探索网络安全的新工具:Assetnote Wordlists
2024-08-10 15:35:21作者:庞队千Virginia
在数字时代,保障网络资产的安全性是每个组织的重要任务。而高效的安全测试是这一过程的关键环节,这正是Assetnote Wordlists发挥作用的地方。这个开源项目提供了一组精心编译的词汇列表,专为内容和子域名发现设计,以帮助您在安全测试中发现潜在问题。
项目介绍
Assetnote Wordlists 是一个不断更新的资源库,每月28日都会使用 Commonspeak2 和 GitHub Actions 更新一次。这个项目旨在提供针对流行互联网技术的有效词汇列表,帮助您进行更全面的资产映射和安全检测。如果您需要特定扩展或技术的词汇表,欢迎提交PR,项目团队会将其纳入下一轮更新。
项目技术分析
该项目利用 Commonspeak2 这一强大的工具生成词典,结合 GitHub Actions 实现自动化,确保了词库的实时性和准确性。同时,生成的词典被存储于通过内容分发网络服务的web服务器上,确保了快速访问。此外,项目还使用 Python 脚本 gen-json.py 生成 JSON 文件,并借助 DataTables 在网页上展示,提供了用户友好的交互界面。
应用场景
Assetnote Wordlists 可广泛应用于各种网络安全场景:
- 内容发现:对网站内容进行全面扫描,找出可能存在的问题。
- 子域名枚举:帮助识别未公开或废弃的子域名,防止被不当利用。
- 持续安全监测:配合 Assetnote 的持续安全服务,自动监控您的外部资产,及时发现并预防安全问题。
项目特点
- 定期更新:每月定期更新,保证了词汇表的时效性。
- 定制化:可接受社区贡献,增加新的词汇列表支持。
- 高效访问:通过 CDN 提供高速下载和在线浏览体验。
- 易用性:JSON 格式的数据便于集成到各种安全工具中。
要获取所有词汇列表,只需一行命令:
wget -r --no-parent -R "index.html*" -e robots=off https://wordlists-cdn.assetnote.io/data/ -nH
Assetnote 致力于网络安全,同时也提供了自家的产品,可以持续监控您的资产,提供安全警报。如需了解更多,不妨访问他们的官网或在Twitter上关注他们。
最后,感谢 cqsd 和 SecLists 对项目的贡献,让 Assetnote Wordlists 成为了一个强大且可靠的资源。
这个项目的源代码遵循 Apache 2.0 许可证,欢迎大家参与贡献和使用。一起提升网络安全,从 Assetnote Wordlists 开始!
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- 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
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
387
458
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++
894
680
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
354
212
昇腾LLM分布式训练框架
Python
120
146
暂无简介
Dart
805
198
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781