分析亚马逊的存储桶

正如我所承诺的，这里分享使用Bucket Finder工具扫描获得的数据分析结果。

我决定使用名称列表进行扫描，因为推测大多数用户创建存储桶时会使用自己的名字命名。初始扫描没有使用超大型列表，而是采用了Packet Storm的常见名称列表。该列表包含2268个名称，扫描耗时不长，以下是结果统计：

存储桶统计

可以看到，大多数名称对应的存储桶不存在，但5%的存储桶存在且为公开状态，我认为这是一个不错的命中率。Packet Storm还有其他超过10万个单词的列表，如果保持相同的回报率，那么我们将有超过5000个存储桶需要调查。

在发现的公开存储桶中，文件分布如下：

这表明当存储桶设置为公开时，约三分之一的用户仍然在其中存放私有文件。这可能意味着系统用户知道自己在做什么，故意选择共享哪些文件、保留哪些私有；或者某些用于管理存储桶的应用程序要求存储桶公开，但创建的文件却设置为私有。

根据文件扩展名，发现的公开文件类型分布如下：

同时还提供了一个漂亮的饼图来展示这一分布。

大多数人使用S3存储图像。我随机抽取了一些样本，发现它们主要是个人照片集，其中有很多婴儿照片，这意味着人们希望分享照片，并认为亚马逊是快速将照片发布到网络的好方法。

浏览一些文档时，我发现了一份MOD培训申请表，包含SSN和大量其他个人数据，几套公司账目以及其他一些本不应在线的公司文件。

视频内容没有太多有趣发现，主要是我抓取的一些培训和励志内容。

在音乐类别中，有几个人向世界分享大型MP3合集，我现在有几个新乐队的音乐值得关注。

总而言之，这是一个相当混杂的数据集。其中肯定有一些值得提取的宝贵信息，但由于需要筛选的数据量巨大，要么需要大量人工时间，要么需要非常好的自动化技术来尝试发现它们。如果有人对如何自动化此过程有想法，请告诉我，我会看看能否将其构建到工具中。