DNS信息收集详解

本文涉及的产品
.cn 域名,1个 12个月
云解析 DNS,旗舰版 1个月
全局流量管理 GTM,标准版 1个月
简介: DNS信息收集详解

今天继续给大家介绍渗透测试相关知识,本文主要内容是DNS信息收集。

免责声明:
本文所介绍的内容仅做学习交流使用,严禁利用文中技术进行非法行为,否则造成一切严重后果自负!

一、PING收集DNS信息
使用PING命令直接ping一个域名,可以直接得到该域名所对应的IP地址,在这里就不过多介绍了。需要注意的是,有时我们在PING一个域名的时候,会出现如下现象:

从上图可以看出,我们明明PING的是www.baidu.com,但是PING返回的结果却是www.a.shifen.com,其实这是百度域名的一个别名,其得到的IP地址,也确实是百度的IP地址。

二、nsloookup信息收集
除了使用PING命令之外,我们还可以使用nslookup来收集一个DNS域名信息。
例如,执行命令:

nslookup www.baidu.com
1
即可查询百度的域名信息,该命令执行结果如下所示:

三、dig信息收集
此外,我们还可以使用dig命令来挖掘更详细的域名信息。例如,执行命令:

dig www.baidu.com @114.114.114.114 any
1
可以挖掘百度的域名信息,这里@符号的后面指定了DNS服务器,如果没有指定该服务器,那么就会采用系统网络设置中的DNS服务器。该命令执行结果如下:

同样的,dig命令也支持反查询,即通过IP地址来查询相对应域名。dig的反查询命令需要加上一个-x参数,例如,执行命令:

dig -x 8.8.8.8
1
可以对8.8.8.8的IP地址进行反查询,该命令执行结果如下所示:

四、第三方站点信息收集
除此之外,我们还可以使用一些第三方的网站来收集DNS信息。常用的DNS信息查询网站如下:
1、站长之家
http://icp.chinaz.com/

2、天眼查
https://www.tianyancha.com/

https://whois.aliyun.com/

原创不易,转载请说明出处:https://blog.csdn.net/weixin_40228200
————————————————

                        版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。

原文链接:https://blog.csdn.net/weixin_40228200/article/details/124889922

目录
相关文章
|
6月前
|
Python
选择和过滤数据DataFrame信息案例解析
该文介绍了如何使用pandas处理DataFrame数据。首先,通过创建字典并调用pd.DataFrame()函数转换为DataFrame。接着展示了使用loc[]选择年龄大于30的记录,iloc[]选取特定位置行,以及query()根据字符串表达式筛选(年龄大于30且城市为北京)数据的方法。
129 1
|
6月前
|
Python
查看DataFrame信息案例解析
该文介绍了如何使用pandas库查看DataFrame信息。首先,导入pandas并创建一个字典,将字典转换为DataFrame,展示了一组包含“姓名”、“年龄”和“城市”列的数据。之后,通过调用DataFrame的info()方法,显示了数据框的详细信息,包括行数、列数及每列的数据类型,如:3行3列,数据类型为1个int64和2个object。
56 0
|
6月前
|
Python
修改DataFrame信息案例解析
【4月更文挑战第9天】该文介绍了如何修改DataFrame信息,首先通过`pd.DataFrame()`将字典转换为DataFrame,然后利用`.loc[]`、`.iloc[]`和`.query()`方法修改特定条件的数据。示例中,更改了年龄大于30的值为31,更新了第1行和第3行数据,以及使用查询语句修改年龄大于30且城市为北京的记录。
51 0
|
6月前
|
Serverless Python
分组和聚合DataFrame信息案例解析
该文介绍了如何使用pandas对DataFrame进行分组和聚合操作。首先,通过创建字典并转换为DataFrame,展示了基础数据结构。接着,利用`groupby()`方法按城市字段进行数据分组,然后应用`mean()`函数计算各城市平均年龄,显示了聚合功能。此外,文中指出还可使用`sum()`、`count()`等其他聚合函数处理分组数据。
74 0
|
6月前
|
算法 Linux C++
【Linux系统编程】解析获取和设置文件信息与权限的Linux系统调用
【Linux系统编程】解析获取和设置文件信息与权限的Linux系统调用
78 0
|
21天前
|
自然语言处理 数据可视化 前端开发
从数据提取到管理:合合信息的智能文档处理全方位解析【合合信息智能文档处理百宝箱】
合合信息的智能文档处理“百宝箱”涵盖文档解析、向量化模型、测评工具等,解决了复杂文档解析、大模型问答幻觉、文档解析效果评估、知识库搭建、多语言文档翻译等问题。通过可视化解析工具 TextIn ParseX、向量化模型 acge-embedding 和文档解析测评工具 markdown_tester,百宝箱提升了文档处理的效率和精确度,适用于多种文档格式和语言环境,助力企业实现高效的信息管理和业务支持。
3960 5
从数据提取到管理:合合信息的智能文档处理全方位解析【合合信息智能文档处理百宝箱】
|
1月前
|
机器学习/深度学习 自然语言处理 JavaScript
信息论、机器学习的核心概念:熵、KL散度、JS散度和Renyi散度的深度解析及应用
在信息论、机器学习和统计学领域中,KL散度(Kullback-Leibler散度)是量化概率分布差异的关键概念。本文深入探讨了KL散度及其相关概念,包括Jensen-Shannon散度和Renyi散度。KL散度用于衡量两个概率分布之间的差异,而Jensen-Shannon散度则提供了一种对称的度量方式。Renyi散度通过可调参数α,提供了更灵活的散度度量。这些概念不仅在理论研究中至关重要,在实际应用中也广泛用于数据压缩、变分自编码器、强化学习等领域。通过分析电子商务中的数据漂移实例,展示了这些散度指标在捕捉数据分布变化方面的独特优势,为企业提供了数据驱动的决策支持。
61 2
信息论、机器学习的核心概念:熵、KL散度、JS散度和Renyi散度的深度解析及应用
|
29天前
|
人工智能 前端开发 JavaScript
拿下奇怪的前端报错(一):报错信息是一个看不懂的数字数组Buffer(475) [Uint8Array],让AI大模型帮忙解析
本文介绍了前端开发中遇到的奇怪报错问题,特别是当错误信息不明确时的处理方法。作者分享了自己通过还原代码、试错等方式解决问题的经验,并以一个Vue3+TypeScript项目的构建失败为例,详细解析了如何从错误信息中定位问题,最终通过解读错误信息中的ASCII码找到了具体的错误文件。文章强调了基础知识的重要性,并鼓励读者遇到类似问题时不要慌张,耐心分析。
|
1月前
|
存储 编译器 C++
【初阶数据结构】掌握二叉树遍历技巧与信息求解:深入解析四种遍历方法及树的结构与统计分析
【初阶数据结构】掌握二叉树遍历技巧与信息求解:深入解析四种遍历方法及树的结构与统计分析
|
1月前
|
存储 缓存 并行计算
yolov5的train.py的参数信息解析
这篇文章解析了YOLOv5的`train.py`脚本中的参数信息,详细介绍了每个参数的功能和默认值,包括权重路径、模型配置、数据源、超参数、训练轮数、批量大小、图像尺寸、训练选项、设备选择、优化器设置等,以便用户可以根据需要自定义训练过程。
31 0

推荐镜像

更多