现，有助于双方在社工攻防中取得优势。