EPScan:一款强大的被动资产收集与漏洞检测工具
2024-08-21 23:27:22作者:虞亚竹Luna
项目介绍
EPScan是一款专注于被动资产收集与自动漏洞检测的开源工具。它能够被动收集网络资产,并自动进行SQL注入检测(支持插件化自动Bypass)、XSS检测、RCE检测以及敏感信息检测。EPScan的设计理念是通过插件化的方式,提供高度可定制和扩展的漏洞检测能力,使得安全研究人员和渗透测试人员能够更高效地发现和利用目标系统的安全漏洞。
项目技术分析
EPScan的核心技术优势在于其插件化的设计。通过内置解释器加载Bypass插件,EPScan能够在不同平台上(包括Linux和Mac)实现高效的SQL注入检测和Bypass。此外,EPScan还支持Get/Post布尔盲注和请求头Get/Post报错注入,进一步提升了检测的准确性和覆盖范围。
项目及技术应用场景
EPScan适用于以下场景:
- 网络安全评估:在进行渗透测试或安全评估时,EPScan可以帮助快速识别目标系统的潜在漏洞。
- 持续监控:企业可以使用EPScan进行持续的安全监控,及时发现并响应新的安全威胁。
- 漏洞研究:安全研究人员可以利用EPScan进行漏洞挖掘和研究,探索新的攻击技术和防御策略。
项目特点
- 插件化设计:EPScan的插件化设计使得用户可以根据需要灵活添加和更新检测插件,保持工具的最新性和有效性。
- 自动Bypass:支持自动加载Bypass插件,有效绕过常见的安全防护措施,提高漏洞检测的成功率。
- 跨平台支持:虽然最初仅支持Linux和Mac,但通过内置解释器的改进,EPScan现在可以在更多平台上运行。
- 易于使用:EPScan提供了详细的参数教程和插件编写指南,使得即使是非专业用户也能快速上手。
结语
EPScan作为一款功能强大的被动资产收集与漏洞检测工具,不仅提供了高效的漏洞检测能力,还通过其插件化的设计,确保了工具的灵活性和可扩展性。无论是安全研究人员、渗透测试人员还是企业安全团队,EPScan都是一个值得关注和使用的优秀工具。
点击关注 Twitter 以便快速了解EPScan的最新动态和更新。
登录后查看全文
热门项目推荐
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