子域名收集 -- Starmap

项目作者：ZhuriLab

项目地址：https://github.com/ZhuriLab/Starmap

一、工具介绍

以 subfinder 为基础，融合 ksubdomain、 Amass 的一些优点进行二次开发的一款子域名收集工具，可以很方便作为 go 库集成进入项目中。并增加了以下功能：

1、域名接管检测功能

2、网络空间扫描引擎被动获取子域时，增加ip、端口开放收集

shodan 获取 ip端口fofa 获取 ip端口zoomeyeapi 获取 ip

二、安装与使用

1、安装libpcap环境

Windows 下载 npcap 驱动: https://npcap.com/#download (ksubdomain 推荐下载的winpcap驱动存在一点问题，我在虚拟机中跑不出任何东西，改用 npcap 驱动可以)

2、被动模式运行并保存到文件（只保存域名）

Starmap -d baidu.com -o res.txt

3、被动加主动爆破, 过滤泛解析 json 格式输出（json 输出更丰富）

Starmap -d baidu.com -b -rW -oJ -o res.json

三、注意事项

指定不同的 dns ，获取到的结果会不同。比如：如果目标是国内的网站，选择国内的 dns 得到的子域名结果可能会比较多

四、下载地址

1、通过项目地址下载

2、关注web安全工具库公众号，后台回复：20220602

推荐书籍

加我微信：ivu123ivu，进送书活动群，不定时包邮送书

本书从理解问题定义、了解数据内的高层信息、数据清理、视化数据，到基础建模、模型优化，分享一个数据分析师的视角与思路。在预测分析的流程中，一步步用详细的图文代码讲解使用到的库，如何正确使用各个库中的方法和函数，以及在遇到类似的问题时如何套用学过的知识。本书共8章。第1章对预测分析的流程进行一个高层次的概述。第2章介绍本书需要安装使用的库，并讲解数据清理步骤的执行。第3章讲解基础建模需考虑的细节，结合第4章的模型选择，可以搭建一个基础的预测管道。第5章和第6章分别从模型和数据的角度讲解如何优化预测表现。第7章讲解时间序列这一特殊数据的预测方法。

原文始发于微信公众号（web安全工具库）：子域名收集 -- Starmap