开源项目 `bounty-targets-data` 使用教程
1. 项目介绍
bounty-targets-data 是一个开源项目,旨在每小时更新一次来自多个漏洞赏金平台(如 Hackerone、Bugcrowd、Intigriti 等)的域名范围数据。这些数据是漏洞报告的合格范围,帮助安全研究人员和漏洞赏金猎人快速获取最新的目标信息。
项目的主要功能包括:
- 每小时自动抓取多个漏洞赏金平台的域名范围数据。
- 提供 JSON 格式的原始数据文件,方便用户进行进一步分析和处理。
- 支持的平台包括 Hackerone、Bugcrowd、Intigriti、Hackenproof、YesWeHack 等。
2. 项目快速启动
2.1 克隆项目
首先,你需要将项目克隆到本地:
git clone https://github.com/arkadiyt/bounty-targets-data.git
cd bounty-targets-data
2.2 安装依赖
项目依赖于 Ruby 环境,确保你已经安装了 Ruby。然后安装项目所需的依赖:
bundle install
2.3 配置环境变量
为了运行项目,你需要设置一些环境变量:
export SENTRY_DSN="your_sentry_api_key" # 可选,用于异常跟踪
export SSH_PRIV_KEY="your_ssh_private_key"
export SSH_PUB_KEY="your_ssh_public_key"
export GIT_HOST="git@github.com:your_username/your_repo.git"
2.4 运行项目
配置完成后,你可以运行项目来抓取最新的漏洞赏金平台数据:
bin/bounty-targets
3. 应用案例和最佳实践
3.1 自动化漏洞扫描
结合自动化漏洞扫描工具,如 Nuclei 或 ZAP,你可以定期从 bounty-targets-data 获取最新的域名范围数据,并自动对这些域名进行漏洞扫描。
3.2 数据分析
使用 bounty-targets-data 提供的 JSON 数据文件,你可以进行数据分析,找出哪些域名范围最常被报告漏洞,或者哪些平台提供的域名范围最多。
3.3 集成到 CI/CD 流程
将 bounty-targets-data 集成到你的 CI/CD 流程中,定期检查新添加的域名范围,并自动触发安全扫描任务。
4. 典型生态项目
4.1 bounty-targets
bounty-targets 是 bounty-targets-data 的上游项目,负责每小时抓取漏洞赏金平台的域名范围数据,并将其推送到 bounty-targets-data 仓库。
4.2 Nuclei
Nuclei 是一个强大的漏洞扫描工具,可以与 bounty-targets-data 结合使用,自动对最新的域名范围进行漏洞扫描。
4.3 ZAP
ZAP(Zed Attack Proxy)是一个开源的 Web 应用安全扫描工具,可以与 bounty-targets-data 结合,定期扫描新的域名范围,发现潜在的安全漏洞。
通过以上模块的介绍,你应该能够快速上手并使用 bounty-targets-data 项目,结合其他工具进行漏洞赏金活动。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00