菜单
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。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
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：