我如何利用 Perplexity AI 做 Bug Bounty 信息收集（并榨干它的每一滴价值）
原文中文，约2800字，阅读约需7分钟。
📝
内容提要
本文介绍了如何使用Perplexity AI进行Bug Bounty的信息收集，涵盖了设定基本规则、理解范围、制定子域名枚举策略、利用CT日志和Google Dorking等步骤，以有效识别攻击面并提升信息收集的效率与准确性。
🔎
延伸解读
信息收集的合法性与有效性
在进行Bug Bounty信息收集时，设定基本规则至关重要。确保遵循合法、被动的信息收集方法，可以避免触碰超出范围的资产，从而降低报告被拒的风险。明确的范围和目标不仅能提高效率，还能保护自身的合法权益。
利用历史数据挖掘潜在资产
CT日志和Wayback Machine等工具能够帮助发现被遗忘的资产。通过分析历史数据，可以识别出那些已经退役但仍存活的系统，进而扩大攻击面。这种方法在信息收集阶段尤为重要，能够为后续的漏洞测试提供更多线索。
优先排序与时间管理
在信息收集过程中，设定优先级和时间限制是提升效率的关键。通过对每个资产进行评分，可以确保后续测试集中在最有潜力的目标上。同时，制定时间冲刺计划，有助于在有限的时间内快速获取有效信息，避免无效的时间浪费。
❓
Q&A
如何设定基本规则以确保信息收集的合法性？
设定基本规则时，应明确上下文、目标、范围、产出和限制，确保只使用合法的被动信息收集方法。
Perplexity AI 如何帮助制定子域名枚举策略？
Perplexity AI 可以帮助制定三阶段的被动枚举计划，包括来源、示例查询和安全验证方法，以提高效率。
如何利用 CT 日志进行信息收集？
通过获取历史 CT 日志数据，可以列出域名的首次和最后出现时间，帮助发现被遗忘的资产。
Google Dorking 在信息收集中的作用是什么？
Google Dorking 可以生成针对目标的定制搜索语句，帮助寻找开发环境、暴露的目录和公开文档中的敏感信息。
如何优先排序信息收集的结果？
为每个资产按潜在漏洞可能性和业务影响评分，从而形成一个短名单，便于后续测试。
使用 Perplexity AI 进行信息收集的最佳实践有哪些？
最佳实践包括设定清晰的规则、理解范围、利用 CT 日志和 Google Dorking、优先排序结果等。
🏷️
