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。
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