
Bb Local Toolkit (Grade F)უსაფრთხოების შემოწმებული ტესტირების უსაფრთხოების უნარი Claude AI-თვის. Grade F.
მიმოხილვა
ძირითადი ფუნქციები
- ქვედომენის აღრიცხვა
- აქტივის აღმოჩენა
- ფინგერცხმვა
- HackerOne-შორის სპექტრი
- წყაროს კოდის აუჟიტი
- შეცდომების ძიება (IDOR, SSRF, XSS, ა.შ.)
ფასები
- მოდელი
- Free
- კატეგორია
- კარიერის უნარები
- შეფასება
- შეფასებები არ არის
გამოყენების შემთხვევები
Bug Bounty ძიება
გამოიყენეთ Bb Local Toolkit, რომ გააუმჯობესოთ bug bounty workflow, რეკონკანსენსიდან ანგარიშგებამდე, და აღმოაჩინოთ შეცდომები სხვადასხვა მიზნებზე.
უსაფრთხოების ტესტირება
გამოიყენეთ ხელსაწყოს კომპლექტური ფუნქციები უსაფრთხოების ტესტირების შესასრულებლად, მათ შორის LLM/AI უსაფრთხოების ტესტირება, და აღმოაჩინეთ შესაძლო შეცდომები აპლიკაციებში და სისტემებში.
დადებითი და უარყოფითი
დადებითი
- სრული bug bounty სამუშაო ნაკადი
- კომპლექტური შესაძლებლობები შეცდომების ძიებისთვის
- LLM/AI უსაფრთხოების ტესტირების ფუნქციები
- მნიშვნელოვანი წესებისა და საუკეთესო პრაქტიკის მითითებები
უარყოფითი
- ძალიან ხანგრძლივი სწავლის მრუდი გაფართოებული ფუნქციების გამო
- ინფორმაციის გადატვირთვის შანსი
- საჭიროა კრიტიკული წესების ყურადღებით განხილვა, რათა თავიდან აიცილოთ false positives
შეფასებები
შედი ანგარიშზე შეფასების დასატოვებლად.
ჯერ შეფასებები არ არის. იყავი პირველი!
კითხვები
Why this exists?
Most bug‑hunting Claude setups are either too generic (one big "security" prompt) or too fragmented (you bookmark 30 disclosed reports and re‑read them every engagement). Neither scales past the second target. This bundle was built and validated through authorized engagements that exposed different capability gaps: - Bug‑bounty engagement — surfaced four gaps a starter 3‑skill stack could not close: 1. No hypothesis discipline — drafts written before validation → wasted hours, hurt validity ratio 2. No per‑program reporting tactics — VRT defaults auto‑downgraded P3‑worthy findings to P4 3. No engagement coordination — findings, evidence, and submission IDs scattered across folders 4. No evidence hygiene — screenshots leaked cookies and victim PII - External red‑team engagement — exposed five additional gaps that bug‑bounty defaults made worse: 1. Conservative defaults retracted real findings — WAPT mindset stopped tests early on defended targets where red‑team continuation would have surfaced bypass chains → redteam‑mindset 2. No mid‑engagement situational awareness — client SOC patched confirmed SQLi within 30 min; external attacker locked 14 accounts during a live test session — both invisible without explicit detection methodology → mid‑engagement‑ir‑detection 3. No enterprise‑platform attack chains — M365 + Entra ID, on‑prem SharePoint, Cisco SSL VPN, vCenter, and 7 Android APKs all needed current 2024‑2026 CVE knowledge and platform‑specific tradecraft → m365‑entra‑attack
Asked by Marcus Bell · Apr 3, 2026
რატომ შეიცვალა თქვენი მოდელი შუა‑სესიას?
გათიშული უარყოფებთან ერთად, და მარტივია გამოტოვება. Opus 5‑ში, მაღალი რისკის შემდგომი მოთხოვნების — Anthropic-ის სახელწოდება, ბინარული‑დაფუძნებული დარღვევა სკანირება და გადაჭრის ტესტირება — ნაკლებად ხდება Opus 4.8-ზე გადართვა, ვიდრე უარყოფა. მიიღებთ შეტყობინებას და პასუხი არის მონიშნული იმ მოდელით, რომელიც უპასუხა, მაგრამ დიდ აგენტული გაშვებაში ეს მარტივად გადაათვალიერება, ასე შეიძლება გამოიყურებოდეს, როგორც Opus 5 ნిశব্দად უკეთესი გახდა. იხილეთ, რატომ გადაადგილდა Claude. რას აკეთოთ, დამოკიდებულია თქვენს რეალურ საქმიანობაზე: | სიტუაცია | რა ეხმარება | |---|---| | თქვენი კოდის აუდიტი — repo‑ში შეცდომების შემოწმება | მიუთითეთ „Defensive review of my own repo“, „check this against the OWASP Top 10“, „secure refactor to remediate“ და ზუსტად აღწერეთ სამუშაო, როგორც შეკეთება. | | ნებადართული თავდასხმები — პირდაპირი ჩართულობა, PoC ბონუსის გადაგზავნისთვის | ეს არის ბუღლეტი, და მხარდაჭერილი გზა CVP. არ შეცვალეთ თავდასხმური ჩართულობა, რომ ის დამცავი გამოიყურებოდეს, კლასიფიკატორით გადალახვისთვის — გაწევრიანება აირჩიეთ. | | უბრალოდ გსურთ გათიშვა | Settings → Capabilities გამორთავს ავტომატურ მოდელის გადართვას. | | /hunt აღნიშნავს ჩართულობის ჩარჩოს (ნებართული, ფარგლებად შემოწმებადი, შეკეთებადი აღმოფხვრა) მისი პირველი ტურნირის დროს ზუსტად ამ მიზეზით — ჩართულობის კონტექსტი სესიის explicit‑ში უნდა იყოს, არა მინიშნული.
Asked by Noelia Campos · Mar 15, 2026
როგორ მუშაობს?
შვიდ-ფაზიანი, არ-ლინერი სამუშაო ნაკადი — recon → map & rank → hunt → validate → report — კოდში განსაზღვრული საზღვრებით და 7-კითხვა ბარით, სანამ რაიმე გადაეთავს. მისი ორი გზით გაშვება: მარტივი ინგლისური — აღწერეთ, რაც ტესტირებთ, და შესაბამისი უნარი ავტომატურად აირჩევს. /hunt scaffold + cbh CLI — ჩართულ-საქაღალდის სტრუქტურა, მდგომარეობა და ორკესტრაცია. შედის გამოყენების გიდი, სამუშაო მაგალითი, 6‑ფაზიანი არქიტექტურა და უნარ-ფაზის რუკა, და cbh CLI.
Asked by Ravi Chandrasekaran · Mar 3, 2026
რა არის შიგნით?
82 უნარი, ავტომატურად იტვირთება თემის მიხედვით — სახელით არ გამოიძახება. შემოწმება გარე შეტევის ზედაპირის ყველა მხარეს: | კატეგორია | # | მაგალითები | |---|---|---| | ვებაპლიკაციის ძიება | 13 | XSS, SQLi, SSRF, IDOR, LFI, SSTI, XXE, CSRF, CORS, ღია გადამისამართება | | ავთენტიკაცია და იდენტიფიცირება | 7 | auth‑bypass, session, OAuth, SAML, MFA‑bypass, ATO | | API და ინფრასტრუქტურა | 15 | GraphQL, gRPC, WebSocket, API‑misconfig, host‑header, RCE | | მოწინავე და კონკურენციის | 6 | race‑condition, HTTP smuggling, deserialization, cache‑poison | | ჩარჩოს სპეციფიკური | 4 | Next.js, Node.js, Laravel, Spring Boot | | საწარმოული იდენტიფიცირება და ღრუბელი ★ | 3 | M365/Entra, Okta, cloud‑IAM‑deep | | ინფრასტრუქტურა და აპარატი ★ | 4 | VMware vCenter, enterprise VPN, SharePoint, ASP.NET/NTLM | | რედ‑თემი ტრედკრაფტი ★ | 4 | redteam‑mindset, APK pipeline, supply‑chain recon, mid‑engagement IR | | აღჭურვილობა და OSINT | 4 | web2‑recon, offensive‑osint, subdomain | | სამუშაო ნაკადი, ანგარიშგება და სპეციალიზაცია | 11 | methodology, triage‑validation, evidence‑hygiene, VRT‑aware reporting | სრული ძებნადი კატალოგი → docs/skills.md. ასევე შედის 15 slash‑ბრძანება (/hunt, /recon, /report, …) და დეტერმინისტული ჩართულობის ძრავი (engine/) რომელიც რუკავს სამიზნე შეტევის ზედაპირზე და თითოეული აღმოჩენის გზას ასახავს შესაბამის უნარზე.
Asked by Dumisani Ndlovu · Feb 13, 2026
რა არის ეს?
claude-bughunter არის drop-in skill bundle Claude Code skills system‑სთვის. ერთხელ დაყენებულია, Claude Code აღარ არის ჩატი‑ბოტი, არამედ მუშაობს როგორც უფროსი bug-hunting researcher ან red‑team operator: ის იცის ტექნიკა, ჯაჭვური შაბლონები, VRT mappings, პლატფორმის CVE ჯაჭვები და ჰიგიენი – და იგი რჩება ფარგლებში. ოთხი ფენა: Think – bb‑methodology + redteam‑mindset: 5‑ფაზიანი non‑linear workflow, critical‑thinking framework და red‑team operator discipline. Hunt webapps – 48 hunt‑skills, შერჩეული 681 HackerOne ანგარიშებიდან: კლასის მიხედვით აღმოჩენის ნიმუშები, payloads, bypass tables და chain templates. Hit the perimeter – enterprise platform chains (M365/Entra, Okta, vCenter, SSL‑VPN appliances, SharePoint, cloud IAM): მიმდინარე 2024–2026 CVE ჯაჭვები + post‑credential escalation. Ship it – triage‑validation + reporting + evidence‑hygiene: 7‑Question Gate, VRT‑aware severity, OOS rebuttals, PII redaction და red‑team deliverables. ყველაფერი ავტომატურად გამოიწვევს თემაზე – აღწერეთ, რაც ტესტებთ plain English‑ში და შესაბამის skill‑loads. სახელით არ გამოიძახება.
Asked by Mireille Dupont · Jan 18, 2026
დასვი კითხვა
კარიერის უნარები-ის ალტერნატივები

სამუშაოს უსაფრთხოებაში ჩამოყალიბებული მონაცემების აი-თეკნოლოგია ქლუდ აი-სამართავი სისტემისთვის. A ხარისხი. გამოიყენეთ, როდესაც იწყებთ ფინანსურ სამუშაოსთან დაკავშირებულ სხვა სივრცეთან დამოუკიდებლობის აუცილებლობით ან აუცილებელი განხორციჭული გერხვების წესების შედგენა წინასწარ

უსაფრთხოების შემოწმებული მონაცემ-აი-ის უნარი Claude AI-სთვის. შეფასება A. GA4 BigQuery ექსპორტის სქემა — სრულყოფილი ველური მითითება, ნესტირებული სტრუქტურები, შეკითხვის შაბლონები და წარმადობის რჩევები

უსაფრთხოების შემოწმებული data‑ai უნარი Claude AI‑თვის. Grade A. Meta Conversions API (CAPI) კონფიგურაციის მითითება — არქიტექტურა, მოვლენების ტიპები, მომხმარებლის ინფორმაციის ჰეშირება, დედუპლიკაცია, განხორციელების მაგალითები, AEM

უსაფრთხოების გადამოწმებული განვითარების უნარი Claude AI-თვის. Grade A. ფუნქციის/მეთოდის პირდაპირი გამოძახების გრაფიკის ჩამოთვლა

თვითმეთვებული სივსხად-აი-მოხელეთა დაზგვი. სადარედ. სახელი ჰესკელურ ტესტ მოდულებს დაიგოკი გაადაგვით. იყენე, როცა ნ. ჰესკელი ტესტ მოდულ თუ განსასხობთ.

უსაფრთხოების მიხედვით შემოწმებული data-ai უნარი Claude AI‑სთვის. Grade A. 5-წეველთა ექსპერტთა საბჭოს განხილვის სიმულაცია ძირითადი გადაწყვეტილებებისთვის. გამოიყენეთ, როცა შეფასებთ გეგმებს, არქიტექტურული არჩევანს, ფუნქციონალური დიზაინს ან ნებისმიერ გადაწყვეტილებას.

სეკურიტი ავანკადან განვითარების უნარი კლუდ აი-სანახ. სრტ. A კატეგორია. ADVPL MVC ავანცადო სრტ. მეშვეობით PE (შესასვლელების პუნქტები) — ადგილობრივი გრიდების დამატება სტანდარტულ სკრინ მეშვეობით (CNTA300/MATA070/MATA440/MATA460/FINA040 *STRU)
უსაფრთხოების შემოწმებული DevOps უნარი Claude AI‑ისათვის. კლასი A. **WORKFLOW SKILL** — შენარჩუნებს რეპოზიტორიის დოკუმენტაციის სიზუსტეს და განახლებულობას დოქს საიტზე, აგენტის ფაილებში და ცვლილებების ჟურნალში. WHEN: "update docs"
Trending now

ზუსტი ჰომვორვის დახმარება სრული ახსნა-განმარტებით

დოკუმენტების ინტელექტუალური API, რომელიც პარსინგს, გაყოფას, OCR-ს და სტრუქტურიზებულ მონაცემთა ექსტრაქციას კომპლექსურ პდფ-ებში, სლაიდებში და ელექტრონულ ცხრილებში ახდენს.

ღია მრავალმოდალური 12B მოდელი, რომელიც ერთდროულად მოიცავს სურათებსა და ტექსტებს 128K კონტექსტური ფანჯარაში.

სპონსორული პასუხები, დახმარება ერთ კილაბად მონაცემთა მოცულობით.
