网络安全——网站子域名扫描

最新推荐文章于 2025-03-11 21:58:14 发布
最新推荐文章于 2025-03-11 21:58:14 发布
阅读量2k 收藏 11
点赞数 1
分类专栏： 笔记 文章标签： 安全 运维 linux python pip
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_43289307/article/details/106751177
版权
子域名扫描在网络安全中至关重要，因为子网站可能成为攻击者的主要目标。OneForAll是最强的子域名扫描工具，能提供详细的网站信息。在Kali Linux上，需先安装Python 3.8及更新的pip，然后通过git克隆、安装依赖并运行Python脚本来使用OneForAll进行扫描。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

子域名：一个另外的网页，有独立不同的内容，但不是一个新的域名

子域名扫描的意义： 网站，一般会有N个子网站，对于公司来说，主网站得安全性都会比较高，不容易受到攻击，但是受限于成本，子网站的安全性就没那么高了，子网站和主网站之间一般会有一定的关联，所以，渗透过程中大多先从子网站对应的 子域下手

最强域名扫描工具推荐：oneforall  （炒鸡好用）下面有安装教程

扫描完成后会把url信息：子域名，ip ,端口号，访问状态，网站title ，脚本语言，有无防火墙都罗列出来。

放张图，敏感信息都涂掉了。。。。

 

安装需求：1：OneForAll基于Python 3.8.0开发和测试，需要用py3.8以上的版本

2：安装最新的pip3，pip20就行

kali中安装oneforall教程：

  1. git clone https://gitee.com/shmilylty/OneForAll.git         #下载软件
  2. cd oneforall/                                 
最低0.47元/天 解锁文章
深度学习（一）3.安装Pytorch（GPU版）
2301_79712009的博客
10-30 7541
PyTorch是一个基于Python的科学计算库，主要用于机器学习和深度学习领域。对计算机而言，中央处理器CPU是主板上的芯片，图形处理器GPU是显卡上的芯片。每台计算机必有主板，但少数计算机可能没有显卡。显卡可以用来加速深度学习的运算速度（GPU比CPU快10-100倍）。
Windows11 安装pytorch gpu版本（包括cuda、transformers的安装）
Andy的博客
07-16 1304
cuda、pytorch、tansformers安装
cuda 11.6 安装pytorch
weixin_45454859的博客
06-22 1326
cuda11.6
GPU版PyTorch安装教程(Windows系统)
最新发布
qq_36128101的博客
03-11 1669
windows系统GPU版本PyTorch安装
在Windows环境下安装GPU版的PyTorch
brucexia的专栏
05-22 1890
Windows环境下安装GPU版的PyTorch，是PyTorch深度学习的第一个门槛。本文详解GPU版的PyTorch安装步骤。
保姆级下载安装GPU(CUDA)版本PyTorch
Luobinhai的博客
07-05 3万+
摘要用心了
Windows环境下GPU版本pytorch安装
03-28 4865
Windows环境下GPU版本pytorch安装
Pytorch安装（GPU版本）
Maple__Boy
03-02 1146
1、检查是否具有合适的GPU， 如有则安装Cuda,Cudnn (1)检查电脑是否有合适的GPU 在桌面上右击如果能找到NVIDA控制面板，则说明该电脑有GPU。控制面板如下，并通过查看系统信息获取支持的Cuda版本。 (2)下载Cuda 官网：https://developer.nvidia.com/cuda-10.1-download-archive-update2 在https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
Windows11安装GPU版本的pytorch环境
weixin_43402278的博客
06-24 4272
Windows11系统下安装GPU版本的pytorch环境，期间会涉及到显卡驱动的安装或者升级，安装cuda 、cudnn 、anaconda、pycharm、pytorch
Windows+PyTorch GPU版本安装
01-20
类型：GPU（CPU版本可以直接通过Anaconda Navigator勾选pytorch包下载使用） Python版本：3.7 cudatoolkit:10.1.243 cudnn:7.6.3 _pytorch_select1.1.0 numpy1.18.1 torchvision:0.4.1 配置方法：在Anaconda ...
从零开始安装pytorch（包含GPU和CPU版本的安装）
热门推荐
qiaoxinyu1989的博客
01-31 7万+
Pytorch是。
安装GPU版本Pytorch安装GPU版本Pytorch
10-28
在本文中，我们将详细讨论如何在计算机上安装GPU版本的PyTorch，这是一个深度学习框架，广泛用于构建和训练神经网络。PyTorch的GPU版本能够利用图形处理单元（GPU）的强大计算能力来加速深度学习模型的训练过程。 ...
Windows下安装GPU版Pytorch
半夏微凉的博客
04-09 920
Windows下安装Pytorch详细教程
Pytorch的GPU版本安装，在安装anaconda的前提下安装pytorch
IN year
01-05 6162
本文基于conda安装GPU版本的PyTorch。
GPU版本PyTorch
weixin_63967970的博客
01-01 540
下载完Anaconda之后，pip的版本过低，先用命令升级一下，要不然pip3用不了，也会出现很多问题，直接用pip去下载PyTorch会很慢，容易超时，直接用pip3下载，瞬间完事儿。用镜像下载也行，可以提高下载速度，一些博主也给了一些方法了，但是官网给的那个路径不是CPU版本的，所以得自己单独去挑选，也比较麻烦，如果官网直接就给的GPU版本就好办了。经过我两天两夜的不懈努力，看了无数的博客，结合自己电脑的情况，终于把它给下载成功了！直接用pip3下载即可，30秒左右就可以下载完了，可惜是CPU版本的。
Pytorch安装【GPU版】
什么都干的派森
06-16 1857
可以参考这篇文章 https://blog.csdn.net/weixin_43721000/article/details/125312822进入Pytorch官网，选择对应版本的下载方式 我这里使用的是 windows 下的 conda 安装，CUDA的版本是 11.3 复制上面的命令粘贴到Pychram命令行运行即可，即使配置了 Anaconda 国内镜像源，安装过程也可能会比较漫长，别着急睡一觉起来就好了编写测试代码......
GPU版PyTorch安装
cherryc_的博客
02-26 3745
显卡4060，CUDA11.3+Pytorch1.12.0配置
Win10安装CUDA10.0+cudnn
qq_43542987的博客
12-25 1841
文章目录一、下载CUDA二、安装CUDA三、CUDNN1.下载2.读入数据总结 一、下载CUDA 首先让我们找到CUDA的历史版本，确实难找。 先贴出目标网址，让我们一步到胃→CUDA。 为了防止自己忘记位置，也贴出从主页到目标的查找方法： 进入NVIDIA开发者官网，点击最上边那一栏中的下载。 然后在下方找到CUDA Toolkit模块并进入，然后点击立即下载。 在新打开的页面里，查找历史版本请如下图点击： 打开界面如下，大家按自己需要下载，我这里下载CUDA10.0版本，下载的本地运行exe。
pytorch的GPU版本下载
weixin_44519084的博客
12-22 1167
今天在安装torchtext时，程序自动卸载了我原本安装的PyTorch 2.0.0与CUDA 11.8（cu118）版本的PyTorch，并自动安装了新的CPU版本的PyTorch 2.1.2。这可能是由于版本不兼容导致的。Anyway，我仍然需要重新安装适合GPU的PyTorch版本。结合我以前安装过程中绕的一些弯路，决定记录下最我认为便捷的安装方法。
windows安装pytorch gpu版本
01-04
### 如何在 Windows 上安装 PyTorch GPU 版本 #### 使用 Conda 安装 PyTorch 和 CUDA 工具包 为了确保兼容性和简化依赖管理，推荐使用 Anaconda 或 Miniconda 来创建虚拟环境并安装所需的库。通过 `conda` 命令可以方便地获取预编译好的 PyTorch 及其相关组件。 ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch ``` 这条命令会自动下载适合当前系统的 PyTorch GPU 版本以及对应的 CUDA 工具包版本[^2]。 #### 配置系统环境变量 对于某些情况可能还需要手动设置一些环境变量以便让 Python 能够找到 NVIDIA 的工具链。具体来说就是把 CUDA 的 bin 文件夹加入到 PATH 中： - 添加如下路径至系统的环境变量（注意替换为实际安装位置）： ``` C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXX.X\bin ``` 这一步骤有助于解决潜在的找不到动态链接库的问题[^3]。 #### 测试安装是否成功 完成上述操作之后就可以编写简单的测试脚本来确认一切正常工作了。下面是一个用于检测是否有可用 GPU 设备的小例子： ```python import torch from transformers import BertModel, BertTokenizer if torch.cuda.is_available(): print("PyTorch GPU 环境搭建成功！") else: print("PyTorch GPU 环境搭建失败，请检查安装步骤。") device = 'cuda' if torch.cuda.is_available() else 'cpu' model_name_or_path = "bert-base-chinese" tokenizer = BertTokenizer.from_pretrained(model_name_or_path) model = BertModel.from_pretrained(model_name_or_path).to(device) text = "你好世界" encoded_input = tokenizer(text, return_tensors='pt').to(device) output = model(**encoded_input) print(output.last_hidden_state.shape) ``` 这段代码不仅验证了 PyTorch 是否能够访问 GPU ，同时也加载了一个基于 BERT 的模型实例来进一步检验整个流程是否顺畅[^1]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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