探索未知领域的利器:LinkFinder - 深度挖掘JavaScript中的隐藏链接
在网络安全领域,渗透测试和系统检查是一项挑战性的工作。今天,我们向你推介一款强大的工具——LinkFinder,它是一款Python脚本,专为发现JavaScript文件中的端点及其参数而设计。通过LinkFinder,你可以发掘网站上未公开的隐藏链接,从而开拓新的测试范围,识别潜在的系统问题。
项目简介
LinkFinder利用Jsbeautifier库将JS代码美化,然后结合一组精心构建的正则表达式进行匹配,找出四种类型的URL:
- 完整的URL(例如:
https://example.com/*) - 绝对路径或带点号的URL(例如:
/\*或../*) - 至少含一个斜线的相对路径(例如:
text/test.php) - 不含斜线的相对路径(例如:
test.php)
其结果可以以HTML或纯文本格式输出,并且@karel_origin还开发了一个Chrome扩展,使得LinkFinder的功能更加便捷。
屏幕快照
这是LinkFinder在实际操作中的截图,清晰地展示了找到的URL列表。
安装与依赖
LinkFinder支持Python 3。要安装,只需执行以下命令:
$ git clone https://github.com/GerbenJavado/LinkFinder.git
$ cd LinkFinder
$ python setup.py install
此外,你需要先安装argparse和jsbeautifier这两个Python模块,可以通过pip3来完成:
$ pip3 install -r requirements.txt
使用方法
LinkFinder提供了丰富的命令行选项供你选择。如需获取在线JS文件中找到的端点并将其结果保存到results.html:
python linkfinder.py -i https://example.com/1.js -o results.html
还可以分析整个域名下的所有JS文件:
python linkfinder.py -i https://example.com -d
或者从Burp抓包工具导出的文件中读取多个JS文件:
python linkfinder.py -i burpfile -b
具体更多用法,请参阅项目文档。
Docker 支持
为了便于跨平台使用,LinkFinder也提供Docker镜像支持。使用如下命令构建和运行:
docker build -t linkfinder
docker run --rm -v $(pwd):/linkfinder/output linkfinder -i http://example.com/1.js -o /linkfinder/output/output.html
确保指定/linkfinder/output作为输出路径,否则结果将在容器退出后丢失。
单元测试
如果你想要验证LinkFinder的功能,可使用pytest来进行单元测试:
pytest test_parser.py
结语
LinkFinder是作者首次公开发布的工具,欢迎任何形式的贡献。该项目遵循MIT许可协议,并得到了@jackhcable的反馈以及@edoverflow的帮助,使其变得更加优秀和易用。如果你在网络安全领域寻找新的突破,LinkFinder无疑是你不可或缺的武器。
现在就加入LinkFinder的世界,探索那些隐秘在JavaScript深处的秘密吧!
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00