利用Perplexity AI进行Bug Bounty信息收集的终极指南

0. 基本规则设定

在开始信息收集前，必须设定明确的规则框架：

基准提示模板：

Context(上下文):我有权限在以下范围内的资产上执行信息收集。
Goal(目标):仅使用合法、被动的OSINT，识别并优先排序攻击面。
Scope(范围):[在此粘贴项目提供的域名/IP/通配符]
Deliverable(产出):必要时用表格、项目符号、JSON。标明来源。标记未知项。
Constraints(限制):除非明确允许，否则不得扫描。仅限被动情报。

1. 精确理解范围

操作步骤：

1. 将赏金计划的全文政策文档输入Perplexity AI
2. 要求AI拆解为：
   • 纯资产列表（根域名、FQDN、CIDR）
   • 包含类型、范围说明和限制的JSON格式
3. 特别注意政策文档中可能隐藏的单独IP段

2. 子域名枚举策略

三阶段被动枚举计划：

技巧：

• 利用AI提醒的CT日志网站和分析ID关联枚举技巧
• 寻找全新子域名的非传统方法

3. ASN和基础设施映射

操作流程：

1. 使用公共WHOIS、IPinfo、Shodan、Censys查询
2. 生成表格：

   ASN → 网段 → 托管商 → 自有/第三方
   

3. 发现规律：
   • 生产环境旁边的裸IP测试环境
   • 隐藏的基础设施关联

4. CT日志深度利用

关键数据点：

• FQDN
• 首次出现时间
• 最后出现时间
• 组织名不匹配情况

价值：

• 发现已"退役"但依然存活的系统
• 识别历史遗留的暴露面

5. 智能Google Dorking

定制化搜索策略：

site:target.com intitle:"test" OR "dev" OR "staging"
filetype:pdf OR filetype:docx OR filetype:pptx

重点查找：

• 开发/测试环境
• 暴露的目录结构
• GitHub提及
• 公开文档(PDF/DOCX/PPTX)中的元数据

6. 第三方情报收集

操作步骤：

1. 根据分析ID、追踪像素、客服插件识别第三方服务
2. 生成表格：

   服务 → 证据 → 关联子域名
   

3. 使用分析ID反查其他未列入范围的域名

7. 公共代码分析

GitHub搜索策略：

• 域名或员工邮箱提及
• 内部工具线索
• API端点
• 旧提交中的遗忘子域名

输出格式：

仓库 → 所有者 → 信息收集价值

8. 归档信息收集

Wayback Machine利用：

1. 按年份列出唯一URL
2. 标记关键发现：
   • 已消失的管理后台
   • API文档
   • 登录页面
3. 检查端点是否迁移到其他子域名

9. DNS配置审计

被动检查项：

• 失效的CNAME记录
• 陈旧的MX记录
• 未使用的TXT记录

输出格式：

记录类型 → 发现详情 → 安全验证方法

10. 优先级排序系统

评分标准(1-5分)：

输出：生成短名单供后续主动测试

11. 时间管理策略

两种工作模式：

1. 60分钟快速冲刺：

   • 基础子域名枚举
   • 明显暴露面识别
   • 快速评分

2. 4小时深度挖掘：

   • 完整历史记录分析
   • 第三方依赖映射
   • 基础设施关联分析

12. 实时报告格式化

持续记录格式：

资产 | 证据来源 | 发现详情 | 优先级 | 安全后续

优势：直接可用于最终漏洞报告

高级提示技巧

1. 未尝试角度挖掘：
   "我还有哪些信息收集角度没试过？"

2. 第三方服务聚焦：
   "哪些发现和第三方服务有关？"

3. 变更模式分析：
   "哪些历史变化暗示着新部署？"

核心原则

1. AI作为思考放大器：不是替代思考，而是增强思考能力
2. 连接数据点：价值在于发现他人忽略的关联
3. 被动优先：在允许范围内最大化信息收集
4. 持续记录：边发现边格式化，提高效率

通过这套方法，您将能够系统性地绘制出目标的完整攻击面，在Bug Bounty狩猎中获得竞争优势。