Ethical Hacking Academy · Lektion

Reconnaissance i stor skala

Automatisér opdagelse

Lektion 2 af 413 trin

Reconnaissance i stor skala er en gratis Ethical Hacking Academy-lektion på CoddyKit. Dette er lektion 2 af 4. Du kan læse hele lektionen gratis nedenfor — og derefter øve dig praktisk i browseren med en indbygget kodeeditor og en AI-vejleder, der er tilgængelig døgnet rundt. Den er en del af læringsforløbet i Ethical Hacking Academy, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. Ethical Hacking Academy-kurset indeholder 4 lektioner i alt.

Derfor giver rekognoscering dusører

Ved bug bounty-jagt afgør rekognoscering ofte, hvem der finder sårbarheden først. Jo mere af angrebsfladen du opdager, desto større er sandsynligheden for, at du finder noget, andre har overset.

Glemte underdomæner kører gammel, sårbar kode
Skjulte API'er og udviklingsmiljøer lækker data
Den bredeste rekognoscering finder som regel de nyeste sårbarheder

Rekognoscering i stor skala betyder, at opdagelsen automatiseres på tværs af store omfang.

Optælling af underdomæner: Passiv

Passiv optælling indsamler underdomæner fra offentlige datakilder uden at røre målet direkte: certifikattransparenslogge, søgeindekser og feeds med trusselsinformation.

Værktøjer samler dusinvis af disse kilder på én gang.

# Aggregate subdomains from many passive sources
subfinder -d example.com -all -o subs_passive.txt

# Amass in passive mode
amass enum -passive -d example.com

Optælling af underdomæner: Aktiv

Aktiv optælling afprøver navne mod DNS ved hjælp af ordlister og finder værter, der ikke findes i nogen offentlig kilde.

Kombinér en hurtig resolver med en god ordliste for at opnå de bedste resultater.

# Brute-force subdomains with massdns-style resolution
puredns bruteforce wordlist.txt example.com -r resolvers.txt

# Permutation-based discovery from known subdomains
dnsgen subs.txt | puredns resolve -r resolvers.txt

Opløsning og filtrering af aktive værter

En rå liste over underdomæner indeholder meget støj. Opløs hvert navn for at bekræfte, at det peger et sted hen, og undersøg derefter, hvilke der svarer via HTTP/HTTPS.

Det fjerner døde poster og giver dig en liste over aktive webservere, der er værd at teste.

# Probe which hosts serve HTTP/HTTPS and capture status/title
cat subs.txt | httpx -sc -title -tech-detect -o live.txt

# Example line
# https://api.example.com [200] [API Gateway] [nginx]

Scanning af porte i stor skala

Webporte fortæller ikke hele historien. Massescanning af porte finder tjenester på ikke-standardiserede porte på tværs af tusindvis af værter.

Brug en hurtig scanner til opdagelse og derefter en detaljeret scanner til identificering af tjenester.

# Fast internet-scale port discovery
naabu -list resolved_ips.txt -top-ports 1000 -o ports.txt

# Detailed service/version detection on found ports
nmap -sV -iL ports.txt -oA nmap_detail

Opdagelse af indhold

På hver aktiv vært afslører skjulte stier administrationspaneler, sikkerhedskopier og API'er. Indholdsopdagelse fuzz-tester stier mod en ordliste.

Filtrér efter statuskode og svarstørrelse for at reducere støjen.

# Directory and file fuzzing
ffuf -u https://app.example.com/FUZZ \
  -w wordlist.txt -mc 200,301,403 -o ffuf.json

# Alternative
feroxbuster -u https://app.example.com -w wordlist.txt

Udgravning af JavaScript-filer

Moderne apps placerer logikken i JavaScript. Disse filer lækker API-slutpunkter, parameternavne, hemmeligheder og endda hårdkodede nøgler.

Indsaml alle JS-filer fra en vært
Udtræk URL'er, slutpunkter og tokens

# Pull endpoints from a JS file
curl -s https://app.example.com/main.js | grep -Eo 'https?://[^"]+'

# Dedicated link/endpoint extractor
cat js_urls.txt | gau | grep '\.js$' | sort -u

Historiske URL'er og arkiver

Gamle URL'er, som ikke længere vises på det aktive websted, kan stadig være tilgængelige og sårbare. Arkiver som Wayback Machine husker dem.

De afslører ofte forældede slutpunkter med svagere sikkerhed.

# Pull historical URLs from multiple archives
gau example.com > urls.txt
waybackurls example.com >> urls.txt

# Keep ones with interesting parameters
sort -u urls.txt | grep '?' | tee params.txt

Opbygning af en automatiseret pipeline

Rekognoscering i stor skala betyder, at du kæder disse værktøjer sammen, så outputtet fra ét værktøj bliver input til det næste. En pipeline kører fra start til slut med én enkelt kommando.

Frameworks lader dig planlægge, at rekognosceringen køres igen, og giver dig besked, når der dukker nye aktiver op.

# A minimal chained pipeline
subfinder -d example.com -silent \
  | httpx -silent \
  | nuclei -t cves/ -o findings.txt

# Continuous recon frameworks: reconftw, axiom

Skanning efter sårbarheder med skabeloner

Når du har en liste over aktive værter, kontrollerer skannere baseret på skabeloner hver vært for kendte problemer: eksponerede kontrolpaneler, standardoplysninger, kendte CVE'er og fejlkonfigurationer.

Det finder hurtigt de letteste mål, så du kan fokusere den manuelle indsats andre steder.

# Run community templates against live hosts
nuclei -list live.txt -t exposures/ -t misconfiguration/ -o nuclei.txt

# Tune severity to reduce noise
nuclei -list live.txt -severity high,critical

Udfør rekognoscering ansvarligt

Automatisering kan overbelaste et mål. Hold dig inden for programmets regler:

Respektér hastighedsgrænser, og begræns aggressive skanneres hastighed
Opløs og skan kun aktiver, der er omfattet af scope; jokertegn kan opløses til tredjeparter
Undgå indgribende nyttedata under ren kortlægning

Bekræft, at en fundet vært reelt er omfattet af scope, før du tester den.

Hurtigt tjek

Hvilken teknik finder subdomæner UDEN at sende trafik direkte til målets infrastruktur?

Besvar den i den interaktive lektion

Opsummering: Rekognoscering i stor skala

Du har lært at kortlægge store angrebsflader effektivt.

Passiv kortlægning bruger offentlige kilder; aktiv kortlægning gennemprøver DNS med brute force
Opløs og undersøg værter for kun at beholde aktive værter
Udvind skjulte slutpunkter fra JavaScript og arkiverede URL'er
Kæd værktøjer sammen i en automatiseret pipeline, der leverer input til en skanner baseret på skabeloner
Begræns altid hastigheden, og bekræft scope, før du skanner

Næste trin: at omdanne denne angrebsflade til faktiske fejl, IDOR, XSS og SSRF.

Gratis at komme i gang

Lær Ethical Hacking Academy med en AI-underviser — gratis

Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.

Kurser: 31
Lektioner: 111

Start gratis Se hele kurset

Ofte stillede spørgsmål

Er lektionen “Reconnaissance i stor skala” gratis?

Ja — hele teksten til “Reconnaissance i stor skala” kan læses gratis her på nettet. Hvis du vil øve dig interaktivt med en indbygget kodeeditor og en AI-vejleder døgnet rundt og få adgang til resten af Ethical Hacking Academy-kurset, skal du opgradere til CoddyKit PRO. Ethical Hacking Academy-kurset indeholder 4 lektioner i alt.

Hvad lærer jeg i “Reconnaissance i stor skala”?

Automatisér opdagelse Du øver dig i Ethical Hacking Academy med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.

Skal jeg have erfaring for at begynde på Ethical Hacking Academy?

Der kræves ingen tidligere erfaring. Ethical Hacking Academy på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 2 af 4.

Hvor lang tid tager lektionen “Reconnaissance i stor skala”?

De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.

Kan jeg skrive og køre kode i denne Ethical Hacking Academy-lektion?

Ja. Alle Ethical Hacking Academy-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.

Alle lektioner i dette kursus

← Tilbage til Ethical Hacking Academy