Wayback Machine (OSINT)

Définition

La Wayback Machine, service d'Internet Archive accessible sur web.archive.org, est une archive numérique qui préserve des instantanés de milliards de pages web depuis 1996. En cybersécurité, elle constitue un outil OSINT précieux pour retrouver du contenu supprimé, analyser l'évolution d'une infrastructure, et identifier des actifs abandonnés. Pour un attaquant ou un pentester, la Wayback Machine offre plusieurs vecteurs d'information. Premièrement, les endpoints d'API anciens souvent abandonnés mais parfois encore fonctionnels : une application web peut avoir exposé des endpoints de debug ou d'administration dans le passé, supprimés de la navigation courante mais toujours accessibles si le serveur sous-jacent n'a pas changé. Deuxièmement, les paramètres URL historiques révèlent des patterns d'utilisation des applications (structure des IDs, noms de paramètres, technologies utilisées). Troisièmement, des fichiers de configuration ou des pages de documentation supprimées peuvent encore contenir des informations utiles. L'outil waybackurls (ou gau - Get All URLs) automatise l'extraction de toutes les URLs historiques d'un domaine depuis la Wayback Machine et d'autres sources d'archives (commoncrawl.org, VirusTotal). Ces URLs alimentent ensuite des outils de scan pour tester si les anciens endpoints sont encore actifs : waybackurls domaine.fr | httpx teste la disponibilité de chaque URL historique. La Common Crawl est une alternative à la Wayback Machine qui archive le web différemment, avec un accent sur le contenu brut des pages plutôt que leur rendu visuel. Des outils comme gau agrègent les données des deux sources pour maximiser la couverture des URLs historiques. Pour les équipes défensives, la Wayback Machine permet d'identifier ce qui a été publié dans le passé sur l'infrastructure web de l'organisation, facilitant les investigations sur des incidents anciens et l'identification de politiques de sécurité antérieures (headers de sécurité, mécanismes d'authentification).