
Bug Bounty (Grade F)უსაფრთხოების-ტესტირებული ტესტირების-უსაფრთხოების უნარი Claude AI‑სთვის. Grade F. სრული bug bounty სამუშაო პროცესი — recon (subdomain enumeration, asset discovery, fingerprinting, HackerOne scope, source code audit), pre‑hu
მიმოხილვა
ძირითადი ფუნქციები
- Recon: subdomain enumeration, asset discovery, fingerprinting, HackerOne scope, source code audit
- Pre-hunt learning: disclosed reports, tech stack research, mind maps, threat modeling
- Vulnerability hunting: IDOR, SSRF, XSS, auth bypass, CSRF, race conditions, SQLi, XXE, file upload, business logic, GraphQL, HTTP smuggling, cache poisoning, OAuth, timing side‑channels, OIDC, SSTI, subdomain takeover, cloud misconfig, ATO chains, agentic AI
- LLM/AI security testing: chatbot IDOR, prompt injection, indirect injection, ASCII smuggling, exfil channels, RCE via code tools, system prompt extraction, ASI01-ASI10
- Reporting: 7‑Question Gate, 4 validation gates, human‑tone writing, templates by vuln class, CVSS 3.1, PoC generation
ფასები
- მოდელი
- Free
- კატეგორია
- კარიერის უნარები
- შეფასება
- შეფასებები არ არის
გამოყენების შემთხვევები
საწყისი разведka და სუსტი ადგილების ძიება
გამოიყენეთ ინსტრუმენტი საწყის разведka-ს შესასრულებლად, პოტენციური სუსტი ადგილების იდენტიფიკაციასა და მიზნების პრიორიტიზაციას უფრო ღრმა შესაცვლელად.
AI‑მოჭერილი უსაფრთხოების ტესტირება
გამოიყენეთ ინსტრუმენტის LLM/AI უსაფრთხოების ტესტირების შესაძლებლობები პოტენციური უსაფრთხოების პრობლემების იდენტიფიკაციისთვის AI‑მოჭერილ სისტემებში და ჩატბოტებში.
Bug Bounty ანგარიშის ოპტიმიზაცია
იყენეთ ინსტრუმენტის ანგარიშის ფუნქციები შედეგების ეფექტური გადამოწმებისთვის და დოკუმენტირებისთვის, რათა შექმნათ მაღალი ხარისხის bug bounty ანგარიშები.
დადებითი და უარყოფითი
დადებითი
- სრული სამუშაო პროცესი, რომელიც მოიცავს bug bounty შემდგომს ყველა ეტაპს
- დიდი სპექტრის ხარვეზები და ტექნიკა, რომელიც მოიცავს
- ფოკუსი რეალური ზიანზე და გამოყენებადობაზე შედეგების პრიორიტეტიზაციისთვის
- გამოგადგებათ როგორც ახალმოსვლებს, ისე გამოცდილ bug bounty მოყვარულებისთვის
უარყოფითი
- მძიმე სწავლების გადახეხი, რადგან ინსტრუმენტის ფართო მოცულობა
- შეიძლება მოითხოვოს მნიშვნელოვანი დროის ინვესტიცია სრული გაგება და გამოყენებისთვის
- ზოგი მომხმარებელი შეიძლება მიიჩნიოს რეალური ზიანზე და გამოყენებადობაზე მეტისმეტად შეზღუდულად
შეფასებები
შედი ანგარიშზე შეფასების დასატოვებლად.
ჯერ შეფასებები არ არის. იყავი პირველი!
კითხვები
როგორ მუშაობს?
ინструენტი მიყოლავს 6‑ფაზიანი, არ-ლინარული სამუშაო ნაკადი: recon → map & rank → hunt → validate → report, სადაც შეზღუდვები დებულება კოდში და 7‑მოცემული Gate-ით ყველა პოვნას წარდგენამდე. სამუშაო ნაკადის მართვის ორი გზა არსებობს: 1. **Plain English** – აღწერეთ, რაც ტესტებთ, და შესაბამისი უნარის დატვირთვები ავტომატურად გადის. 2. **/hunt scaffold + cbh CLI** – უზრუნველყოფს ჩართულობის‑საქაღალდის სტრუქტურას, მდგომარეობის მართვას და ორკესტრაციას. დოკუმენტაციაში შედის გამოყენების სახელმძღვანელო, მაგალითი, 6‑ფაზიანი არქიტექტურული დიაგრამა, უნარის‑ფაზის გადახედვა და cbh ბრძანების ხაზის ინტერფეისი.
Asked by Linda Petersen · Nov 16, 2025
რა არის შიგთავსში?
პაკეტი შეიცავს 82 უნარს, რომლებიც ავტომატურად იტვირთება თემის მიხედვით, explicit‑ის მოთხოვნის გარეშე. შემCoverage‑ს მოიცავს გარეგზედაპირი, მათ შორის: - ვებ‑აპლიკაციის ძიება (13 უნარი: XSS, SQLi, SSRF, IDOR, LFI, SSTI, XXE, CSRF, CORS, open‑redirect, ა.შ.) - ავთენტიფიკაცია და იდენტიფიკაცია (7 უნარი: auth‑bypass, session, OAuth, SAML, MFA‑bypass, ATO) - API და ინფრასტრუქტურა (15 უნარი: GraphQL, gRPC, WebSocket, API‑misconfig, host‑header, RCE) - მოწინავე და კონკურენტული (6 უნარი: race‑condition, HTTP smuggling, deserialization, cache‑poison) - Framework‑specific (4 უნარი: Next.js, Node.js, Laravel, Spring Boot) - Enterprise identity & cloud (3 უნარი: M365/Entra, Okta, cloud‑IAM‑deep) - ინფრასტრუქტურა & appliance (4 უნარი: VMware vCenter, enterprise VPN, SharePoint, ASP.NET/NTLM) - Red‑team tradecraft (4 უნარი: redteam‑mindset, APK pipeline, supply‑chain recon, mid‑engagement IR) - Recon & OSINT (4 უნარი: web2‑recon, offensive‑osint, subdomain) - Workflow, reporting & specialized (11 უნარი: methodology, triage‑validation, evidence‑hygiene, VRT‑aware reporting) სრული ძებნადი კატალოგი ხელმისაწვდომია docs/skills.md‑ში. პაკეტი ასევე შეიცავს 15 slash‑ბრძანებებს (მაგ., /hunt, /recon, /report) და deterministic‑ის ჩართული ჩართულობის ძრავას, რომელიც ასახავს სამიზნის შეტევების ზედაპირს და თითოეული აღმოჩენის გზავნის შესაბამის უნარს.
Asked by Lucas Petit · Nov 12, 2025
რა არის ეს?
claude-bughunter არის drop-in skill bundle, რომელიც მუშაობს Claude Code skills სისტემაში. ერთხელ დაყენდა, Claude Code არ არის უბრალოდ chatbot, არამედ ქცევით ხდება უფროსი bug‑hunting მკვლევარი ან red‑team ოპერატორი: ის იცის ტექნიკები, ქეინის შაბლონები, VRT mapping-ები, პლატფორმის CVE ქეინები, ჰაიჯინი – და ის დარჩება შუალედში. ოთხი ლეიბერის სტეკი: Think — bb‑methodology + redteam‑mindset: 5‑ფაზიანი არ-ლინარული სამუშაო ნაკადი, კრიტიკული‑თეფლიკაციის ჩარჩო და red‑team ოპერატორის დისციპლინ. Hunt webapps — 48 hunt‑skills, რომლებიც აირჩია 681 HackerOne ანგარიშიდან: თითოეული კლასის ძიების შაბლონები, payload-ები, bypass‑ტაბელები და ქეინის შაბლონები. Hit the perimeter — enterprise platform chains (M365/Entra, Okta, vCenter, SSL‑VPN appliances, SharePoint, cloud IAM): მიმდინარე 2024–2026 CVE ქეინები + post‑credential escalation. Ship it — triage‑validation + reporting + evidence‑hygiene: 7‑Question Gate, VRT‑aware severity, OOS rebuttals, PII redaction, და red‑team deliverables. ყველა ავტომატურად ტრიგერება თემის მიხედვით — აღწერეთ, რაც ტესტებთ ინგლისურ ენაზე და შესაბამისი skill‑loads. არ არის საჭირო სახელით გამოძახება.
Asked by Mohammed Al-Amin · Oct 29, 2025
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.
