cognis-digital/subhunt

``` pip install cognis-subhunt subhunt scan . # → prioritized findings in seconds ``` ## 用法 — 逐步指南 1. **安装** CLI（控制台脚本 `subhunt`）： pip install cognis-subhunt 2. **合并枚举输出** — `merge` 接收一个或多个源文件/目录（每行一个 host，支持 `#` 注释），并生成一个去重后的集合： subhunt merge amass.txt subfinder.txt assetfinder.txt 3. **范围与格式** — 限制在可注册的 domain 内并输出 JSON： subhunt merge ./results/ --scope example.com --format json > subs.json 4. **读取输出** — 每个 host 都会列出其来源数量以及报告它的来源；JSON 的 `stats` 块会报告 `unique`、`duplicates`、`invalid` 和 `out_of_scope`。当找到唯一的 host 时，退出码为 `1`；当没有解析到可用的内容时，退出码为 `0`： subhunt merge *.txt --scope example.com --format json | jq '.stats' 5. **在侦察 pipeline 中实现自动化** — 将去重后的集合直接输入到下一个工具： subhunt merge sources/*.txt --scope example.com | awk '{print $1}' | httpx ## 目录 - [为什么选择 subhunt？](#why) · [功能](#features) · [快速开始](#quick-start) · [示例](#example) · [架构](#architecture) · [AI 技术栈](#ai-stack) · [对比](#how-it-compares) · [集成](#integrations) · [任意平台安装](#install-anywhere) · [相关工具](#related) · [贡献](#contributing) ## 为什么选择 subhunt？ 一个干净的子域名集合 `subhunt` 是单一用途、可脚本化且可自托管的：将其指向目标，以你的工作流已使用的格式（table · JSON · SARIF）获取优先级排序的结果，用它来控制 CI，并让 agent 通过 MCP 驱动它。 ## 功能 - ✅ 规范化 Host - ✅ 有效的 Hostname - ✅ 在 Scope 范围内 - ✅ 解析 Source - ✅ 聚合 - ✅ 运行于 Linux/macOS/Windows · Docker · devcontainer - ✅ 提供 Python, JavaScript, Go, 和 Rust 的移植版 (`ports/`) ## 快速开始 ``` pip install cognis-subhunt subhunt --version subhunt scan . # scan current project subhunt scan . --format json # machine-readable subhunt scan . --fail-on high # CI gate (non-zero exit) ``` ## 示例 ``` $ subhunt scan . [HIGH ] SUB-001 example finding (./src/app.py) [MEDIUM ] SUB-002 another signal (./config.yaml) 2 findings · risk score 5 · 38ms ``` ## 架构 ``` flowchart LR IN[target / export] --> P[subhunt
collect + correlate] P --> OUT[ranked findings] ``` ## 从任何 AI 技术栈中使用 `subhunt` 可与每一种流行的 AI 使用方式互操作： - **MCP server** — `subhunt mcp` (Claude Desktop, Cursor, Cognis.Studio, [uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet)) - **OpenAI-compatible / JSON** — 通过管道将 `subhunt scan . --format json` 传入任何 agent 或 LLM - **LangChain · CrewAI · AutoGen · LlamaIndex** — 一行代码即可将 CLI/JSON 封装为工具 - **CI / 脚本** — 为非 AI pipeline 提供 exit code + SARIF ## 对比 | | **Cognis subhunt** | amass | |---|:---:|:---:| | 可自托管，无需账号 | ✅ | 视情况而定 | | 单一命令，零配置 | ✅ | ⚠️ | | 适用于 CI 的 JSON + SARIF | ✅ | 视情况而定 | | MCP 原生 (AI agent) | ✅ | ❌ | | 多语言移植版 (JS/Go/Rust) | ✅ | ❌ | | 开放许可 | ✅ COCL | 视情况而定 | *本着 **amass/subfinder** 的精神打造，以 Cognis 的方式重新构建。漏掉了某位贡献者？提交一个 PR。* ## 集成 通过管道融入你的技术栈：用于代码扫描的 **SARIF**，适用于任何场景的 **JSON**，用于 AI agent 的 **MCP server** (`subhunt mcp`)，以及用于 SIEM/Slack/Jira 的 webhook 转发器。详见 [`docs/INTEGRATIONS.md`](docs/INTEGRATIONS.md)。 ## 安装 — 各种方式，各个平台 ``` pip install "git+https://github.com/cognis-digital/subhunt.git" # pip (works today) pipx install "git+https://github.com/cognis-digital/subhunt.git" # isolated CLI uv tool install "git+https://github.com/cognis-digital/subhunt.git" # uv pip install cognis-subhunt # PyPI (when published) docker run --rm ghcr.io/cognis-digital/subhunt:latest --help # Docker brew install cognis-digital/tap/subhunt # Homebrew tap curl -fsSL https://raw.githubusercontent.com/cognis-digital/subhunt/main/install.sh | sh ``` | Linux | macOS | Windows | Docker | Cloud | |---|---|---|---|---| | `scripts/setup-linux.sh` | `scripts/setup-macos.sh` | `scripts/setup-windows.ps1` | `docker run ghcr.io/cognis-digital/subhunt` | [DEPLOY.md](docs/DEPLOY.md) (AWS/Azure/GCP/k8s) | ## 相关 Cognis 工具 - [`portfan`](https://github.com/cognis-digital/portfan) — 汇总并对比 nmap XML，生成优先级排序的、可攻击的发现结果 - [`dirsight`](https://github.com/cognis-digital/dirsight) — 分析 Web 内容发现输出 (ffuf/gobuster)，生成排序后的 endpoint - [`jwtinspect`](https://github.com/cognis-digital/jwtinspect) — 解码 JWT 并检查 alg=none、弱密钥和缺失的 claim - [`corsaudit`](https://github.com/cognis-digital/corsaudit) — 从 header 或配置中检测宽松/错误配置的 CORS - [`headerscan`](https://github.com/cognis-digital/headerscan) — 根据响应转储为 HTTP 安全 header (CSP/HSTS/XFO) 进行 A-F 评级 - [`ssltriage`](https://github.com/cognis-digital/ssltriage) — 根据 openssl/sslyze 输出对 TLS 配置（协议/加密算法/过期时间）进行评级 **探索全套工具 →** [🗂️ 全部 170+ 工具](https://github.com/cognis-digital/cognis-neural-suite) · [⭐ awesome-cognis](https://github.com/cognis-digital/awesome-cognis) · [🔗 cognis-sources](https://github.com/cognis-digital/cognis-sources) · [🤖 uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet) · [🧠 engram](https://github.com/cognis-digital/engram) ## 互操作性 `{}` 与包含 300+ 工具的 Cognis 套件组合使用 — JSON 输入/输出以及共享的 OpenAI 兼容的 `/v1` 骨干。请参阅 **[INTEROP.md](INTEROP.md)** 获取 套件图谱、组合模式以及参考技术栈。 ## 许可证 在 **Cognis Open Collaboration License (COCL) v1.0** 下提供源代码 — 可免费用于个人、内部评估、研究和教育用途；**商业/生产用途需要获得许可证** (licensing@cognis.digital)。详见 [LICENSE](LICENSE)。

标签：Python, 可视化界面, 子域名枚举, 实时处理, 数据可视化, 无后门, 日志审计, 系统安全, 请求拦截, 逆向工具