Chunsou（春蒐），Python编写的多线程Web指纹识别工具，适用于安全测试人员前期的资产识别、风险收敛以及企业互联网资产摸查。目前主要功能为针对Web资产进行指纹识别，目前指纹规则条数约 10000+，辅助功能包括子域名爆破和FOFA资产收集。工具开发初衷为辅助网络安全人员开展测试工作，提高资产识别和管理的效率。项目地址：https://github.com/Funsiooo/chunsou
越来越多的网站开始使用 TLS 指纹反爬虫，而 Python 中竟然没有任何方法解决这个问题。前一阵看到由国外大神写了一个 curl-impersonate 命令行工具，可以完美模拟主流浏览器的指纹，遂用 cffi 封装成了 Python 库 curl_cffi，这样就可以继续愉快地写爬虫啦！
在之前的项目中，发现一些网站使用不同的客户端会得到不同的结果，比如使用浏览器访问正常没问题，但使用python写脚本或者curl请求就会被拦截，当时也尝试数据包1:1还原，但还是不能解决。
日常渗透过程中我们经常会遇到spring boot框架，通过资产测绘平台搜索我们也可以知道spring框架的资产非常多，最常见的需求就是我想测试是否存在敏感信息泄漏以及是否存在spring的相关漏洞，每次都东拼西凑找工具，最近遇到一个不错的工具，输入扫描目标可以直接对站点进行敏感信息扫描和spring相关漏洞检测，终于不用东拼西凑找工具了。
废话不多说，直入主题。关于代理IP的挖掘与分析，个人的一些分析与总结。 1. 思路 1、获取代理地址 2、对获取的代理地址进行验证，提取出真实可用的代理地址 3、代理指纹的提取与自动化挖掘代理 4、根
主要是用于对网站子域名、开放端口、端口指纹、c段地址、敏感目录、链接爬取等信息进行批量搜集。
本文通过分析web指纹的检测对象、检测方法、检测原理及常用工具，设计了一个简易的指纹搜集脚本来协助发现新指纹，并提取了多个开源指纹识别工具的规则库并进行了规则重组，开发了一个简单快捷的指纹识别小工具TideFinger，希望能为大家带来方便。
批量添加ARL指纹，支持：ARL V2.6.1版本，ARL V2.6.1版本更新指纹检测规则。
*本文作者：feiniao，本文属 FreeBuf 原创奖励计划，未经许可禁止转载。
graphw00f是一款针对GQL节点的GraphQL指纹识别工具，该工具可以混合发送良性和恶意查询请求，以帮助广大研究人员识别和确定目标应用程序背后的GraphQL引擎。
简介: Nemo是用来进行自动化信息收集的一个简单平台，通过集成常用的信息收集工具和技术，实现对内网及互联网资产信息的自动收集，提高隐患排查和渗透测试的工作效率，用Go语言完全重构了原Python版本
在网上看到python做图像识别的相关文章后，真心感觉python的功能实在太强大，因此将这些文章总结一下，建立一下自己的知识体系。 当然了，图像识别这个话题作为计算机科学的一个分支，不可能就在本文简单几句就说清，所以本文只作基本算法的科普向。如有错误，请多包涵和多多指教。 本文参考文章和图片来源 wbj0110的文章 http://soledede.iteye.com/blog/1940910 赖勇浩的文章 http://blog.csdn.net/gzlaiyonghao/article/detai
今天新智元向大家推荐一个名叫《Awesome Graph Classification》的GitHub项目。
在线指纹识别,在线cms识别小插件--在线工具 (bugscaner.com)(个人推荐)
CDK是结构化学信息学和生物信息学的开源Java库。 该项目由Christoph Steinbeck，Egon Willighagen与Jmol和JChemPaint的开发人员Dan Gezelter于2000年发起。迄今为止，它是在科学界广泛支持下开展的最活跃的开源化学信息学项目之一。
有些同学在写爬虫的时候，觉得只要自己每次请求都使用不同的代理 IP，每次请求的 Headers 都写得跟浏览器的一模一样，就不会被网站发现。
https://github.com/EnableSecurity/wafw00f
光学指纹当前随着成本的下降，各大厂商都在低中高端旗舰用上了光学指纹。有别于传统的电容指纹，光学指纹在解锁性能上目前都进行了优化，性能接近电容指纹。
我们在前面已经实现了Scrapy微博爬虫，虽然爬虫是异步加多线程的，但是我们只能在一台主机上运行，所以爬取效率还是有限的，分布式爬虫则是将多台主机组合起来，共同完成一个爬取任务，这将大大提高爬取的效率
•形如： www.xxx.com www.xxx.com/bbs www.xxx.com/old•渗透思路：网站可能有多个cms或框架组成，那么对于渗透而言，相当于渗透目标是多个（一个cms一个思路）
在线whois查询域名注册时留下的信息，如：管理员姓名、邮箱等。 在线whois地址：https://whois.chinaz.com/
好吧，伙计们，我回来了。说我拖更不写文章的可以过来用你的小拳拳狠命地捶我胸口....
2018 年 9 月，苹果最终以 4 亿美金完成对 Shazam 公司的收购，让不少人为之振奋，在当时对外公布的一份声明中可以看到，自Shazam应用登陆App Store以来，是其最受欢迎的iOS应用之一。
前面讲解的爬虫案例都是单级页面数据抓取，但有些时候，只抓取一个单级页面是无法完成数据提取的。本节讲解如何使用爬虫抓取多级页面的数据。
这是一个相似匹配的问题（文本相似匹配基础→ 词频与余弦相似度）。但是，亿级数据库，用传统的相似度计算方法太慢了，我们需要一个文本查询方法，可以快速的把一段文本的相似文本查出来。
作为一个渗透人员，在每次渗透网站的时候都要拿出一堆黑客工具，比如nmap, awvs, 御剑等工具进行测试，由于实在厌烦了一些低级重复性的工作，趁着2020年新年创建了一个工具集合平台，将渗透测试常见的域名扫描，端口扫描，目录扫描，漏洞扫描的工具集合在一起 目前平台还在持续开发中，肯定有不少问题和需要改进的地方，欢迎大佬们提交建议和Bug，也非常欢迎各位大佬Star或者是Fork
请勿利用文章内的相关技术从事非法测试，由于传播、利用此文所提供的信息而造成的任何直接或者间接的后果及损失，均由使用者本人负责，作者不为此承担任何责任。工具来自网络，安全性自测，如有侵权请联系删除。
网络上的爬虫日益猖獗，疯狂地采集网站上的内容，不仅没有带来一丝好处，反而导致内容的流失、增大服务器的压力。
介绍RDKit相关知识点和运用以及RDKit作为处理化学、生物、药学和材料学科中分子数据作为可输入机器学习和深度学习模型的重要工具应用。内容涵盖了基于RDKit的Python3的分子的读写、化合物的分子指纹和分子描述符计算、化合物的2D/2D比对、化合物相似性搜索、化合物骨架分析和亚结构搜索、RMSD计算与构象生成优化、分子相似图与聚类分析、化学反应处理、可视化与化学空间探索及RDkit相关的机器学习、深度学习应用过程详解
在Python当中的整形(int)、浮点型(float)、字符串型(string)、元组(Tuple) 是属于不可变数据类型。
0x01 Web 应用技术概览 1.1 架构 大多数 web 应用可以粗略划分为三个组件(component)。 1、客户端, 大多数情况下是浏览器。 2、服务端, Web 服务器接收客户端的HTTP请求并进行响应。另外，有时候 Web服务器只转发请求到应用服务器(Application Server),由应用服务器来处理请求。 3、后端存储, 后端存储一般是DBMS,用于查询和存储数据。 所有组件都有不同行为，这些不同行为将影响漏洞的存在性和可利用性。所有组件(无论是客户端还是服务端)都有可能产生漏洞或者
指纹识别技术是目前最成熟且价格便宜的生物特征识别技术。目前来说指纹识别的技术应用最为广泛，我们不仅在门禁、考勤系统中可以看到指纹识别技术的身影，市场上有了更多指纹识别的应用：如笔记本电脑、手机、汽车、银行支付都可应用指纹识别的技术。
作为一个渗透人员，在每次渗透网站的时候都要拿出一堆黑客工具，比如nmap, awvs, 御剑等工具进行测试，由于实在厌烦了一些低级重复性的工作，趁着2020年新年创建了一个工具集合平台，将渗透测试常见的域名扫描，端口扫描，目录扫描，漏洞扫描的工具集合在一起
因为ARL在配置文件里设置了黑名单，有时候项目为GOV或者EDU之类的时候无法进行扫描，所以在这里修改一下配置文件就可以解除限制。
在渗透测试领域有琳琅满目的工具、神器，它们可以大大简化渗透测试的工作量。但很多时候仅仅使用别人的工具是不够的，我们需要自己去编写一些脚本、插件来完成定制的内容，而这样的工作会很大程度提升渗透测试的效率。笔者认为没有最好的工具，如果有则一定是自己根据自己需要开发的工具。
一款基于Python语言的视频去重复程序，它可以根据视频的特征参数，将重复的视频剔除，以减少视频的存储空间。它的基本原理是：首先利用Python语言对视频文件进行解析，提取视频的特征参数，如帧率、码率等；然后根据特征参数，生成视频的哈希值；最后，将每个视频的哈希值进行对比，如果哈希值相同，则表示视频内容相同，可以将其中一个视频剔除，以节省存储空间。
scrapy-Redis就是结合了分布式数据库redis，重写了scrapy一些比较关键的代码，将scrapy变成一个可以在多个主机上同时运行的分布式爬虫。
本项目命名为Sec-Tools，是一款基于 Python-Django 的多功能 Web 应用渗透测试系统，包含漏洞检测、目录识别、端口扫描、指纹识别、域名探测、旁站探测、信息泄露检测等功能。
2022年9月17日，华南理工大学王领老师团队[1]在Briefings in Bioinformatics上发表文章。作者提出了FP-GNN，一种基于分子指纹（fingerprint，FP）和图神经网络（graph neural networks，GNN）的分子性质预测模型，结合了分子指纹表示和基于图神经网络的分子图表示。
项目从12月底至今，期间因各种原因断断续续的开发，前前后后已经发布了5个版本，从最初只有框架的 V1.0 版本，到如今功能日趋完善的 V2.3 版本项目正在不断完善中，现已集成端口扫描、指纹识别、旁站探测、信息泄露扫描、安全导航等多个功能，后续将加入漏洞检测、目录识别、域名探测等功能，一起期待吧！页面我们尽可能做到简单、清新，便于用户使用。现 UI 已经适配PC端、Phone端、Pad端，使用户得到舒适的使用体验。我们致力于打造一款安全高效、操作简单、界面清爽、兼容适配的安全工具。本项目的灵感来自于国光师傅的文章Django 编写 Web 漏洞扫描器挖坑记录。就像国光师傅说的那样我们无论是开发还是安全都有很长的路要走，路漫漫其修远兮，吾将上下而求索！
一款适用于以HVV行动/红队/渗透测试团队为场景的移动端(Android、iOS、WEB、H5、静态网站)信息收集扫描工具，可以帮助渗透测试工程师、红队成员快速收集到移动端或者静态WEB站点中关键的资产信息并提供基本的信息输出,如：Title、Domain、CDN、指纹信息、状态信息等。
接下来，我们会利用Scrapy-Redis来实现分布式的对接。 一、准备工作 请确保已经成功实现了Scrapy新浪微博爬虫，Scrapy-Redis库已经正确安装。 二、搭建Redis服务器 要实现分布式部署，多台主机需要共享爬取队列和去重集合，而这两部分内容都是存于Redis数据库中的，我们需要搭建一个可公网访问的Redis服务器。 推荐使用Linux服务器，可以购买阿里云、腾讯云、Azure等提供的云主机，一般都会配有公网IP，具体的搭建方式可以参考第1章中Redis数据库的安装方式。 Redi
遇到一个需要采集境外电商的需求，相比国内各种层出不穷的反爬手段，境外产品更注重于用户行为和指纹上。
检查两个图片的相似度，一个简单而快速的算法：感知哈希算法(Perceptual Hash)，通过某种提取特征的方式为每个图片计算一个指纹（哈希），这样对比两个图片相似与否就变成了对比两个指纹异同的问题。
冰封三尺非一日之寒，本篇先交付恶意软件前置知识的文件类型与指纹识别，来帮助大家打基础。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
