24. 利用搜索引擎

本文介绍了如何恰当地使用搜索引擎(Google/Bing/Yahoo/Baidu等)获取目标站点的较多信息。

24.1. 搜索引擎处理流程

  • 数据预处理
    • 长度截断
    • 大小写转化
    • 去标点符号
    • 简繁转换
    • 数字归一化,中文数字、阿拉伯数字、罗马字
    • 同义词改写
    • 拼音改写
  • 处理
    • 分词
    • 关键词抽取
    • 非法信息过滤

24.2. 搜索技巧

  • site:www.hao123.com
    • 返回此目标站点被搜索引擎抓取收录的所有内容
  • site:www.hao123.com keyword
    • 返回此目标站点被搜索引擎抓取收录的包含此关键词的所有页面
    • 此处可以将关键词设定为网站后台,管理后台,密码修改,密码找回等
  • site:www.hao123.com inurl:admin.php
    • 返回目标站点的地址中包含admin.php的所有页面,可以使用admin.php/manage.php或者其他关键词来寻找关键功能页面
  • link:www.hao123.com
    • 返回所有包含目标站点链接的页面,其中包括其开发人员的个人博客,开发日志,或者开放这个站点的第三方公司,合作伙伴等
  • related:www.hao123.com
    • 返回所有与目标站点”相似”的页面,可能会包含一些通用程序的信息等
  • intitle:"500 Internal Server Error" "server at"
    • 搜索出错的页面
  • inurl:"nph-proxy.cgi" "Start browsing"
    • 查找代理服务器

除了以上的关键字,还有allintile / allinurl / allintext / inanchor / intext / filetype / info / numberange / cache等。

24.2.1. 通配符

  • * 代表某一个单词
  • OR 或者 | 代表逻辑或
  • 单词前跟 + 表强制查询
  • 单词前跟 - 表排除对应关键字
  • " 强调关键字

24.2.2. tips

  • 查询不区分大小写
  • 括号会被忽略
  • 默认用 and 逻辑进行搜索

24.3. 快照

搜索引擎的快照中也常包含一些关键信息,如程序报错信息可以会泄漏网站具体路径,或者一些快照中会保存一些测试用的测试信息,比如说某个网站在开发了后台功能模块的时候,还没给所有页面增加权限鉴别,此时被搜索引擎抓取了快照,即使后来网站增加了权限鉴别,但搜索引擎的快照中仍会保留这些信息。

另外也有专门的站点快照提供快照功能,如 Wayback Machine 和 Archive.org 等。

24.4. GitHub

在GitHub中,可能会存在源码泄露、AccessKey泄露、密码、服务器配置泄露等情况,常见的搜索技巧有:

  • @example.com password/pass/pwd/secret/credentials/token
  • @example.com username/user/key/login/ftp/
  • @example.com config/ftp/smtp/pop
  • @example.com security_credentials/connetionstring
  • @example.com JDBC/ssh2_auth_password/send_keys
下一节:包括常见的企业信息收集、人员信息收集等