盘点 2023 公开的攻击面发现平台

针对可以直接购买并且明码标价的攻击面发现平台进行了对比,结果如下

测试用例:

企业(某制造有限公司)、高校(某职业学院)

测试对象:

零零信安攻击面管理平台 长亭云图极速版攻击面管理平台 其他平台(一客一价怕无法直接购买、价格太高买不起)

测试结论:

测试项目零零信安长亭云图
使用感受FOFA + 企查查 + 爬虫FOFA + 企查查 + xray
实时扫描
持续监控
非 IT 资产暴露面检查
关联企业发现
扫描速度历史数据10 - 40 分钟
漏洞检测
非漏洞风险检测(弱口令)
使用限制需要扫描授权
价格2138.4 元/年(月更)
8236.8 元/年(周更)
5 元/月(基础扫描)
2000 元/月( 深度扫描)

槽点:

  • 云图极速版:需要扫描授权,否则无法使用。
  • 零零信安:第三方引用、历史无效数据等无效资产过多,数据有效性低。

详细内容及数据:

使用方式对比:

  • 云图极速版攻击面管理平台 直接录入目标企业的主体名称即可开始自动化的攻击面发现。无需进行资产采集即可使用
  • 零零信安攻击面管理平台 输入任何目标相关的资产,即可关联剩余目标相关的信息。交互体验像是 FOFA + 企查查。

企业目标对比:

  • 云图极速版攻击面管理平台 |资产信息|优势信息| | ----- | ----- | |1 个备案域名,7 个子域名,39 个 IP 地址,2532 个网站,808 个站点|安全风险信息,包括验证方式,详细资产分类| 等待任务执行结束后,即可在首页看到对应目标的资产及风险信息。界面排版和操作逻辑比较合理,所有资产的分类及数据都分别进行了统计和展示。大部分操作在首页即可完成。 云图极速版相对于零零信安的特点在于可以进行漏洞探测、弱口令检测等风险检查。告警信息中会详细的展示判断漏洞存在发送的请求和响应,可以一目了然的判断是否未误报,也可以快速的进行进一步的漏洞复现。
  • 零零信安攻击面管理平台 |资产信息|优势内容| | ----- | ----- | |1 个备案域名|股权关系| 对目标企业进行搜索,无需等待即可看到数据。并且清楚的列出了检索到信息的分类和具体内容。通过分类的维度可以看到零零信安的平台更侧重于股权关系、人员信息等非 IT 资产的攻击面发现。 通过对关联资产进行检索,发现了一个招聘网站。简单分析了一下,应该是招聘网站中有目标企业名称所以被认定为了关联资产。

高校目标对比:

  • 云图极速版攻击面管理平台 |资产信息|优势信息| | ----- | ----- | |1 个备案域名,7 个子域名,39 个 IP 地址,2532 个网站,808 个站点|安全风险信息,包括验证方式,详细资产分类| 风险详情中清晰的展示了风险判定及验证方式,不需要再通过猜 POC 去复测了 使用过程中发现云图极速版是持续监控的运行模式,数据量以及风险信息一直在增加
  • 零零信安攻击面管理平台 |资产信息|优势信息| | ----- | ----- | |1727 个资产,2 个备案域名|人员信息、分档信息、邮箱信息、移动应用| 本次录入的目标关联到的数据比较多,包括了 1727 个信息系统、 171 个域名、 10 个邮箱、 747 个代码及文档泄露、1 个人员 详细的看了下信息系统数据,发现数据的准确性有待优化。简单提出几个槽点:
  1. 备案信息中存在腾讯云的备案号
  2. 首页展示的资产基本都无法访问 除了互联网资产暴露面之外,该平台还可以发现数据泄露相关的信息。简单体验后发现该功能类似一个爬虫,根据用户输入的关键字在互联网上各大平台进行搜索,并将检索到的数据列出来。检索到的数据大部分都是第三方引用,无法精准的发现信息泄露的风险。
MATLAB主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性内容概要:本文主要介绍了一种在MATLAB环境下实现的主动噪声和振动控制算法,该算法针对较大的次级路径变化具有较强的鲁棒性。文中详细阐述了算法的设计原理与实现方法,重点解决了传统控制系统中因次级路径动态变化导致性能下降的问题。通过引入自适应机制和鲁棒控制策略,提升了系统在复杂环境下的稳定性和控制精度,适用于需要高精度噪声与振动抑制的实际工程场景。此外,文档还列举了多个MATLAB仿真实例及相关科研技术服务内容,涵盖信号处理、智能优化、机器学习等多个交叉领域。; 适合人群:具备一定MATLAB编程基础和控制系统理论知识的科研人员及工程技术人员,尤其适合从事噪声与振动控制、信号处理、自动化等相关领域的研究生和工程师。; 使用场景及目标:①应用于汽车、航空航天、精密仪器等对噪声和振动敏感的工业领域;②用于提升现有主动控制系统对参数变化的适应能力;③为相关科研项目提供算法验证与仿真平台支持; 阅读建议:建议读者结合提供的MATLAB代码进行仿真实验,深入理解算法在不同次级路径条件下的响应特性,并可通过调整控制参数进一步探究其鲁棒性边界。同时可参考文档中列出的相关技术案例拓展应用场景。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值