Ethical Hacking Academy · Lekcja

Rozpoznanie na dużą skalę

Automatyzacja wykrywania

Rozpoznanie na dużą skalę to bezpłatna lekcja Ethical Hacking Academy na CoddyKit. To lekcja 2 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Ethical Hacking Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Ethical Hacking Academy zawiera 4 lekcji w sumie.

Dlaczego rozpoznanie przynosi nagrody

W bug bounty rozpoznanie często decyduje o tym, kto pierwszy znajdzie podatność. Im większą powierzchnię ataku uda się odkryć, tym większa szansa na znalezienie czegoś, co przeoczyli inni.

Zapomniane subdomeny uruchamiają stare, podatne wersje kodu
Ukryte API i środowiska deweloperskie ujawniają dane
Najszersze rozpoznanie zazwyczaj pozwala znaleźć najnowsze podatności

Rozpoznanie na dużą skalę oznacza automatyzację wykrywania w dużych zakresach.

Pasywna enumeracja subdomen

Pasywna enumeracja polega na zbieraniu subdomen z publicznych źródeł danych bez bezpośredniego kontaktowania się z celem: z logów certificate transparency, indeksów wyszukiwarek i kanałów threat intelligence.

Narzędzia agregują jednocześnie dziesiątki takich źródeł.

# 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

Aktywna enumeracja subdomen

Aktywna enumeracja polega na zgadywaniu nazw w DNS z użyciem list słów, dzięki czemu można znaleźć hosty nieobecne w żadnym publicznym źródle.

Najlepsze wyniki zapewnia połączenie szybkiego resolvera z dobrą listą słów.

# 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

Rozwiązywanie nazw i filtrowanie aktywnych hostów

Surowa lista subdomen zawiera dużo szumu. Należy rozwiązać każdą nazwę, aby potwierdzić, że wskazuje ona na jakiś zasób, a następnie sprawdzić, które hosty odpowiadają przez HTTP/HTTPS.

Usuwa to nieaktywne wpisy i dostarcza listę działających serwerów webowych wartych przetestowania.

# 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]

Skanowanie portów na dużą skalę

Porty webowe nie wyczerpują tematu. Masowe skanowanie portów wykrywa usługi działające na niestandardowych portach na tysiącach hostów.

Do wykrywania należy użyć szybkiego skanera, a następnie szczegółowego skanera do identyfikacji usług.

# 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

Wykrywanie treści

Na każdym aktywnym hoście ukryte ścieżki ujawniają panele administracyjne, kopie zapasowe i API. Wykrywanie treści polega na fuzzowaniu ścieżek z użyciem listy słów.

Aby ograniczyć szum, należy filtrować wyniki według kodu statusu i rozmiaru odpowiedzi.

# 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

Analiza plików JavaScript

Współczesne aplikacje umieszczają logikę w JavaScript. Pliki te ujawniają endpointy API, nazwy parametrów, sekrety, a nawet klucze zapisane na stałe.

Zebrać wszystkie pliki JS z hosta
Wyodrębnić URL-e, endpointy i tokeny

# 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

Historyczne adresy URL i archiwa

Stare adresy URL, które nie są już widoczne w działającej witrynie, mogą nadal być dostępne i podatne na ataki. Archiwa takie jak Wayback Machine je przechowują.

Często ujawniają one wycofane endpointy o słabszych zabezpieczeniach.

# 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

Budowanie zautomatyzowanego potoku

Rozpoznanie na dużą skalę polega na połączeniu tych narzędzi tak, aby wyniki jednego zasilały kolejne. Potok wykonuje cały proces od początku do końca za pomocą jednego polecenia.

Frameworki pozwalają planować ponowne uruchamianie rozpoznania i wysyłać alerty, gdy pojawią się nowe zasoby.

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

# Continuous recon frameworks: reconftw, axiom

Skanowanie podatności za pomocą szablonów

Gdy mają Państwo listę aktywnych hostów, skanery oparte na szablonach sprawdzają każdy z nich pod kątem znanych problemów: ujawnionych paneli, domyślnych danych uwierzytelniających, znanych CVE i błędnych konfiguracji.

Dzięki temu szybko można znaleźć łatwo dostępne cele i skupić ręczną pracę na innych obszarach.

# 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

Odpowiedzialne rozpoznanie

Automatyzacja może mocno obciążyć cel. Należy przestrzegać zasad programu:

Przestrzegać limitów szybkości i ograniczać agresywne skanery
Rozwiązywać nazwy i skanować wyłącznie zasoby objęte zakresem; symbole wieloznaczne mogą wskazywać na zasoby stron trzecich
Unikać inwazyjnych payloadów podczas samego wykrywania

Przed rozpoczęciem testów należy potwierdzić, że wykryty host rzeczywiście mieści się w zakresie.

Szybkie sprawdzenie

Która technika wykrywa subdomeny BEZ wysyłania ruchu bezpośrednio do infrastruktury celu?

Podsumowanie: rozpoznanie na dużą skalę

Nauczyli się Państwo skutecznie mapować duże powierzchnie ataku.

Pasywna enumeracja korzysta z publicznych źródeł; aktywna wykonuje brute-force DNS
Rozwiązywać nazwy i sondować hosty, aby pozostawić tylko aktywne
Analizować JavaScript i zarchiwizowane adresy URL w poszukiwaniu ukrytych endpointów
Łączyć narzędzia w zautomatyzowany potok zasilający skaner szablonowy
Zawsze ograniczać szybkość i weryfikować zakres przed skanowaniem

Dalej: przekształcanie tej powierzchni w rzeczywiste błędy, IDOR, XSS i SSRF.

Często zadawane pytania

Czy lekcja „Rozpoznanie na dużą skalę” jest bezpłatna?

Tak — pełny tekst „Rozpoznanie na dużą skalę” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Ethical Hacking Academy, przejdź na CoddyKit PRO. Kurs Ethical Hacking Academy zawiera 4 lekcji w sumie.

Co nauczysz się w „Rozpoznanie na dużą skalę”?

Automatyzacja wykrywania Ćwiczysz Ethical Hacking Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.

Czy potrzebuję doświadczenia, aby zacząć Ethical Hacking Academy?

Nie wymagamy żadnego doświadczenia. Ethical Hacking Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 2 z 4.

Ile czasu zajmuje lekcja „Rozpoznanie na dużą skalę”?

Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.

Czy mogę pisać i uruchamiać kod w tej lekcji Ethical Hacking Academy?

Tak. Każda lekcja Ethical Hacking Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.

Wszystkie lekcje w tym kursie

← Powrót do Ethical Hacking Academy