搜索引擎处理流程编辑
- 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、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
搜索技巧编辑
- 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。
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
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
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。
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
没有回复内容