当前位置: 首页 > backend >正文

社会工程与信息收集

F01: 搜索引擎高级语法(常规、另类)

核心目标:通过特定搜索语法快速定位敏感信息、暴露资产或漏洞入口。

常规语法(以Google为例)

  1. 基础操作符
  • site:example.com:限定搜索范围至指定域名。

  • filetype:pdf:搜索特定类型文件(如合同、报告)。

  • intitle:"登录页面":筛选标题含关键词的页面。

  1. 漏洞挖掘专用语法
  • inurl:/admin/login.php:查找后台登录入口。

  • intext:"error occurred":搜索报错信息泄露页面。

另类搜索引擎与工具

  1. Shodan(物联网资产搜索):
  • 搜索暴露的摄像头:webcam

  • 发现开放Redis服务:port:6379

  1. Censys(协议级资产探测):
  • 查找SSL证书信息:parsed.names: example.com
  1. ZoomEye(网络空间测绘):
  • 搜索特定CMS:app:"WordPress"

实战案例


site:github.com "password" extension:txt 

此语法可搜索GitHub上公开的密码文本文件。


F02: 网络钓鱼与社工攻击

社工攻击流程

  1. 信息收集
  • 通过社交媒体(LinkedIn、Facebook)获取目标员工信息。

  • 使用theHarvester收集企业邮箱:


theHarvester -d example.com -b google 
  1. 钓鱼设计
  • 邮件伪造

  • 使用工具(如Swaks)发送伪造发件人邮件:


swaks --to victim@example.com --from "CEO <ceo@example.com>" --body "紧急:查看财务报告!" 
  • 钓鱼页面克隆

  • 使用Social-Engineer Toolkit (SET)生成高仿登录页:


setoolkit → 1) Social-Engineering Attacks → 2) Website Attack Vectors → 3) Credential Harvester 

防御与检测

  • 邮件头分析:检查SPFDKIMDMARC记录是否合法。

  • 员工培训:模拟钓鱼测试,提升安全意识。


F03: 信息收集与漏洞关联分析

信息收集分层策略

  1. 被动收集(无需与目标交互):
  • 域名资产

  • 使用Amass枚举子域名:


amass enum -d example.com -passive 
  • 历史记录

  • 通过Wayback Machine查看网站历史快照,寻找已删除的敏感页面。

  1. 主动探测(与目标交互):
  • 端口扫描

nmap -sV -p 1-65535 target.com 
  • 目录爆破

dirsearch -u http://target.com -w /usr/share/wordlists/dirbuster/directory-list-2.3-medium.txt 

漏洞关联分析

  1. 资产关联
  • 将子域名、IP、服务版本信息整合,标记潜在攻击面(如旧版Jenkins、暴露的API)。
  1. 自动化工具链
  • SpiderFoot:自动关联IP、域名、邮箱等信息,生成可视化关系图。

  • Maltego:通过图形化界面分析目标网络拓扑。

实战示例

  • 发现目标子域名dev.example.com运行Jenkins 2.319(存在CVE-2022-23880 RCE漏洞)。

  • 关联到GitHub代码仓库泄露了数据库凭证,进一步利用获取内网权限。


学习与实战建议

  1. 工具整合:将Shodan API与Python脚本结合,实现自动化监控。

  2. 合法边界:所有信息收集需在授权范围内进行。

  3. 扩展资源

  • 《社会工程学:安全体系中的人性漏洞》

  • 红队练习平台:TryHackMe(Social Engineering模块)。

此部分内容为红队攻击的“侦察阶段”核心技术,掌握后可精准定位目标弱点,为后续渗透提供关键情报支持。

http://www.xdnf.cn/news/7978.html

相关文章:

  • 左手腾讯CodeBuddy 、华为通义灵码,右手微软Copilot,旁边还有个Cursor,程序员幸福指数越来越高了
  • Human Dil-HDL,使用方法,红色荧光标记人源高密度脂蛋白
  • 循环队列分析及应用
  • 在 Qt 中实现动态切换主题(明亮和暗黑)
  • Gartner研究报告《Generative AI 赋能Digital Commerce的三种路径》学习心得
  • 笑林广记读书笔记三
  • 下一代电子电气架构(EEA)的关键技术
  • 具有思考模式模型部署:Qwen3、DeepSeek-R1-Distill、Phi-4、QWQ系列
  • 模型量化与保存
  • Python实例题:Python实现简单画板
  • 网络安全之身份验证绕过漏洞
  • 【AI+开发】什么是LLM、MCP和Agent?
  • 容器网络中的 veth pair 技术详解
  • 求无符号字符型数据乘积的高一半
  • 隧道自动化监测解决方案
  • 【攻防实战】MacOS系统上线Cobalt Strike
  • 高并发内存池|六、page cache的设计
  • 13、自动配置【源码分析】-自动包规则原理
  • Springboot2
  • Qt enabled + geometry 属性(2)
  • 微信小游戏流量主广告自动化浏览功能案例5
  • 【IP101】图像质量评价体系:从主观评价到客观度量的完整解析
  • RL电路的响应
  • Spring AI 1.0 GA 于 2025 年 5 月 20 日正式发布,都有哪些特性?
  • 防火墙高可靠性
  • AI预测3D新模型百十个定位预测+胆码预测+去和尾2025年5月21日第84弹
  • nlohmann json:检查类型并取出数据
  • 【八股战神篇】Spring高频面试题汇总
  • 企业数字化转型是否已由信息化+自动化向智能化迈进?
  • YCKC【二分答案专题】题解