SubBrute:最快速、最准确的子域名枚举工具
2024-09-19 09:12:36作者:尤峻淳Whitney
项目介绍
SubBrute(Subdomain Bruteforcer)是一个社区驱动的开源项目,旨在打造最快速、最准确的子域名枚举工具。通过利用开放的DNS解析器作为代理,SubBrute能够绕过DNS速率限制,提供更高的匿名性和更快的枚举速度。无论是渗透测试、安全研究还是域名管理,SubBrute都能帮助用户快速发现隐藏的子域名。
项目技术分析
SubBrute的核心技术在于其独特的DNS解析机制。通过使用开放的DNS解析器,SubBrute能够绕过目标域名的DNS速率限制,从而实现更快速的子域名枚举。此外,SubBrute还支持递归DNS爬虫功能,能够深入挖掘子域名及其关联的DNS记录。
在最新版本中,SubBrute不仅支持常见的DNS记录类型(如A、AAAA、CNAME、SOA、TXT、MX等),还引入了对Cloudflare域名的更好支持,提升了工具的稳定性和适用性。
项目及技术应用场景
SubBrute适用于多种场景,包括但不限于:
- 渗透测试:在渗透测试过程中,快速发现目标域名的子域名是关键步骤之一。SubBrute的高效性和准确性能够帮助渗透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SubBrute来发现隐藏的子域名,从而评估目标的安全状况。
- 域名管理:企业可以使用SubBrute来发现未被管理的子域名,确保域名资产的完整性和安全性。
项目特点
- 高速枚举:SubBrute利用开放的DNS解析器,绕过DNS速率限制,实现高速的子域名枚举。
- 递归爬虫:支持递归DNS爬虫功能,能够深入挖掘子域名及其关联的DNS记录。
- 多记录类型支持:不仅支持常见的DNS记录类型,还支持任意DNS记录类型的枚举。
- 社区驱动:SubBrute是一个社区驱动的项目,不断吸收社区的反馈和贡献,保持工具的先进性和实用性。
- 跨平台支持:SubBrute支持多种操作系统,包括Windows、Linux、BSD和macOS,用户无需安装即可使用。
使用示例
以下是一些简单的使用示例,展示了SubBrute的强大功能:
# 枚举google.com的子域名并输出到文件
./subbrute.py google.com -o google.names
# 使用上一步的结果枚举TXT记录
./subbrute.py -s google.names google.com --type TXT
# 使用上一步的结果枚举CNAME记录
./subbrute.py -s google.names google.com --type CNAME
结语
SubBrute作为一款社区驱动的开源工具,凭借其高速、准确和灵活的特点,已经成为子域名枚举领域的佼佼者。无论你是渗透测试人员、安全研究人员还是域名管理者,SubBrute都能为你提供强大的支持。快来体验SubBrute,发现那些隐藏的子域名吧!
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5暂无简介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
173
193
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++
647
263
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
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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