• Kali学习笔记5:被动信息收集工具集


    1.Shodan

    SHODAN搜索引擎不像百度谷歌等,它们爬取的是网页,而SHODAN搜索的是设备

    物联网使用过程中,通常容易出现安全问题,如果被黑客用SHODAN搜索到,后果不堪设想。

    网站:https://www.shodan.io/

    如果不申请账号,只能搜索到10条信息,所以最好还是申请一个账号!

    只需要一个邮箱验证即可,一分钟搞定。

    使用搜索过滤

    如果像前面单纯只使用关键字直接进行搜索,搜索结果可能不尽人意,那么此时我们就需要使用一些特定的命令对搜索结果进行过滤,常见用的过滤命令如下所示:

    • hostname:搜索指定的主机或域名,例如 hostname:"google"
    • port:搜索指定的端口或服务,例如 port:"21"
    • country:搜索指定的国家,例如 country:"CN"
    • city:搜索指定的城市,例如 city:"Hefei"
    • org:搜索指定的组织或公司,例如 org:"google"
    • isp:搜索指定的ISP供应商,例如 isp:"China Telecom"
    • product:搜索指定的操作系统/软件/平台,例如 product:"Apache httpd"
    • version:搜索指定的软件版本,例如 version:"1.6.2"
    • geo:搜索指定的地理位置,参数为经纬度,例如 geo:"31.8639, 117.2808"
    • before/after:搜索指定收录时间前后的数据,格式为dd-mm-yy,例如 before:"11-11-15"
    • net:搜索指定的IP地址或子网,例如 net:"210.45.240.0/24"

    浏览器的shodan插件:

    下载:

    下载完成后:自动在shodan搜索当前网站的信息:

    CUPP密码生成器:

    CUPP会通过一系列的信息生成相对应的密码字典

    相比于暴力破解,CUPP会有很高的命中率:

    下载:

    看下Readme:

    这里这个-i参数是我们通常使用的

    由于CUPP是由Python写成的,调用需要使用Python:

    按照向导操作:

    先是个人信息,然后父母信息,然后孩子,公司等等

    最后一部分是否添加其他信息或者随机数等。

    生成:

    我们看到生成了一万多条,毋庸置疑,这种字典好过千万级别的字典。

    Recon-NG框架

    Recon-NG是由python编写的一个开源的Web侦查(信息收集)框架。

    Recon-ng框架是一个强大的工具,使用它可以自动的收集信息和网络侦查。下面将介绍使用Recon-NG侦查工具

     直接在命令行输入recon-ng即可开启:

    使用:

    1.创建自己的工作空间:

    不必在意这些红色的“警告”,后边自然会解决!

    查看下有哪些工作空间:

    有一个自带的default和我们新建的sina

    查询下keys:

    我们发现,RECON-NG可以调用很多的API,但都没有设置:

    这里我添加一个SHODAN的API:

    好的,我们查看下:

     添加成功!

    修改Key也很简单: keys delete <name>即可

    查看配置:

    参数NAMESERVER:框架需要的DNS服务器

    参数PROXY:是否使用代理

    参数THREADS:多线程使用数量

    USER-AGENT字段我们必须要修改:防止被网络管理员发现:

    我这里修改下:

    最后一个参数,选择模式,默认即可。

    show schema命令:查看数据库表信息:

    很多表。

    snapshots 命令:用于恢复

    snapshots take 创建快照

    snapshots load <dbname> 加载快照

    snapshots delete <dbname> 删除快照

    使用实例:

     具体使用以后再介绍

  • 相关阅读:
    Centos下安装Redis
    Web框架的本质
    DOM Event
    HTML DOM
    JavaScript运算符
    JavaScript基础
    开发中常用的插件与框架
    selector模块
    IO模型(阻塞、非阻塞、多路复用与异步)
    事件驱动模型
  • 原文地址:https://www.cnblogs.com/xuyiqing/p/9030008.html
Copyright © 2020-2023  润新知