信息收集(一)

简介: 信息收集(一)

image.png

信息收集

在进行信息收集时,以下内容可能会被关注:

IP地址段: 包括分配给组织的所有IP地址,这对于理解组织的网络范围很重要。

域名信息: 包括主域名、子域名以及任何关联的网站或在线服务。

邮件地址: 组织成员的电子邮件地址,可能用于通信或识别内部员工。

文档和图片数据: 可能包含有关公司业务、产品、服务或内部流程的信息。

公司地址: 总部位置、分支机构地址等,有助于了解公司的全球布局。

公司组织架构: 包括部门划分、管理层级等,可以帮助理解公司的决策流程和内部沟通模式。

联系电话/传真号码: 用于正式通信和业务联系的重要信息。

人员姓名和职务: 特别是高层管理人员和关键岗位人员,这对于业务合作或公关活动很重要。

目标系统使用的技术架构: 包括软件、硬件、网络架构等,这对于技术评估、兼容性测试或安全审计很有用。

公开的商业信息: 如财务报告、市场分析、新闻发布等,这些都是了解公司业务状况和市场策略的重要来源。

image.png

信息收集内容

信息收集:通过企业的数字名称资产,如whois和IP地址等,可以了解到目标企业的网络架构、域名注册信息、服务器位置等关键信息。这些信息对于进行网络渗投测试、漏动评估和安全威胁分析至关重要。

系统架构了解:通过DNS枚举技术,可以获取到企业使用的DNS服务器的详细信息,这有助于进一步挖掘出可能的安全漏动和敏感数据。

联系人信息获取:通过搜索引擎查询,可以找到与目标企业相关的人员联系方式,这对于后续的信息搜集和沟通协调有实际意义。

公开信息分析:互联网归档和开源情报可以帮助分析企业在公共领域的活动记录,从而发现潜在的安全风险和业务模式。

邮件地址规则研究:邮件地址规则的研究有助于理解企业内部通信的方式,可能揭示出内部通信协议或加密措施的弱点。

员工个人爱好调查:通过社交媒体等第三方平台的监控,可以了解员工的个人习惯、兴趣点以及社交关系网,这些信息有时能间接反映企业的文化和运作方式。

image.png

whois

"Whois" 是一个用于查询互联网域名注册信息的协议和服务。通过 Whois 查询,可以获取以下类型的信息:

域名注册信息:

域名注册者(个人或公司名称)

注册者的联系信息(地址、电话、传真、电子邮件)

注册商信息:

域名注册商的名称和联系信息

域名服务器信息:

域名的主服务器和辅助服务器的名称和 IP 地址

注册日期和到期日期:

域名的注册日期和到期日期

状态信息:

域名的当前状态(例如,是否被锁定或即将过期)

更新日期:

域名记录最近的更新日期

WHOIS 服务器信息:

提供查询服务的 WHOIS 服务器的 IP 地址和端口号

这些信息对于确定域名的可用性、解决域名纠纷、联系域名持有者以及进行市场分析等方面非常有用。大多数顶级域名(TLD)都有自己的 Whois 服务器,可以通过网络查询工具或命令行工具进行查询。需要注意的是,某些 TLD 或注册商可能会限制或隐藏部分信息,以保护注册者的隐私。

image.png

image.png

基本使用方法

注册和登录:

访问 FOFA 的官方网站( https://fofa.so)。

注册一个账号并登录。

基础查询:

在搜索框中输入关键词,例如:

ip:1.2.3.4 查找特定 IP 地址的信息。

domain:.com 查找所有 .com 域名的网站。

title:"Login" 查找标题中含有 "Login" 的网页。

查询结果分析:

查询结果页面提供了详细的设备、服务器和应用程序信息。

可以通过筛选器进一步细化查询结果。

进阶使用方法

高级搜索语法:

字段匹配:例如 server="Apache",查找使用 Apache 服务器的网站。

布尔运算符:例如 ip:1.2.3.4 AND port:8080,查找特定 IP 和端口的设备。

正则表达式:例如 header:"X-Powered-By:(.*)",查找含有特定 HTTP 头的网页。

利用 FOFA 的 API 功能:

FOFA 提供了 API 接口,允许开发者将 FOFA 的功能集成到自己的应用程序中。

需要申请 API 密钥,并按照文档调用 API。

批量查询和数据分析:

FOFA 支持批量查询功能,可以一次性查询多个 IP、域名或其他数据。

结果可以导出为 CSV、JSON 等格式,便于进一步的数据分析和处理。

定制化搜索和订阅:

用户可以创建自定义的搜索任务,定期执行并接收最新的查询结果。

订阅功能可以帮助用户跟踪特定目标的变化情况。

结合其他工具使用:

FOFA 的查询结果可以与其他网络安全工具(如 Nmap、Metasploit)结合使用,进行更深入的安全分析和测试。

也可以与数据可视化工具(如 Tableau、Power BI)结合,生成直观的分析图表。

image.png

接下篇:https://developer.aliyun.com/article/1620567


相关文章
|
Java 关系型数据库 MySQL
学生公寓报修管理系统的设计与实现(论文+源码)_kaic
学生公寓报修管理系统的设计与实现(论文+源码)_kaic
|
JavaScript
VUE element-ui之el-form表单点击按钮自动增加表单(输入框),可新增删除
VUE element-ui之el-form表单点击按钮自动增加表单(输入框),可新增删除
2483 0
VUE element-ui之el-form表单点击按钮自动增加表单(输入框),可新增删除
|
4月前
|
网络协议 Ubuntu Linux
Wireguard in Linux的安装方法
本文介绍了如何在Ubuntu和Rocky Linux中安装配置WireGuard,并探讨了配置过程中可能出现的DNS泄露问题及解决方法,包括通过nmtui设置DNS及调整DNS优先级参数。
|
6月前
|
传感器 自然语言处理 前端开发
体验通义灵码 2.5 版编程智能体
在当今快速发展的技术环境中,软件开发正经历着前所未有的变革。传统的编程方式往往需要开发者具备深厚的技术背景和丰富的实践经验,但随着人工智能技术的进步,这种局面正在被打破。通义灵码 2.5 版作为阿里云推出的一款先进的编程智能体,凭借其强大的自主决策、环境感知和工具使用能力,为开发者提供了一种全新的编程体验,使得从零开始构建应用程序变得更加简单高效。
|
存储 监控 安全
在Linux中,如何进行日志审计?
在Linux中,如何进行日志审计?
|
9月前
|
存储 人工智能 程序员
通义灵码AI程序员实战:从零构建Python记账本应用的开发全解析
本文通过开发Python记账本应用的真实案例,展示通义灵码AI程序员2.0的代码生成能力。从需求分析到功能实现、界面升级及测试覆盖,AI程序员展现了需求转化、技术选型、测试驱动和代码可维护性等核心价值。文中详细解析了如何使用Python标准库和tkinter库实现命令行及图形化界面,并生成单元测试用例,确保应用的稳定性和可维护性。尽管AI工具显著提升开发效率,但用户仍需具备编程基础以进行调试和优化。
615 9
|
机器学习/深度学习 自动驾驶 算法
特斯拉发布Robotaxi,支撑其自动驾驶的FSD你需要了解一下
【10月更文挑战第11天】FSD(全自动驾驶)是特斯拉开发的自动驾驶技术,目标是在无需人工干预的情况下,让车辆自主识别路况并完成行驶。该系统基于CNN神经网络,能通过车载摄像头收集的数据进行图像识别与处理。FSD包含自动紧急刹车、自动变道等功能,并在2024年特斯拉“robotaxiday”活动中,推出了cybercab赛博无人出租车和robovan无人驾驶多功能车。基于“端到端”大模型算法,FSD未来将不依赖高精地图行驶,并计划于2025年在美国得州和加州实现“无监督版”完全自动驾驶。
316 16
|
安全 算法 测试技术
漏洞扫描器之XRAY安装及破解
xray安装,xray打开,xray破解
803 0
|
PHP Apache
文件上传--Upload-labs--Pass10--双写绕过
文件上传--Upload-labs--Pass10--双写绕过
|
机器学习/深度学习 算法 数据挖掘
实战Scikit-Learn:处理不平衡数据集的策略
【4月更文挑战第17天】本文探讨了Scikit-Learn处理不平衡数据集的策略,包括重采样(过采样少数类如SMOTE,欠采样多数类如RandomUnderSampler)、修改损失函数(如加权损失函数)、使用集成学习(如随机森林、AdaBoost)以及选择合适的评估指标(精确率、召回率、F1分数)。这些方法有助于提升模型对少数类的预测性能和泛化能力。
1140 1

热门文章

最新文章