KO | EN

GitLite

Minimalist Open Source Repository Search Engine

gitlite — search

#developer-tools #typescript #dsh #dsh-plugin #ai-agent #codex #ai-agents #deepseek-harness #claude-code #cli #react #mcp

LeakDetector

★ 121 Open GitHub ↗

LeakDetector 是一款专为红队渗透测试人员和安全研究员设计的自动化信息泄露侦察工具。

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# LeakDetector (Bing Dork Automation Tool)

![License](https://img.shields.io/badge/license-MIT-blue.svg) ![Python](https://img.shields.io/badge/python-3.8%2B-blue) ![Platform](https://img.shields.io/badge/platform-Windows-lightgrey)

**LeakDetector** 是一款专为红队渗透测试人员和安全研究员设计的**自动化信息泄露侦察工具**。它基于 Bing 搜索引擎的高级语法（Dork），结合 Playwright 浏览器自动化技术，能够高效、精准地发现互联网上由于配置不当、运维疏忽或系统漏洞而暴露的敏感信息。

与传统脚本不同，LeakDetector 引入了**智能抗反爬机制**和**深度内容分析引擎**，支持从数千个结果中自动筛选出高价值的敏感文件（如 Excel 通讯录、身份证名单、API 密钥配置等），并自动生成可视化的审计报告。

> **免责声明 / Legal Disclaimer**
>
> 本工具仅供授权的安全测试、漏洞挖掘和企业内部安全审计使用。严禁用于非法入侵、数据窃取或任何未经授权的恶意攻击活动。使用者应自行承担因使用本工具而产生的一切法律责任。

---

## 核心特性 (Key Features)

### 1. 多维度 Dork 侦察策略

内置经过实战验证的六层侦察策略 (P1-P6)，覆盖从基础设施到敏感数据的全方位检测：

* **API & 配置泄露**: 自动发现 Swagger UI, Spring Boot Actuator, `.env`, `application.yml` 等关键配置。
* **精准文件挖掘**: 专注于 `xlsx`, `docx`, `pdf` 等文档，智能识别包含"身份证"、"手机号"、"工资表"等敏感词的文件。
* **后台与组件识别**: 快速定位 OA 系统 (泛微/致远)、后台管理入口、Jenkins/GitLab 等运维平台。
* **漏洞特征探测**: 识别 SQL 注入报错页面、文件上传入口、Webshell 残留等高危特征。

### 2. 智能浏览器引擎 (Smart Browser Engine)

集成 **Playwright** 浏览器内核，彻底解决传统爬虫面临的难题：

* **自动/手动绕过验证码**: 支持检测 Bing 的 Turnstile/ReCAPTCHA 验证，支持在 GUI 中自动暂停并引导用户手动过验证，**彻底解决 IP 封禁导致的无结果问题**。
* **动态渲染抓取**: 能够处理依赖 JavaScript 加载的搜索结果，获取比纯 HTTP 请求更完整的数据。

### 3. 运算符二次校验 (Operator Enforcement)

Bing 有时会忽略 `filetype:`、`inurl:` 等高级语法而返回语义相关的无关结果。LeakDetector 在客户端对每条返回 URL 进行二次校验：

* **filetype/ext 强制过滤**: 确保 `filetype:xlsx` 仅收录 `.xlsx` 文件 URL，不符合扩展名的链接直接丢弃。
* **inurl 强制过滤**: 确保 `inurl:swagger` 返回的 URL 路径中确实包含目标关键词。
* **噪音率预警**: 当 Bing 返回结果中超过 70% 不符合运算符约束时，自动输出精度警告，提示切换浏览器模式或更换代理。

### 4. 深度内容分析与提取 (Deep Analysis)

不仅是简单的链接收集，工具会对下载的文件进行深度解析：

* **Excel/CSV/PDF 解析**: 自动下载并读取文档内容（支持多 Sheet 识别）。
* **敏感信息正则提取**: 内置中国大陆身份证、手机号、邮箱、学号等精准正则，自动从海量文本中提取 PII (个人隐私信息)。
* **风险评分系统**: 根据泄露信息的类型和数量，自动计算并在报告中通过颜色标记高危条目。

### 5. 高性能并发架构

* 采用 `ThreadPoolExecutor` 线程池架构，支持 10-50 线程并发扫描。
* **Pipeline 流水线设计**: 搜索线程与分析线程分离，实现"边搜边解"，大幅缩短任务总耗时。

### 6. 断点续扫 (Resume from Checkpoint)

长时间扫描因验证码、代理中断或手动停止后，无需从头重跑：

* **自动检测未完成会话**: 每次点击"开始扫描"时，自动检测上次未完成的扫描任务。
* **弹窗询问**: 若存在未完成任务，弹出提示框显示进度（如"已完成 45/150 条"），由用户决定是否继续。
* **精准跳过**: 仅跳过已执行的 Dork 语法，从断点处无缝继续，原有报告完整保留。
* **检查点文件**: 进度实时写入 `results/Scan_xxx/progress.json`，即使异常崩溃也能恢复。

### 7. 可视化关键词管理

* **GUI 关键词编辑器**: 通过图形化界面轻松管理敏感信息检测关键词。
* **分类管理**: 内置6大预设分类(敏感入口、教育数据、商业机密、个人隐私、调试信息、凭证Token)。
* **自定义扩展**: 支持新建分类、添加/编辑/删除关键词,配置自动保存至 `keywords.json`。
* **一键恢复**: 提供"恢复默认"功能,方便重置配置。

### 8. 智能数据整理

* **自动补全下载**: 扫描结束后自动检测报告中未下载的文件链接并补全。
* **多格式解析**: 支持 Excel、CSV、PDF、HTML 等多种文件格式的并行解析。
* **数据去重与分类**: 自动合并、去重，按敏感信息类型分类汇总。
* **垃圾过滤**: 智能过滤超长文本列，保留高价值数据。

---

## 侦察策略详解 (Dork Strategies)

LeakDetector 将搜索语法分为 6 个优先级，用户可根据场景选择：

---

## 快速开始 Guide (EXE 版本)

本工具已打包为独立的 `LeakDetector.exe`，无需安装 Python 或依赖库。

### 1. 启动

直接双击 `LeakDetector.exe` 即可启动图形化界面。

### 2. 基础配置

1. **输入目标**: 在主界面的文本框中输入**根域名**，支持批量导入。
    > *示例*:
    > `example.com`
    > `university.edu.cn`
2. **选择模式**:
    * **Standard (EDU/Gov)**: 适合教育、政府目标，侧重文档泄露和 PII 提取。
    * **Enterprise**: 适合企业目标，侧重后台、OA、DevOps 暴露。
    * **All**: 执行所有 P1-P6 策略（耗时较长）。
3. **开始运行**: 点击 `▶ 开始扫描` 按钮。

### 3. 进阶功能：浏览器模式 (强烈推荐)

默认情况下工具使用 HTTP 请求模式（速度快但易被封）。建议开启 **"显示浏览器 (手动绕过验证)"**:

1. 勾选界面上的 `显示浏览器` 复选框。
2. 工具会自动启动一个 Chrome / Edge 窗口。
3. **不要关闭该窗口**。当遇到 Bing 验证码时，工具会暂停并弹窗提示。
4. 您只需在浏览器中手动完成滑块验证，然后点击工具弹窗的 `确定`，扫描将自动继续。

### 4. 断点续扫

1. 扫描过程中点击 `■ 停止` 或意外中断后，进度已自动保存至 `results/Scan_xxx/progress.json`。
2. 再次点击 `▶ 开始扫描`，工具会自动弹出提示：
   > 发现上次未完成的扫描（进度: 45/150 条），是否从断点继续？
3. 点击**是**：从断点继续，已执行的 Dork 自动跳过，续扫结果保存为 `信息泄露扫描报告_resumed_xxx.xlsx`（原报告保留）。
4. 点击**否**：忽略断点，开始全新扫描。

---

## 配置文件说明 (`config.json`)

工具首次运行后会在同级目录生成 `config.json`，可修改高级选项：

```json
{
    "proxy_enabled": true,            // 是否默认启用代理
    "proxy_url": "127.0.0.1:7890",    // 代理地址 (HTTP/Socks5)
    "use_browser": false,             // 默认是否开启浏览器模式
    "max_threads": 10,                // 扫描并发线程数 (建议 5-20)
    "time_range": "不限时间",          // 默认时间过滤 (过去24h/1周/1月等)
    "auto_organize": false            // 扫描结束后是否自动整理结果文件夹
}
```

### 关键词配置 (`keywords.json`)

工具支持自定义敏感信息检测关键词,配置文件在首次使用"关键词管理"功能后自动生成:

```json
{
  "敏感入口/系统": ["后台", "管理系统", "登录", "Admin", ...],
  "教育敏感数据": ["学号", "录取", "成绩单", ...],
  "企业商业机密": ["合同", "薪资", "工资", ...],
  "个人隐私数据": ["身份证", "手机号", "通讯录", ...],
  "报错/调试信息": ["SQL syntax", "Fatal error", ...],
  "敏感凭证/Token": ["api_key", "access_token", ...]
}
```

**推荐方式**: 点击主界面的 `关键词管理` 按钮，通过可视化界面进行编辑。

---

## 运行截图 (Screenshots)

### 1. 主界面与配置

![Main Interface](https://raw.githubusercontent.com/cbbzx12/LeakDetector/main/image/1.png)
*简洁直观的操作界面，支持批量目标导入与策略选择*

### 2. 自动化扫描

![Scanning](https://raw.githubusercontent.com/cbbzx12/LeakDetector/main/image/2.png)
*实时显示扫描进度与发现的高危目标*

### 3. 结果分析

![Results](https://raw.githubusercontent.com/cbbzx12/LeakDetector/main/image/3.png)
*自动提取 Excel/PDF 中的敏感信息，并进行风险分级*

### 4. 浏览器模式 (Bypass CAPTCHA)

![Browser Mode](https://raw.githubusercontent.com/cbbzx12/LeakDetector/main/image/4.png)
*直观的浏览器视图，辅助通过复杂的人机验证*

### 5. 关键词管理

![Keyword Manager](https://raw.githubusercontent.com/cbbzx12/LeakDetector/main/image/5.png)
*可视化关键词管理界面，支持自定义敏感信息检测规则*

---

## 输出报告解读

扫描结果保存在 `results/Scan_YYYYMMDD_HHMMSS/` 目录下：

* **`信息泄露扫描报告_xxx.xlsx`**: 核心产出物，包含以下 Sheet 页：
  * **汇总详情页**: 包含所有发现的高危条目，按风险评分排序。红色背景为极高危（身份证/密码），黄色为中危（邮箱/手机）。
  * **扫描概览页**: 各类风险的数量统计、高危域名 Top20 分布、下载统计。
  * **全量URL页**: 本次扫描命中的**所有 URL 完整地址**，按目标域名分组、敏感命中条目优先排列，便于快速人工复核与二次利用。
* **下载的文件**: 扫描过程中自动下载的 `.xlsx`, `.pdf` 等原始文件，保存在对应子文件夹中，供人工取证。
* **`progress.json`**: 断点续扫检查点文件，记录已完成的 Dork 列表，异常中断后可恢复进度。

---

## 常见问题 (FAQ)

**Q1: 为什么扫描结果很少或为 0？**

* **原因 A**: 目标本身安全性较好，无外网暴露信息。
* **原因 B (最常见)**: Bing 对 IP 进行了风控，导致 API 请求返回空或 403。
* **解决方案**: **务必开启 "显示浏览器" 模式**，并配合代理池或稳定的梯子使用。浏览器模式能模拟真实用户指纹，极大提高成功率。

**Q2: 浏览器模式启动报错？**

* 工具依赖 Playwright，需要系统安装有 Chrome 或 Edge 浏览器。
* 如果报错 `Executable doesn't exist`，请检查浏览器是否安装在默认路径。

**Q3: 代理连接失败？**

* 请确保代理地址格式正确 (如 `127.0.0.1:7890`) 且代理软件允许局域网/本机连接。
* 支持 HTTP 和 Socks5 协议。

**Q4: 如何自定义敏感信息检测规则？**

* 点击主界面的 `关键词管理` 按钮，打开可视化编辑器。
* 可以添加、编辑、删除关键词，或创建新的分类。
* 修改后点击"保存"按钮，配置会自动保存到 `keywords.json`，下次扫描立即生效。
* 如需恢复默认配置，点击"恢复默认"按钮即可。

**Q5: PDF 文件解析失败？**

* 工具已集成 `pdfplumber` 库，支持自动解析 PDF 内容。
* 如果看到日志中显示"文件解析失败"但后面跟着分类名称（如 '教育敏感数据'），这实际上表示文件已成功解析并检测到敏感信息，只是日志显示不够直观。

**Q6: 断点续扫后报告在哪里？**

* 续扫的新结果保存为 `信息泄露扫描报告_resumed_YYYYMMDD_HHMMSS.xlsx`，与原报告存放在同一 session 目录下（`results/Scan_xxx/`）。
* 原始报告完整保留，两份报告均可查阅。
* 若希望合并两次结果，可手动复制"汇总详情"和"全量URL" Sheet 页内容到同一文件。

**Q7: 全量URL Sheet 的用途是什么？**

* 汇总了本次扫描对目标域名发现的**所有完整 URL**，包括未命中敏感信息的普通页面。
* 适合作为二次渗透的资产清单，或传递给其他工具（如 httpx/nuclei）做进一步批量探测。
* 结果按目标域名分组，命中敏感信息的 URL 排在前面，便于优先处理。

---

## 关于

**作者**: bug_001

LeakDetector

Explore Similar Repositories

Was this content helpful?

Recent Feedback

Download README