Bug-Bounty-Wordlists 使用教程
1. 项目介绍
Bug-Bounty-Wordlists 是一个开源项目,旨在收集和整理在漏洞赏金猎人(Bug Bounty Hunter)进行目标研究时使用的各种重要词汇列表(Wordlists)。这些词汇列表涵盖了多种技术领域,包括但不限于管理面板、API、配置文件、Dot 文件、EC2、环境文件、GitHub Dorks、Google Dorks、HT Access、K8S、密钥、日志、Ngnix、NPMRC、开放重定向、Perl 文件、PhpMyAdmin、Php Unit 文件、不同属性文件、SQL、Tomcat、WebConfig、Windows LFI、WordPress 和 YAML 等。
项目的目标是将所有这些词汇列表集中在一个地方,方便用户快速访问和使用。此外,项目鼓励社区贡献,欢迎用户上传自己的词汇列表,以丰富资源库。
2. 项目快速启动
2.1 克隆项目
首先,你需要将项目克隆到本地:
git clone https://github.com/Karanxa/Bug-Bounty-Wordlists.git
2.2 查看词汇列表
克隆完成后,你可以进入项目目录并查看各种词汇列表:
cd Bug-Bounty-Wordlists
ls
2.3 使用词汇列表
你可以根据需要选择特定的词汇列表进行使用。例如,如果你想使用 admin.txt 文件中的词汇列表,可以使用以下命令查看内容:
cat admin.txt
3. 应用案例和最佳实践
3.1 漏洞赏金猎人
在漏洞赏金猎人进行目标研究时,词汇列表是非常重要的工具。通过使用这些词汇列表,猎人可以快速识别潜在的漏洞点,从而提高发现漏洞的效率。
3.2 渗透测试
渗透测试人员可以使用这些词汇列表来测试目标系统的安全性。通过模拟攻击,测试人员可以发现系统中的潜在漏洞,并提供修复建议。
3.3 安全研究
安全研究人员可以使用这些词汇列表来研究不同技术领域的安全问题。通过分析这些词汇列表,研究人员可以深入了解各种技术在安全方面的弱点。
4. 典型生态项目
4.1 SecLists
SecLists 是一个广泛使用的安全测试词汇列表集合,包含了各种类型的词汇列表,适用于渗透测试、漏洞赏金猎人和安全研究。
4.2 Assetnote
Assetnote 提供了大量的自动化安全测试工具和资源,包括词汇列表、扫描器和漏洞数据库。
4.3 HackerOne
HackerOne 是一个知名的漏洞赏金平台,许多安全专家和漏洞赏金猎人在这里提交和解决漏洞。Bug-Bounty-Wordlists 可以作为 HackerOne 用户的辅助工具,帮助他们更高效地进行目标研究。
通过结合这些生态项目,用户可以构建一个完整的安全测试工具链,从而提高安全测试的效率和效果。
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