最近又重新收集了一波 src 的信息，整理了上百万的网站资产，主要步骤：

    可能大家都知道互联网上存在的漏洞中，nday 漏洞占比很可观，那么针对上百万的网站如何更快，更有效的从中挖掘 nday 漏洞呢？

    有的人可能会说，poc 工具一把梭就可以了，比如 nuclei、xray、goby 等一键扫描，这种是最直接，最方便的打法，但是如果针对的是单个网站，或者几个网站，一把梭下来也要不了多久，但是针对上百万的资产，这么操作下来估计得个一年半载。

    又有人说了，时间长，你不会采用分布式的打法吗？一台扫描器需要一年，你用十二台不就之需要一个月了吗？这种方式对于实现目标而言当然是可以的，但是对于服务器的操作和管理成本比较，服务器的租用成本与上一种一样，但是我很穷，有没有时间更短，服务器成本更低的方法？

    poc 越多，对于单个网站的测试时间越长，比如 xray 高级版自带近 800 个 POC，nuclei 有三千个，上百万的网站，这么测试下来，以 xray 为例，需要 800 个一百万，以每秒 100 次的请求计算，大概需要三个月，如果测试的速度再慢点，时间会更长。

    在这个测试中，其实有大量的测试是无效的，因为 poc 测试之有针对对应的系统才有效果，如果系统类型不对，则测试的过程无效，那么我们可以基于要测试的系统进行指纹识别，然后针对要测试的 POC 进行分类，这样精细化的测试，可以大大节约测试的时间，效果上面也不会太差。

    1、 基于 POC 定制指纹库

    我的第一个操作是，基于 poc 所对应的系统进行整理，并提取相关指纹，然后获取这百万网站的 header、首页内容作为基础数据，然后进行指纹识别，找出那些 poc 所针对的系统目标。

    对于以上操作，需要解决两个难点：

    1、指纹提取

    我的做法是，首先去 fofa（指纹识别能力还不错） 上搜索，找到一个在线案例，然后通过观察其 header 信息、body 内容、标题等关键点，提取与该系统相关的信息作为其识别的特征，比如：

    以标题为特征：

    以 header 为特征：

    以 body 内容关键词为特征：

    基于以上三个部分的特征可以识别大部分的系统，这种系统主要为商业、开源的系统，客户不做二次开发，直接拿来用的，除了这些系统，还有大量框架、组建、服务器之类的，无法很好的进行指纹识别，这类 poc，我会将其作为通用 poc，针对全部系统进行测试，以免因为指纹识别结果漏报而无法全面发现漏洞。

    2、指纹规则与 poc 命名联动

    编写指纹规则时，我们想要让规则识别出的系统与其对应的 POC 联动，那么就需要在命名上与 poc 的命名保持一致，比如 xray 中关于 wordpree 的 poc 命名如下：

    那么我们就需要编写一个可以产品名为 wordpress 的指纹规则，如图：

    那么在指纹识别结束后，就能知道那些系统是使用 wordpress 系统搭建，这个时候就可以使用其对应的 poc 列表进行测试。

    2、基于指纹识别结果进行 POC 测试

    经过第一步的操作，基于 xray 提供的 poc 列表，定制了一份包含 247 个系统的指纹库，对于那些针对开发框架、服务器、通用组件测试的 POC 提取出来，大概 99 个，这些 poc 将作为后续，针对每一个系统测试的 poc 列表。

    其余 POC 将基于指纹识别的结果进行针对性的测试，共计 713 个，经过以下两个步骤，针对百万网站做了指纹识别：

    1、获取百万网站的首页内容（响应码、header、body内容）

    2、基于指纹库识别通用系统类型（7 万左右目标，识别出的系统类型 166 个）

    从实战结果来看，整体测试下来相比全部测试，时间上至少提高 8 倍，原本需要三个月测试完成的目标，使用这种方式仅需要十来天即可完成。

    有了这些基础数据，漏洞测试就是一条命令的事儿，相信用过 xray 的都知道怎么用，这里就不多说了。