探索网络安全的利器:pentest_scripts
探索网络安全的利器:pentest_scripts
项目介绍
pentest_scripts
是一个集合了各种渗透测试脚本的开源项目,旨在帮助安全专家在进行网络攻防演练时提高效率。这些脚本涵盖了从电子邮件生成到操作系统密码哈希提取、数据库安全测试等多种功能,为你的渗透测试工作提供了强大的工具箱。
项目技术分析
该项目中的每个脚本都针对特定的安全测试任务进行了优化:
-
generate_emails.py
:通过输入全名列表(如从TheHarvester或scrape_linkedin.py中获取),自动生成多种常见电子邮件地址格式,并对名字进行标准化处理。 -
注:
scrape_linkedin.py
已经弃用,它曾用于利用Google搜索API获取LinkedIn上的员工姓名。 -
retrieve_osxhash.py
:该脚本能将OSX.plist
文件的内容转换为可分析的密码哈希,支持Hashcat模式7100并需要root或sudo权限。 -
postgresbrute.py
:这是一个简洁的PostgreSQL安全测试工具,用于验证数据库访问安全性。 -
200buster.py
:专为目录探测设计,当所有请求返回"200 OK"时,该工具能够排除一定范围的响应大小,仅显示其他可能的有效路径目录。 -
4to6.py
:通过ARP协议获取IPv6主机的地址,但前提是要启用ICMP。
项目及技术应用场景
这些脚本在以下场景下尤为有用:
-
网络情报收集:
generate_emails.py
和已弃用的scrape_linkedin.py
可用于收集潜在目标的电子邮件信息,以进行安全测试。 -
系统安全评估:
retrieve_osxhash.py
可以帮助你评估系统密码的安全性。 -
数据库安全性评估:
postgresbrute.py
对于检查PostgreSQL数据库的安全配置非常有价值。 -
网站结构探测:
200buster.py
能够帮助你在网站安全测试中发现隐藏的目录和资源。 -
网络环境侦察:
4to6.py
在多协议环境中寻找IPv6设备的定位非常实用。
项目特点
-
简单易用:每个脚本都有明确的功能,无需复杂的配置即可快速上手。
-
灵活性高:这些脚本可以单独使用,也可以与其他渗透测试工具集成,为你的测试流程提供更多的可能性。
-
有针对性:针对特定任务而设计的脚本,使它们在某些场景下比通用工具更具优势。
-
持续更新:虽然项目中有些脚本已经过时,但作者可能会根据社区反馈和技术发展进行更新和维护。
总的来说,pentest_scripts
是每一个渗透测试者和网络安全专业人士必备的工具集,无论你是新手还是经验丰富的老手,都可以从中找到提升工作效率的方法。如果你热衷于网络安全,那么这个项目绝对值得你一试。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0331- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









