القائمة
目标全景画像与攻击面优先级分析。当需要系统性整理目标资产、技术栈、认证体系、API 风格、权限/租户模型、业务高价值功能、WAF/CDN/中间件、移动端/小程序入口，并推断最该优先测试的漏洞类型时使用。适合在 recon-full 或 crawl 后生成结构化目标档案。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
攻击面发现总控方法论。在爬取、抓包、JS 分析、API 文档分析、登录后探索、多角色对比阶段使用。用于把页面、接口、参数、Header、Cookie、WebSocket、GraphQL、上传、导入导出、支付、回调、对象存储等所有外部输入点系统性枚举出来，并把每个入口映射到后续漏洞 discovery skill。
认证绕过完整方法论 — 基于 300+ HackerOne/Bugcrowd 真实报告提炼。覆盖未授权访问、登录逻辑缺陷、MFA 绕过、Session 管理攻击、认证降级、默认/泄露凭据、注册逻辑漏洞、API 认证缺失、Response 篡改、Race Condition 认证绕过。任何出现 login/session/token/cookie/Authorization/MFA/2FA/验证码/注册验证/受保护 API 的场景都必须使用此 skill。
Session cookie 分析与伪造方法论。当发现 Web 应用使用 cookie 进行认证、需要判断 cookie 类型并选择伪造方法时使用。覆盖 unsigned base64 cookie 直接伪造、Flask 签名 cookie（flask-unsign 爆破密钥）、加密/二进制 cookie 的识别。本技能负责 cookie 类型判断和分流：如果判断为 JWT（三段式 eyJ 开头），应转至 jwt-attack-methodology；如果判断为加密 cookie 需要 Padding Oracle，应转至 crypto-web-attack
通用漏洞发现方法论 — 当遇到不在已有SKILL覆盖范围内的场景时，教LLM如何系统性地发现漏洞。覆盖：输入点穷举、响应差异分析、边界条件探测、未知技术栈适应、容易被忽略的攻击面。
入口点 → 漏洞类型 → SKILL 映射表。Agent 在 Phase 2 测试功能点时，根据此表判断该入口点最可能存在什么漏洞，精准加载对应 SKILL。这是 Agent 渗透决策的核心路由表 — 定义'至少测什么'，但不限制你的推理。
Web 应用敏感信息泄露检测与利用。当发现 .git/.svn 目录、备份文件路径(.bak/.zip/.tar.gz)、.env 配置文件、Swagger/OpenAPI 文档、debug 页面等信息泄露点时使用。也适用于发现源码泄露后的深入利用：git 历史审计（git log -p -S 搜索已删除的密码和 flag）、svn wc.db 文件列表提取、.DS_Store 目录枚举。优先于漏洞利用——信息泄露可直接提供凭据和攻击路径，往往比直接挖漏洞更快进入系统
| name | target-profiling |
| description | 目标全景画像与攻击面优先级分析。当需要系统性整理目标资产、技术栈、认证体系、API 风格、权限/租户模型、业务高价值功能、WAF/CDN/中间件、移动端/小程序入口，并推断最该优先测试的漏洞类型时使用。适合在 recon-full 或 crawl 后生成结构化目标档案。 |
| priority | 7 |
| vuln_types | ["目标画像","攻击路径规划","技术栈指纹","攻击面优先级"] |
| triggers | ["profiling","fingerprint","指纹","画像","技术栈","资产分析","攻击路径","优先级","WAF","CDN","tenant","RBAC","API风格"] |
| synonyms | ["target profiling","target profile","asset profiling","technology profiling","attack path planning","目标画像","资产画像"] |
| metadata | {"tags":"recon,profiling,fingerprint,port,画像,档案,资产分析,攻击面评估","category":"recon","authority":"reference"} |
目标画像不是资产列表，而是要回答：这是什么系统、信任边界在哪里、最可能出什么漏洞、先测哪些入口。画像完成后必须给出漏洞优先级，而不是只列域名/IP/端口。
必须识别：
| 画像信号 | 优先漏洞 | 建议 skill |
|---|---|---|
| REST/JSON API | 未授权、IDOR、Mass Assignment | api-fuzz、idor-methodology、privilege-escalation-web |
| GraphQL | BOLA、批量查询、Introspection | graphql-methodology、idor-methodology |
| WebSocket/Socket.IO | CSWSH、消息级越权 | websocket-attack |
| Spring Boot/Java | Actuator、反序列化、SSTI、路径权限 | information-disclosure-methodology、deserialization-methodology |
| PHP/Laravel/WordPress | LFI、文件上传、反序列化、SQLi | lfi-rfi-methodology、file-upload-methodology、sql-injection-methodology |
| Node/Express | 原型污染、NoSQL、SSRF | prototype-pollution、nosql-injection、ssrf-methodology |
| CDN/反代/缓存 | Host 攻击、缓存投毒、请求走私 | http-host-header-attacks、cache-and-smuggling |
| 对象存储/直传 | ACL、上传后越权、Content-Type XSS | file-upload-methodology、idor-methodology |
| OAuth/SSO | redirect_uri、state、账号绑定 | oauth-sso-attack |
| 多租户/RBAC | IDOR、垂直越权、租户越权 | idor-methodology、privilege-escalation-web |
用 evidence_list（按类型筛选资产记录）和 list_vulns 获取已有的侦察数据。如果数据不足，补充执行：
subfinder -d domain / ksubdomain -d domain — 子域名naabu -host target — 端口（nmap 作为备选）httpx -u target -tech-detect / curl -sI target — 指纹统计目标使用的技术栈，识别统一管理的和独立部署的系统：
按风险等级分类已发现的服务：
极高风险（应优先攻击）：
高风险：
中风险：
低风险：
从子域名和 IP 分布推断网络结构：
生成结构化报告，包含：
[目标画像]
资产范围：主域/子域/IP/端口/服务
技术栈：前端/后端/数据库/中间件/对象存储/CDN/WAF
认证体系：Cookie/JWT/OAuth/SSO/APIKey/MFA/移动签名/未知
API风格：REST/GraphQL/RPC/WebSocket/文件直传/未知
权限模型：游客/普通用户/VIP/商户/管理员/租户/子账号/未知
高价值业务：支付/订单/优惠券/上传/导出/审批/邀请/回调/消息/文件
优先漏洞：按 P0/P1/P2 排列
建议路径：先测哪些入口、加载哪些 skill
信息缺口：缺账号/缺角色/缺移动端/缺API文档/缺端口/缺样本
完成画像前必须确认：