Horn3t 🐝 - 更高效的子域名侦察工具
2024-09-26 23:21:40作者:何将鹤
项目介绍
Horn3t 🐝 是一款专为子域名侦察而设计的强大工具,旨在帮助安全研究人员和渗透测试人员快速、高效地发现目标网站的子域名。Horn3t 基于 Sublist3r 框架构建,不仅继承了其强大的子域名搜索能力,还通过生成视觉化的预览图片,为用户提供了更直观、更便捷的子域名探索体验。
项目技术分析
Horn3t 的核心技术包括:
- 子域名搜索:Horn3t 利用 Sublist3r 的强大功能,通过多种搜索引擎和公共数据库快速搜索目标域名的子域名。
- 视觉化预览:Horn3t 能够生成子域名的网页截图,帮助用户快速识别和筛选出感兴趣的子域名。
- HTTP状态码检测:工具会自动检测每个子域名的HTTP状态码,帮助用户了解子域名的可用性和状态。
- 集成与扩展:Horn3t 支持与多种工具(如Nmap、Dirb等)的集成,用户可以直接在工具中进行进一步的扫描和分析。
项目及技术应用场景
Horn3t 适用于以下场景:
- 渗透测试:在渗透测试过程中,快速发现目标网站的子域名是关键步骤之一。Horn3t 能够帮助测试人员快速定位潜在的攻击面。
- 安全研究:安全研究人员可以使用 Horn3t 来探索和分析目标网站的子域名,发现潜在的安全漏洞。
- 漏洞扫描:结合其他工具,Horn3t 可以作为漏洞扫描的前置步骤,帮助用户快速锁定需要进一步扫描的子域名。
项目特点
- 速度快:Horn3t 继承了 Sublist3r 的高效搜索能力,能够在短时间内完成大量子域名的搜索。
- 视觉化:通过生成子域名的网页截图,用户可以直观地了解每个子域名的内容和状态,提高工作效率。
- 易用性:Horn3t 提供了简洁的Web界面,用户可以通过浏览器轻松访问和管理子域名信息。
- 扩展性强:Horn3t 支持与其他工具的集成,用户可以根据需要进行定制和扩展。
安装与使用
Horn3t 的安装非常简单,用户可以选择以下两种方式之一:
-
手动安装:
- 安装 Google Chrome 浏览器。
- 使用
pip3安装requirements.txt中的依赖。 - 将项目目录放置在您选择的Web服务器中。
- 确保拥有正确的权限。
- 运行
horn3t.py脚本。
-
Docker安装:
- 使用
install.sh脚本进行Docker安装。 - 安装完成后,可以通过
http://localhost:1337访问Web界面。
- 使用
未来计划
Horn3t 的开发团队正在积极开发新功能,包括:
- 改进在Firefox上的缩放效果。
- 添加Windows Docker支持。
- 直接在子域名上点击进行Nmap和Dirb扫描。
- 生成PDF报告。
- 辅助子域名接管检测。
许可证
Horn3t 采用 GNU GPL 许可证,详细信息请参阅 LICENSE 文件。
请注意,使用 Horn3t 进行测试时,务必遵守相关法律法规,仅对您拥有权限的目标进行测试。
致谢
Horn3t 的开发离不开以下开源项目的支持:
在Windows 10和Debian上使用Google Chrome/Chromium 73测试通过。
Horn3t 🐝 是一款功能强大且易于使用的子域名侦察工具,无论您是渗透测试人员还是安全研究人员,它都能为您的工作带来极大的便利。立即尝试 Horn3t,体验更高效的子域名侦察!
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-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。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
191
210
暂无简介
Dart
632
143
React Native鸿蒙化仓库
JavaScript
243
316
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!
C
1.03 K
481
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
9
1
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++
649
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
211