bounty-targets-data 项目使用教程
2024-09-23 08:41:28作者:裘晴惠Vivianne
1. 项目目录结构及介绍
bounty-targets-data/
├── data/
│ ├── domains.txt
│ ├── wildcards.txt
│ ├── bugcrowd_data.json
│ ├── hackerone_data.json
│ ├── federacy_data.json
│ ├── hackenproof_data.json
│ ├── intigriti_data.json
│ └── yeswehack_data.json
├── LICENSE.md
├── README.md
└── hackerone_schema.graphql
目录结构介绍
- data/: 包含项目的主要数据文件。
- domains.txt: 包含所有没有通配符的域名列表。
- wildcards.txt: 包含所有通配符域名列表。
- bugcrowd_data.json: 原始的 Bugcrowd 数据。
- hackerone_data.json: 原始的 Hackerone 数据。
- federacy_data.json: 原始的 Federacy 数据。
- hackenproof_data.json: 原始的 Hackenproof 数据。
- intigriti_data.json: 原始的 Intigriti 数据。
- yeswehack_data.json: 原始的 YesWeHack 数据。
- LICENSE.md: 项目的 MIT 许可证文件。
- README.md: 项目的介绍和使用说明。
- hackerone_schema.graphql: Hackerone 的 GraphQL API 模式文件。
2. 项目启动文件介绍
该项目没有传统的启动文件,因为它主要是一个数据存储库,用于存储和更新来自不同漏洞赏金平台的域名数据。数据会每小时更新一次,并存储在 data/ 目录下的相应文件中。
3. 项目配置文件介绍
该项目没有传统的配置文件,因为它主要依赖于外部数据源(如 Hackerone、Bugcrowd 等)来获取和更新数据。数据的更新和存储是通过自动化脚本完成的,这些脚本位于 bounty-targets 项目中,该项目的代码可以在 arkadiyt/bounty-targets 找到。
自动化脚本配置
如果你想要运行 bounty-targets 项目来自动更新数据,你需要设置以下环境变量:
- SENTRY_DSN: (可选)Sentry API 密钥,用于异常跟踪。
- SSH_PRIV_KEY: 一个 SSH 私钥,用于授权将数据推送到你想要推送的 GitHub 项目。
这些环境变量需要在运行自动化脚本之前设置。
通过以上步骤,你可以了解 bounty-targets-data 项目的目录结构、启动文件和配置文件的基本信息。如果你有更多问题或需要进一步的帮助,请参考项目的 GitHub 页面。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.84 K
Ascend Extension for PyTorch
Python
380
454
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++
894
677
暂无简介
Dart
803
198
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
353
207
昇腾LLM分布式训练框架
Python
119
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (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
1.37 K
781