waymore项目v6.1版本更新解析:URLScan归档响应与日期验证增强
waymore是一款专注于网络资产发现与历史数据收集的开源工具,它能够通过多种数据源(如Wayback Machine和URLScan)获取目标网站的历史快照和响应数据。该工具在安全测试和历史数据分析领域具有重要价值,能够帮助研究人员发现被删除的页面、隐藏的端点以及历史问题痕迹。
核心更新内容
URLScan归档响应增强
本次v6.1版本最重要的改进之一是增强了从URLScan获取归档响应的能力。在此之前,waymore主要依赖Wayback Machine获取历史数据,现在新增了对URLScan存档的支持,使数据收集渠道更加多元化。
技术实现上,工具现在会执行以下操作:
- 从URLScan获取历史响应记录,处理方式与Wayback Machine类似
- 存储每个响应的唯一标识符
_id - 后续可以通过
https://urlscan.io/dom/{UUID}获取完整的DOM内容 - 智能跳过API未保存DOM的记录,确保流程稳定性
这一改进显著提升了历史数据收集的全面性,因为URLScan和Wayback Machine的存档内容可能存在互补关系,合并使用可以获取更完整的历史记录。
日期验证机制完善
v6.1版本修复了一个重要的日期验证问题。此前,工具接受YYYYMMDDhhmmss格式(或其部分)的日期参数,但缺乏严格的验证机制,可能导致无效日期被接受。
新版增加了以下验证逻辑:
- 严格检查输入的日期时间格式有效性
- 确保日期值在合理范围内
- 防止因无效日期导致的查询异常
这一改进提升了工具的健壮性,避免了因日期格式错误导致的意外行为。
URLScan查询优化
本次更新还修复了URLScan查询中的两个重要问题:
-
日期范围过滤失效:之前版本中,
-from和-to参数未正确应用于URLScan查询,现在已修复,确保日期筛选条件被正确传递到URLScan API。 -
URL匹配精确度提升:当输入是具体URL而非域名时,现在会精确匹配该URL的历史记录,而非仅匹配域名。这一改进大幅提升了查询的精准度,特别是在针对特定页面进行历史分析时。
其他改进
-
User-Agent标识:现在向URLScan发起请求时会包含waymore版本信息,这有助于服务端统计和问题排查。
-
文件命名规范化:将输出目录中的
index.txt更名为waymore_index.txt,这一改动主要是为了与其他工具更好地集成,使其能够更准确地识别waymore生成的响应目录。
技术意义与应用价值
waymore v6.1版本的这些改进从多个维度提升了工具的实用性和可靠性:
-
数据源多元化:增加URLScan作为补充数据源,使历史数据收集更加全面,降低了单一数据源可能存在的盲区风险。
-
查询精确度提升:URL精确匹配和日期范围过滤的修复,使研究人员能够更精准地定位目标数据,提高工作效率。
-
系统健壮性增强:日期验证等基础功能的完善,减少了因输入错误导致的异常情况,提升了工具的稳定性。
-
生态兼容性优化:文件命名和User-Agent的调整,改善了工具与其他安全工具的协同工作能力。
这些改进使得waymore在网站资产发现、历史问题分析和安全评估等场景中能够发挥更大价值,特别是对于那些需要深入分析目标系统历史状态的研究任务。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust077- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00