OneScan 1.8.0 版本发布:子域名扫描与动态变量增强
2025-07-05 20:05:39作者:伍霜盼Ellen
OneScan 是一款专注于 Web 资产发现和安全扫描的开源工具,它能够帮助安全研究人员和渗透测试人员高效地识别目标系统的潜在漏洞和安全风险。在最新发布的 1.8.0 版本中,OneScan 针对子域名扫描和动态变量功能进行了多项重要改进,进一步提升了工具的实用性和灵活性。
动态变量功能增强
1.8.0 版本对动态变量系统进行了显著扩展,新增了多个实用的变量类型:
-
IP 地址变量:新增的
{{ip}}变量可以自动获取当前域名解析的 IP 地址,这在需要基于 IP 进行进一步扫描或测试的场景中非常有用。 -
子域名处理增强:
- 新增
{{subdomains}}变量可以获取完整的子域名列表 {{subdomains.%d}}提供了更灵活的子域名取值方式,用户可以通过索引获取特定位置的子域名- 对原有的
{{subdomain}}变量进行了行为调整,现在它会更加精确地提取子域名部分(如www.xxx.com只提取www),当只有主域名时会自动忽略当前 Payload
- 新增
这些改进使得在复杂扫描场景中处理子域名变得更加灵活和精确。
请求头配置优化
新版本在默认 Header 配置中新增了 Range 请求头,这一改进对于需要处理大文件或分段下载的场景特别有用。值得注意的是,对于未修改默认配置的用户,系统会自动应用这一变更,确保了向后兼容性。
性能与用户体验改进
-
指纹识别优化:改进了指纹识别的缓存机制,减少了冗余缓存,这不仅降低了内存占用,还提高了扫描效率。
-
数据看板增强:
- 重新引入了用户呼声很高的"清空记录"按钮,方便用户快速清理扫描结果
- 优化了数据加载机制,使得大数据量场景下的性能表现更加稳定
技术实现考量
从技术实现角度来看,1.8.0 版本的改进体现了几个重要的设计原则:
-
向后兼容性:在新增功能和修改默认配置时,都考虑到了对现有用户的影响,特别是自动应用默认配置变更的设计。
-
性能优化:通过减少指纹识别的冗余缓存,在保持功能完整性的同时提升了工具的运行效率。
-
用户体验:数据看板的改进直接回应用户需求,体现了以用户为中心的设计理念。
这些改进使得 OneScan 在保持轻量级特点的同时,功能更加全面,能够适应更复杂的扫描场景和安全研究需求。对于安全研究人员来说,1.8.0 版本提供了更强大的子域名处理能力和更灵活的变量系统,这将显著提升日常安全评估工作的效率。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.69 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
165
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
630
228
仓颉编译器源码及 cjdb 调试工具。
C++
123
664
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
615
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
195
72
仓颉编程语言测试用例。
Cangjie
36
665