业务和功能介绍
源码仓库：https://github.com/zhang123999-qq/AutoRecon.git
## 业务和功能介绍
**1、立项背景和目标**
安全评估工作需要频繁进行信息收集、资产测绘、漏洞探测等重复性操作，传统工具存在单线程性能瓶颈、功能分散、缺乏统一管理界面等问题。本项目旨在构建一套高性能、模块化、可视化的企业级信息收集框架，实现从资产发现到漏洞验证的自动化流程，提升安全评估效率。
**2、软件功能、核心功能模块**
| 模块 | 功能说明 |
|------|----------|
| 子域名收集 | 异步DNS枚举，支持5000+字典、多DNS服务器并发查询 |
| 端口扫描 | 高速异步端口探测，支持自定义端口范围与服务识别 |
| CDN检测 | 识别CDN/WAF，获取真实IP |
| 指纹识别 | 200+Web指纹库，精准识别CMS、框架、组件 |
| 敏感信息检测 | 目录扫描、备份文件、配置泄露探测 |
| 漏洞扫描 | SQL注入、XSS、SSRF等常见漏洞自动化检测 |
| SQLMap集成 | 自动发现带参URL，批量SQL注入扫描 |
| 压力测试 | 快速/智能/极限三种模式，抗压等级评估 |
| GitHub泄露 | 搜索代码仓库中的敏感信息泄露 |
| SSL证书分析 | 证书有效性、过期时间、漏洞检测 |
**3、业务流程、功能路径**
```
目标输入 → DNS解析 → 子域名枚举 → CDN检测 → 真实IP获取
↓
端口扫描 → 服务识别 → 指纹识别 → 漏洞探测 → SQL注入扫描
↓
报告生成 → PDF导出 → Web UI实时查看 → 历史记录管理
## 业务和功能介绍
**1、立项背景和目标**
安全评估工作需要频繁进行信息收集、资产测绘、漏洞探测等重复性操作，传统工具存在单线程性能瓶颈、功能分散、缺乏统一管理界面等问题。本项目旨在构建一套高性能、模块化、可视化的企业级信息收集框架，实现从资产发现到漏洞验证的自动化流程，提升安全评估效率。
**2、软件功能、核心功能模块**
| 模块 | 功能说明 |
|------|----------|
| 子域名收集 | 异步DNS枚举，支持5000+字典、多DNS服务器并发查询 |
| 端口扫描 | 高速异步端口探测，支持自定义端口范围与服务识别 |
| CDN检测 | 识别CDN/WAF，获取真实IP |
| 指纹识别 | 200+Web指纹库，精准识别CMS、框架、组件 |
| 敏感信息检测 | 目录扫描、备份文件、配置泄露探测 |
| 漏洞扫描 | SQL注入、XSS、SSRF等常见漏洞自动化检测 |
| SQLMap集成 | 自动发现带参URL，批量SQL注入扫描 |
| 压力测试 | 快速/智能/极限三种模式，抗压等级评估 |
| GitHub泄露 | 搜索代码仓库中的敏感信息泄露 |
| SSL证书分析 | 证书有效性、过期时间、漏洞检测 |
**3、业务流程、功能路径**
```
目标输入 → DNS解析 → 子域名枚举 → CDN检测 → 真实IP获取
↓
端口扫描 → 服务识别 → 指纹识别 → 漏洞探测 → SQL注入扫描
↓
报告生成 → PDF导出 → Web UI实时查看 → 历史记录管理
项目实现
## 项目实现
**1、整体架构和设计思路**
采用异步事件驱动架构，核心引擎基于asyncio实现高并发I/O操作，Web层使用FastAPI提供RESTful API与WebSocket实时通信。
| 层级 | 技术选型 | 设计考量 |
|------|----------|----------|
| 核心引擎 | asyncio + aiohttp | 事件循环驱动，600-700/s并发吞吐 |
| Web框架 | FastAPI + Jinja2 | 异步原生支持，自动生成Swagger文档 |
| 实时通信 | WebSocket | 扫描进度实时推送，日志流式传输 |
| 数据存储 | SQLite + JSON缓存 | 轻量化本地存储，持久化扫描记录 |
| 报告系统 | Jinja2 + PDFKit | 模板化报告生成，支持HTML/PDF双格式 |
| 安全防护 | 内置SSRF/命令注入防护 | 白名单/黑名单机制，输入验证 |
**2、个人负责模块及量化成果**
| 负责模块 | 具体工作 | 量化成果 |
|----------|----------|----------|
| 核心引擎 | 异步并发引擎、自适应限速、插件系统 | 并发速度从50/s提升至700/s，提升14倍 |
| 安全加固 | SSRF防护、命令注入防护、API认证 | 修复6项安全风险，通过69项安全测试 |
| 代码质量 | 异常处理优化、类型注解、文档补全 | 质量评分从6.2提升至8.6/10 |
| Web UI | FastAPI后端、WebSocket实时推送、深色主题 | 实现扫描状态实时同步，支持移动端适配 |
**3、技术难点与解决方案**
| 难点 | 问题描述 | 解决方案 |
|------|----------|---------|
| 高并发控制 | 大规模扫描时连接数暴增导致目标服务器拒绝服务 | 实现自适应并发算法（AdaptiveConcurrency），根据响应时间动态调整速率 |
| SSRF漏洞 | 扫描功能可能被利用探测内网IP | 内置IPv4/IPv6私网地址黑名单 + DNS解析预检查 |
| 裸except泛用 | 26处使用裸except捕获异常，难以定位问题 | 逐处分析改为具体异常类型（ConnectionError/TimeoutError等） |
| 实时推送 | 扫描日志实时更新导致WebSocket消息风暴 | 消息合并+节流机制，50ms窗口内消息聚合后推送 |
---
**1、整体架构和设计思路**
采用异步事件驱动架构，核心引擎基于asyncio实现高并发I/O操作，Web层使用FastAPI提供RESTful API与WebSocket实时通信。
| 层级 | 技术选型 | 设计考量 |
|------|----------|----------|
| 核心引擎 | asyncio + aiohttp | 事件循环驱动，600-700/s并发吞吐 |
| Web框架 | FastAPI + Jinja2 | 异步原生支持，自动生成Swagger文档 |
| 实时通信 | WebSocket | 扫描进度实时推送，日志流式传输 |
| 数据存储 | SQLite + JSON缓存 | 轻量化本地存储，持久化扫描记录 |
| 报告系统 | Jinja2 + PDFKit | 模板化报告生成，支持HTML/PDF双格式 |
| 安全防护 | 内置SSRF/命令注入防护 | 白名单/黑名单机制，输入验证 |
**2、个人负责模块及量化成果**
| 负责模块 | 具体工作 | 量化成果 |
|----------|----------|----------|
| 核心引擎 | 异步并发引擎、自适应限速、插件系统 | 并发速度从50/s提升至700/s，提升14倍 |
| 安全加固 | SSRF防护、命令注入防护、API认证 | 修复6项安全风险，通过69项安全测试 |
| 代码质量 | 异常处理优化、类型注解、文档补全 | 质量评分从6.2提升至8.6/10 |
| Web UI | FastAPI后端、WebSocket实时推送、深色主题 | 实现扫描状态实时同步，支持移动端适配 |
**3、技术难点与解决方案**
| 难点 | 问题描述 | 解决方案 |
|------|----------|---------|
| 高并发控制 | 大规模扫描时连接数暴增导致目标服务器拒绝服务 | 实现自适应并发算法（AdaptiveConcurrency），根据响应时间动态调整速率 |
| SSRF漏洞 | 扫描功能可能被利用探测内网IP | 内置IPv4/IPv6私网地址黑名单 + DNS解析预检查 |
| 裸except泛用 | 26处使用裸except捕获异常，难以定位问题 | 逐处分析改为具体异常类型（ConnectionError/TimeoutError等） |
| 实时推送 | 扫描日志实时更新导致WebSocket消息风暴 | 消息合并+节流机制，50ms窗口内消息聚合后推送 |
---
示例图片视频
相似推荐
H5麻将(3D版)
本方案以 H5 技术结合 3D 渲染引擎打造麻将游戏前端，无需下载安装，浏览器内即开即玩，呈现立体生动的牌局画面与流畅交互体验，适配多类设备。后端采用 C 语言开发高性能服务端，凭借底层执行效率与精细内存管理，可稳定承载高并发访问，满足大量玩家同场竞技，保障牌局同步及时、操作响应迅速。整体架构高内聚低耦合，迁移方便，灵活部署于各类服务器与云平台，快速扩容、成本可控，兼顾画质、性能与运维便利。
掼蛋H5版
本方案以 H5 技术打造掼蛋游戏前端，免安装、即点即玩，浏览器内即可流畅开局，适配各类设备，用户体验出色。后端采用 C 语言开发高性能服务端，凭借底层执行效率与内存优化，能够稳定承载高并发访问，满足大量玩家同时在线的对局需求，保证牌局快速同步、响应及时。整体架构高度解耦，迁移方便，可灵活部署于各类服务器与云环境，快速扩容、低成本运维，兼顾稳定性、性能与部署灵活性，是成熟的棋牌平台解决方案。
H5斗地主
本方案采用 H5 技术构建斗地主游戏前端，无需安装客户端，通过浏览器即可随时随地开玩，兼容性强、体验流畅。后端基于 C 语言开发高性能服务端，凭借 C 语言的底层优势与极佳的执行效率，能够稳定支撑大规模并发访问，轻松应对海量玩家同时在线的压力，保证对局稳定、响应迅速。整体架构耦合度低、迁移方便，可灵活部署至多种服务器环境与云平台，实现低成本快速扩展，兼顾用户体验、性能与运维便利性。
基于神经网络的游戏动画系统
MotionWeaver 是一套面向 Unreal Engine 游戏开发的 AI 驱动角色动作生成系统，旨在解决传统游戏动画制作成本较高、动画资产复用困难、复杂动作衔接不自然，以及角色运动与动画表现难以协调等问题。
项目以神经网络动作生成技术为核心，结合游戏引擎的角色运动系统，实现从动画数据采集、模型训练到动作推理与引擎集成的完整技术流程。
主要功能包括：
动画数据采集与处理： 支持从 Unreal Engine 动画资产中提取骨骼姿态、位置、旋转及时间序列信息，完成骨骼映射、数据清洗、质量审核与训练数据集构建。
AI 动作模型训练： 提供基于深度学习的动作表示学习、姿态预测与生成模型训练功能，支持模型检查点管理、训练指标记录及实验评估。
条件动作生成： 利用角色根运动轨迹、历史动作状态及参考姿态等条件，生成连续骨骼动作，研究不同运动条件下的动画生成效果。
复杂动作约束： 针对跑酷、跨越障碍等复杂场景，支持参考姿态引导及关键帧约束，改善动作准确性与空间匹配效果。
UE 动画集成与验证： 提供模型推理与 Unreal Engine 动画系统的集成和实验验证能力，支持生成动作的预览、重建、测试及效果分析。
模型评测与对比： 通过骨骼位置误差、运动连续性、关键帧约束误差等指标，对不同模型及优化方案进行定量分析。
项目主要面向游戏角色动画生成、AI 动画技术研究和游戏开发工具链建设，为智能角色运动与游戏动画自动化提供技术基础。
H5休闲解压益智游戏（拖拽对齐，单文件纯前端）-拉线解压 KNOT OUT
《拉线解压》（KNOT OUT）是一款纯前端、零后端的 H5 休闲解压益智游戏。核心操作：拖动一根线的控制点，把线的中点精确送入目标环；吸附越准，评级越高（金/银/铜），并触发连击。 功能模块：① 操作与判定——拖拽线并实时吸附判定，按精度分金/银/铜三档（金档才续连击），配连击上行音反馈；② 关卡与难度包络——线数随关卡从 3 递增到 10、吸附窗口逐关收紧（78→48px），目标环视觉与判定窗口一致；③ 风格目标——按关卡轮换「全金档 / 全程无错位 / 由外向内（目标环标 1..N 序号）」，达成即得星；④ 每日挑战——以本地日期为种子的独立关卡，布局与主题由种子确定；⑤ 留痕世界——把逐关评级、星与每日印记，按存档确定性重算成一条「世界路径」；⑥ 音频——音效全部由 Web Audio 实时合成（C 大调音阶），BGM 三首可轮播。 主要功能路径：打开即玩 → 拖线对齐 → 评分/连击 → 过关结算 → 下一关 / 每日挑战 → 世界回顾。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服