BBOT项目中实现Github用户枚举模块的技术探索
2025-05-27 20:30:45作者:田桥桑Industrious
背景介绍
在开源情报收集(OSINT)工具BBOT的开发过程中,开发者发现现有的github_org模块存在一个功能限制:它只能枚举组织成员设置为"公开"状态的用户。当组织成员将可见性设置为"私有"时,该模块就无法获取相关信息。这在实际应用中会造成数据收集的盲区。
技术挑战分析
传统通过GitHub组织API获取成员信息的方式确实会受到可见性设置的限制。然而,通过深入分析GitHub的API特性,我们发现可以通过以下两种技术途径绕过这一限制:
- GraphQL API查询:GitHub的GraphQL端点允许执行更灵活的查询,可以通过搜索功能查找包含特定域名信息的用户
- REST API搜索:传统的REST接口也提供了用户搜索功能,可以作为备选方案
技术实现方案
GraphQL方案
核心查询语句如下:
{
search(query: "{{DNS_NAME}}", type: USER, first: 10) {
userCount
pageInfo {
hasNextPage
endCursor
}
edges {
node {
... on User {
name
company
email
url
}
}
}
}
}
该查询会:
- 搜索包含指定域名({{DNS_NAME}})的用户
- 返回前10条结果及分页信息
- 获取用户名、公司信息、邮箱和GitHub URL
REST API方案
作为备选方案,可以使用以下curl命令进行搜索:
curl -L \
-H "Accept: application/vnd.github+json" \
-H "Authorization: Bearer <YOUR-TOKEN>" \
-H "X-GitHub-Api-Version: 2022-11-28" \
"https://api.github.com/search/users?q=Q"
技术难点解决
在实现过程中,主要需要解决以下技术难点:
- 分页处理:GraphQL响应中包含分页信息,需要正确处理分页以获取完整结果
- 结果过滤:需要对返回结果进行智能过滤,只保留与目标组织相关的用户
- 速率限制:需要考虑GitHub API的速率限制,实现合理的请求间隔
实现价值
该功能的实现将带来以下价值:
- 更全面的数据收集:能够发现使用公司邮箱或在公司信息中包含目标域名的私有用户
- 关联分析能力:通过收集到的用户信息,可以进一步分析其代码仓库等资源
- 增强SOCIAL事件检测:当发现用户信息中包含目标范围内的内容时,可以生成相应的事件
总结
通过利用GitHub的搜索API,BBOT项目可以增强其GitHub用户枚举能力,突破原有组织成员可见性设置的限制。这一改进将显著提升工具在开源情报收集方面的效能,为安全研究人员提供更全面的目标画像。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
245
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
暂无简介
Dart
672
157
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++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217