El filtro SafeSearch, la DigiFOCA y el Google Hacking

Pensando en el post de ayer sobre el filtro SafeSearch y el contenido indexado me asaltó la duda sobre cómo realiza la FOCA las búsquedas de documentos, si utiliza el filtro SafeSearch o no. Tras hacer una pequeña prueba se puede ver que FOCA no pone ninguna opción de SafeSearch, con lo que está utilizando la configuración por defecto, que creo que es moderado - no estoy seguro porque lo he tocado tantas veces ya en mi equipo que... -.

El caso es que se me ocurrió pensar si tal vez nos quedamos sin algún documento por el mero hecho de hacer las búsquedas con el valor de SafeSearch por defecto. La verdad es que puede ser que sí, si por el simple hecho de que el filtro funcione mal, un documento es catalogado con un nivel de contenido Violento, Porno, o de contenido inapropiado, podría quedarse fuera del proceso de Google Hacking.

Con la mosca detrás de la oreja, decidí buscar documentos en algunos sitios con el filtro SafeSearch activado y desactivado, a ver que ocurria... y lo que pasa es un autentico cachondeo.

Primero probé en Microsoft.com con el filtro desactivado y activado. Tal y como se puede ver en las siguientes imágenes, hay unos 100 documentos PDF que están catalogados con contendio que no sale en los resultados de búsqueda.


Figura 1: Búsqueda de PDFs en Microsoft.com con SafeSearch activado


Figura 2: Búsqueda de PDFs en Microsoft.com con SafeSearch desactivado
Es cierto que Google sólo nos va a mostrar los 1.000 primeros resultados, pero para evitar esto, en la DigiFOCA metimos la opción de búsqueda de documentos por servidores en los Huge Domains.

Luego lo probé en Google.com y el resultado fue más o menos el mismo, si lo buscas datos con el SafeSearch activo te pierdes documentos en el camino.


Figura 3: Búsqueda de PDFs en Google.com con SafeSearch activado


Figura 4: Búsqueda de PDFs en Google.com con SafeSearch activado
Sin embargo, el resultado más curioso lo obtuve cuando probé con Army.mil. Resulta que hay más documentos cuando activas el SafeSearch que cuando no. ¿Cómorl?


Figura 5: Búsqueda de XLSs en army.mil con SafeSearch activado


Figura 5: Búsqueda de XLSs en army.mil con SafeSearch desactivado
Pues no tengo ni idea de por qué pasa esto, lo cierto es que es un cachondeo desde el punto de vista de Google Hacking, y por lo tanto parece que habrá que repetir las búsquedas con los dos filtros y comprobar si se devuelven más o menos resultados con una o con otra.

Además, no olvidéis que si estáis lanzando la FOCA detrás de un fiewall que fuerza búsquedas SafeSearch os están mediatizando los resultados.

Saludos Malignos!