关于漏洞挖掘

这篇具有很好参考价值的文章主要介绍了关于漏洞挖掘。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

漏洞挖掘

各平台提交规则

1. CNVD:有归属的一般都收,没有实质性危害的不收
2. 补天:百度权重或者移动权重大于等于才可以收录(满足两者一点就行)
3. 漏洞盒子:门槛比较低,一般有明确归属感就收,不看权重

漏洞类型

  • 暴力破解(弱口令)
  • SQL注入
  • 命令执行
  • XSS(跨站脚本)
  • CSRF(跨站伪造请求)
  • 文件上传漏洞
  • 文件包含漏洞
  • 逻辑漏洞
  • 信息泄露
  • 各cms的公开漏洞
  • OA系统漏洞

弱口令(略)

逻辑漏洞

  • 验证码爆破
  • 支付漏洞

    逻辑漏洞是由于代码逻辑不严格导致的(大厂也会存在许多)
    waf逐渐完善例如SQL注入,RCE等漏洞很难利用,而逻辑漏洞就不会

信息泄露

  • 源码泄露:git泄露,svn泄露

思路总结

  • 利用搜索引擎逐个测试(最基础的方法):使用FaFa或者Shodan等;在搜索引擎搜索 例如:title = "公司"等等
  • 关注一些漏洞库
    例如:白阁文库 —— https://wiki.bylibraty.cn 佩奇文库 —— http://www.peiqi.tech
  • 多复现,多关注
    多去复现一些CMS设备的历史漏洞
    关注最新的漏洞消息及时去了解
    现在很多新爆出的漏洞都会有文章去复现,可以去搜索引擎搜索设备去
    在挖掘的时候细心一点,多做信息搜集,没准可以在一个站点挖出多个漏洞

注意事项

  • 在做漏洞挖掘的时候,不要直接用大型扫描工具去扫
  • 如果遇到文件上传的地方不要直接传马
  • 如果你挖到涉及到敏感信息的漏洞,例如SQL注入,适可而止
  • 不要跟别人去说具体漏洞地址和细节
  • 在利用一些扫描工具的时候注意线程不要开太高

以上是我的 听课学习 和 笔记整理。欢迎各位借鉴学习并指出其中的不足。文章来源地址https://www.toymoban.com/news/detail-446313.html

到了这里,关于关于漏洞挖掘的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包赞助服务器费用

相关文章

  • Apriori关联规则挖掘算法函数

    Apriori关联规则挖掘算法函数

    假设有以下《超市商品购买.txt》数据集,每行代表一个顾客在超市的购买记录: I1: 西红柿、排骨、鸡蛋、毛巾、水果刀 I2: 西红柿、茄子、水果刀、香蕉 I3: 鸡蛋、袜子、毛巾、肥皂、水果刀 I4: 西红柿、排骨、茄子、毛巾、水果刀 I5: 西红柿、排骨、酸奶 I6: 鸡蛋、茄子、酸

    2024年02月09日
    浏览(57)
  • 关联规则挖掘算法--Apriori算法

    关联规则挖掘算法--Apriori算法

    关联规则分析是数据挖掘中最活跃的研究方法之一,目的是在一个数据集中找到各项之间的关联关系,而这种关系并没有在数据中直接体现出来。Apriori算法 关联规则 学习的经典算法之一,是R.Agrawal和R.Srikartt于1944年提出的一种具有影响力的挖掘布尔关联规则挖掘频繁项集的

    2024年02月04日
    浏览(46)
  • 【海量数据挖掘/数据分析】 之 关联规则挖掘 Apriori 算法 (数据集、事务、频繁项集、关联规则、支持度、置信度)

    【海量数据挖掘/数据分析】 之 关联规则挖掘 Apriori 算法 (数据集、事务、频繁项集、关联规则、支持度、置信度)

    目录 【海量数据挖掘/数据分析】 之 关联规则挖掘 Apriori 算法 (数据集、事务、频繁项集、关联规则、支持度、置信度) 一、 关联规则挖掘简介 二、 数据集 与 事务 ( Transaction ) 概念 三、项 ( Item ) 概念 四、项集 ( Item Set ) 概念 五、频繁项集 六、数据集、事物、项、项集

    2024年02月05日
    浏览(49)
  • 【商业挖掘】关联规则——Apriori算法(最全~)

    【商业挖掘】关联规则——Apriori算法(最全~)

    一、关联规则挖掘 二、Apriori-关联规则算法 三、Apriori算法分解—Python大白话式实现 步骤1: 外部库调用❀  步骤2: 数据导入❀ 步骤3: 数据处理❀   步骤4:输出所有Goodlist❀ 步骤5:项集重组❀ 步骤6:支持度扫描与输出 ❀ 步骤7:根据最小支持度阈值进行减枝叶❀ 步骤

    2024年01月25日
    浏览(47)
  • [SQL挖掘机] - 基本书写规则

    SQL 的基本书写规则主要包括以下几个方面: 的使用:SQL 使用一些来表示特定的操作或语义,如 SELECT、FROM、WHERE、INSERT、UPDATE、DELETE 等。这些通常需要使用大写字母书写,尽管 SQL 语言对大小写不敏感,但为了代码的可读性,通常将全部大写。 语

    2024年02月16日
    浏览(11)
  • 利用weka进行数据挖掘——基于Apriori算法的关联规则挖掘实例

    利用weka进行数据挖掘——基于Apriori算法的关联规则挖掘实例

    首先,如果不熟悉weka的使用的话,可以从我的git仓库里面拉取一下weka的相关教程,仓库里面还有包含此次实例的所有资源 我们可以在weka的官网上下载weka软件:weka官网 如果下载速度慢的话也可以直接从我的git仓库里面拉取这个软件,软件是win64位的weka-3-8-6 然后找到对应版

    2024年02月06日
    浏览(52)
  • 关联规则挖掘:Apriori算法的深度探讨

    关联规则挖掘:Apriori算法的深度探讨

    在本文中,我们深入探讨了Apriori算法的理论基础、核心概念及其在实际问题中的应用。文章不仅全面解析了算法的工作机制,还通过Python代码段展示了具体的实战应用。此外,我们还针对算法在大数据环境下的性能局限提出了优化方案和扩展方法,最终以独到的技术洞见进行

    2024年02月05日
    浏览(49)
  • 深入理解机器学习——关联规则挖掘:基础知识

    深入理解机器学习——关联规则挖掘:基础知识

    分类目录:《深入理解机器学习》总目录 许多商业企业在日复一日的运营中积聚了大量的数据。例如,食品商店的收银台每天都收集大量的顾客购物数据。下图给出一个这种数据的例子,通常称作购物篮事务(Market Basket Transaction)。表中每一行对应一个事务,包含一个唯一

    2024年02月10日
    浏览(14)
  • 数据挖掘-关联规则学习-Apriori算法原理

    比如你女朋友,低头玩手指+沉默,那大概率生气了,那这就是你总结出来的规则。啤酒与尿布的例子相信很多人都听说过吧,故事是这样的:在一家超市中,人们发现了一个特别有趣的现象,尿布与啤酒这两种风马牛不相及的商品居然摆在一起,但这一奇怪的举措居然使尿布

    2024年02月11日
    浏览(53)
  • 购买行为中的关联规则挖掘(python分析)

    购买行为中的关联规则挖掘(python分析)

    依据交易数据集 basket_data.csv 挖掘数据中购买行为中的关联规则 本实验旨在通过关联规则分析挖掘购物篮中的购买行为。通过分析购物篮中不同商品之间的关联关系,可以揭示商品之间的搭配规律,为商家提供定制化的推荐策略,优化产品摆放和促销活动,以提高销售额和顾

    2024年02月02日
    浏览(11)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包