推荐开源项目:Punter - 被动式域名信息猎手
2024-05-22 05:36:45作者:胡唯隽
1、项目介绍
Punter,被动式的猎手,是针对域名足迹挖掘的第一步的解决方案。它的设计理念是在不主动接触目标域的情况下,通过被动方式获取大量初始信息,并以清晰易读的报告形式呈现。这个工具旨在帮助安全研究人员和渗透测试者在正式开始评估前对目标进行无痕侦察。
2、项目技术分析
Punter利用了以下服务和技术:
- DNS Dumpster:用于深入的DNS查询。
- Whois:获取域名注册信息。
- 反向Whois:基于电子邮件地址的反向查询。
- Haveibeenpwned:检查发现的邮件地址是否曾被泄露。
- CRT.sh:查找子域名。
- Crimeflare:揭露Cloudflare背后的真正IP地址。
所有Whois和DNS查询都在本地执行,而其他查询则通过第三方服务完成,以降低触碰目标的风险。
3、项目及技术应用场景
对于网络安全专业人员而言,Punter是一个极其实用的工具,尤其适用于以下场景:
- 前期侦查:在进行网络渗透测试或漏洞扫描之前,了解目标域名的基本情况。
- 威胁情报收集:监控组织或客户的在线资产,找出潜在的安全风险。
- 企业安全审计:定期扫描企业的域名信息,防止未知的网络暴露。
4、项目特点
- 无痕侦察:Punter设计时不直接接触目标域,降低了对目标的影响。
- 自动化报告:扫描完成后自动生成HTML报告,方便查看和共享。
- 多平台支持:已在Kali Linux和Arch Linux上成功测试,兼容Python 2.7。
- API集成:整合多个第三方服务的数据来源,提供全面的域名信息。
为了启用Shodan功能,你需要在config.cfg中设置启用选项并添加你的API密钥。
使用方法
只需几步简单的命令,你就可以启动Punter进行扫描:
git clone https://github.com/nethunteros/punter
cd punter
pip install -r requirements.txt
python main.py -t yourdomain.com
对于Arch Linux用户,请使用Python 2执行:
su
git clone https://github.com/nethunteros/punter
cd punter
pip2 install -r requirements.txt
pip2 install ipaddr
python2 main.py -t yourdomain.com
Punter团队持续更新和完善,未来计划增加更多特性,如获取网站HTML和HTTP头信息等。
请记得,虽然Punter已经在多种环境下验证了其功能,但在特定环境中可能仍存在不兼容问题,具体请参考项目文档。
现在就加入Punter的使用者行列,提升你的网络侦查效率吧!
登录后查看全文
热门项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust016
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
677
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
518
630
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.57 K
910
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++
947
888
暂无简介
Dart
922
228
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
399
303
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
634
217
openGauss kernel ~ openGauss is an open source relational database management system
C++
183
260