企业官网建设流程全解析

简介：一份面向Web安全测试的fuzz字典合集，覆盖目录扫描、SQL注入、XSS、SSRF、文件扩展名、参数名等常见测试场景，适合渗透测试人员、安全运维工程师及CTF练习者结合Burp Suite、sqlmap、Wfuzz、webdirscan等工具使用。压缩包共192个文件，以123个txt字典文件为主，辅以21个Python辅助脚本、17张示意图以及markdown说明文档，脚本可用于自定义字典生成或测试流程辅助，图片和文档便于快速理解不同用例的适用位置，整体大小约24.86MB。目前已有1436人学习下载，在安全测试群体中具备一定参考价值。字典由其他团队整理搬运，量较大且场景覆盖全面，可免去自行收集与拼接的重复工作；使用时建议选择空闲时段运行，以确保字典能充分跑完并观察输出结果。压缩包内另含xlsx表格、rar归档、pdf说明等文件，可进一步了解字典来源或扩展使用方法。

1. 先说清楚：fuzz字典到底是什么玩意

做安全测试、接口排查、漏洞挖掘的朋友，对fuzz字典应该都不陌生。我最早接触这东西，是从目录扫描开始的，拿着一本字典去扫目标站点的目录结构，看看有没有敏感路径、备份文件、管理后台之类的东西。后来慢慢发现，fuzz字典的用途远不止扫目录这么简单，参数名模糊测试、接口枚举、报错信息探测、SQL注入和XSS的payload组合，全都依赖一本好字典。

说白了，fuzz字典就是一堆精心组织过的“输入样本”，你用这些样本去喂给目标系统，观察它的反应，然后从反应里判断哪里可能有漏洞、哪里配置不当、哪里存在暴露面。字典的质量，直接决定你的测试覆盖率。工具再强，字典一塌糊涂，结果就是瞎忙半天啥也没测出来。

这篇文章不是给你一个“下载链接完事”的敷衍整理，而是把字典背后的分类逻辑、制作方法、使用技巧、常见坑一次性讲清楚。适合刚入门的测试新手，也适合用了一段时间但一直“字典荒”的进阶选手。不管你是想直接拿来就用，还是想学会自己造字典，这篇文章都能帮到你。

2. 字典到底分几类？先搭好认知框架

很多人的字典存在一个巨大的问题：什么都有，但什么都测不全。这不能怪字典本身，而是因为fuzz字典从来不是“一本”字典，而是一整套按用途拆分的字典集合。我习惯把字典按用途分成五类，这样一个清晰的框架能让你在遇到具体场景时，知道该拿哪本出来用。

2.1 目录与路径类字典：最基础也最常用

这一类字典的核心价值是发现目标系统上“不该暴露”的资源。能扫出/admin、/backup、/.git、/phpmyadmin这种路径，往往意味着后续有进一步利用的空间。目录字典的构造思路主要有三种：

• 基于常见CMS和框架的默认路径，比如WordPress的/wp-content、ThinkPHP的/runtime、Spring Boot的/actuator。
• 基于备份文件的命名习惯，比如web.zip、www.tar.gz、1.sql、index.php.bak。
• 基于自动化工具的历史数据沉淀，比如gobuster、dirsearch 自带字典的汇总。

实战里我发现，目录字典的价值不在于“大”，而在于“准”。一份包含几万条冷门路径的字典，和一份包含几百条高概率路径的字典，在真实目标上可能效果差不多。所以我更推荐把目录字典做成多级结构，先跑一份高频小字典快速摸底，再用大字典做深度覆盖，效率会高很多。

2.2 参数与接口类字典：最容易出成果的方向

很多测试人员忽略参数fuzz，但这恰恰是ROI最高的方向之一。试想一个场景：目标系统有一个接口/api/user/info，正常参数是id，你用它传入一个数字能查出用户信息。但如果你用参数字典去fuzz，跑出uid、username、mobile、email这些隐藏参数，可能就能直接越权查别人的数据。这种漏洞在真实业务里太常见了。

参数字典的构造来源包括：

• 常见Web框架的默认参数，比如page、limit、offset、callback、debug。
• 从已公开的接口文档、Swagger导出信息中抽取参数名。
• 用JS文件分析工具，从目标站点的JavaScript文件里提取参数名。
• 日常渗透测试中的经验积累，比如is_admin、role、permission这类和权限相关的参数名。

我自己的经验是，针对单个目标深度测试时，结合JS文件分析出来的参数名去fuzz，远比拿通用字典硬跑有效。通用字典只能帮你“广撒网”，想捞到大鱼，还是得自己动手做定制化参数表。

2.3 漏洞探测类字典：payload只是字典的另一种形态

提到payload，很多人觉得那是SQLMap、XSS平台那些工具自动生成的，不算“字典”。但从fuzz的视角看，payload本质就是字典里的一条条特殊样本。你需要准备的核心payload字典包括：

• SQL注入探测特征串：'、"、)、1 AND 1=1、1 AND 1=2这类能触发数据库报错或逻辑差异的样本。
• XSS探测特征串：<script>alert(1)</script>、<img src=x onerror=alert(1)>这类能验证前端过滤和输出编码的样本。
• 路径穿越与文件读取特征串：../../../../etc/passwd、....//....//....//etc/passwd这类编码绕过样本。
• 命令注入特征串：;id、|id、`id`、$(id)这类能执行系统命令的样本。
• 其他类型：LDAP注入、XPATH注入、模板注入、XXE、SSRF，都有各自的特征串集合。

有个容易踩的坑：payload字典里大量内容是重复的。不同漏洞类型之间有很多“万能串”，比如一个简单的单引号，既是SQL注入探测的重要样本，也是某些后端解析器报错的关键输入。如果不去重，字典会膨胀得很厉害，扫描速度会明显下降。我的做法是建一个“全量库”存去重后的所有样本，再按漏洞类型维护一份带标签的索引，需要跑哪类测试就提取哪类。

2.4 账号口令类字典：不只是弱口令那么简单

从热词里能看到“wifi密码字典包”“wifi密码字典文件下载”这类搜索，说明口令字典的需求量很大。结合我自己的使用场景，口令字典主要分两大类：一是系统弱口令，二是应用业务口令。

系统弱口令字典，比如admin/admin、root/123456、test/test这种，主要用来测路由器、摄像头、数据库、中间件、SSH、RDP 这类设备的默认口令和弱口令。应用业务口令则要根据目标的具体场景定制，电商类平台常用user/123456、mobile/13800138000这种，论坛类平台可能有admin/bbs123、moderator/passw0rd这类。

口令字典一个很重要的原则是“组合优于单跑”。不要只跑单个用户名字典和单个密码字典，推荐的做法是把用户名和密码合并成“用户名:密码”格式，用一份现成的组合字典直接爆破，能省掉很多无效请求。我维护的字典里，专门有一份“top 10000弱口令组合”格式的文件，就是每行一个username:password，中间用冒号隔开，可以直接喂给Hydra、超级弱口令检查工具这类程序。

2.5 特殊扩展类字典：容易被忽略但很有用

这部分包括一些特殊年份、特殊字符串、自定义编码的字典，比如：

• 年份字典：2023、2024、2025，以及123456、666666、888888这类重复数字。
• 键盘路径字典：qwerty、1qaz2wsx、qazwsxedc。
• 拼音与姓氏字典：zhangwei、liqiang、wangfang这类中国人常用的名字拼音组合。
• 生日字典：19900101、800101这类格式的日期组合。
• 随机字符串字典：用于检测系统是否对超长输入、特殊字符输入有异常处理。

别小看这些“杂项”字典，很多时候你前面所有常规字典都跑完了没结果，最后就是这些非常规组合中的一个命中了目标。我在一次授权测试里，某后台管理密码爆破跑了四五个常规字典都没成功，最后用键盘路径字典里的1qaz@WSX直接进去了，这个字典项就是从特殊扩展类里来的。

3. 字典不是“凑出来”的，是“养出来”的

直接下载别人整理好的大字典，拿着就去扫。刚开始我确实这么干过，但后来发现很多大而全的字典里充斥着大量无效条目，有的字典甚至从上世纪就没人维护了里面全是index.php、default.asp这类老古董。真正好用的字典，是自己持续积累、持续优化的结果。

3.1 公开渠道的字典资源，怎么挑怎么用

网上流传比较广的fuzz字典项目，比如SecLists、PayloadsAllTheThings、fuzzdb、danielmiessler的字典集合，都是很好的起点。但有一点必须强调：不要直接把整个仓库clone下来扔到工具里跑，因为东西太多太杂，跑起来慢不说，误报率还特别高。

我用公开字典的习惯是这样的：先把项目整体clone到本地，建立索引说明每一份文件是干什么用的。然后按照自己的测试场景去翻看每份字典的内容，把里面真正有用的条目抽取出来，合并进自己的主字典。举个例子，SecLists里大概有一千多个字典文件，真正适用于我日常Web测试的，也就是其中的一百多个，其他很多是用于网络设备、工控系统、云平台的特殊场景。

对齐一下：直接使用大而全的字典，可能测试覆盖率是很高，但所需要的时间成本同样高。更好的做法是准备多套字典组合，比如“快扫小字典”和“深度大字典”，先用小的快速摸底，再用大的做深入覆盖，把时间用在刀刃上。

3.2 从工具日志里沉淀自己的“私有字典”

我的字典库来源最大头，其实不是从网上下载的，而是自己在实际测试过程中积累的。每一次、每一个目标的扫描结果，我都会定期整理，哪些路径命中过敏感目录，哪些参数名成功触发了异常，哪些弱口令真的登录成功了，这些信息全部沉淀下来，慢慢就成了一本极具个人特色的专属字典。

这一步很关键：别人给你的字典是“别人的经验”，你自己沉淀的字典才是“你自己的武器”。而且这种字典有很强的时效性，比如某段时间内某个特定框架爆出了新目录遍历漏洞，你把这个新路径加进字典，后续再遇到同框架的目标，就能比别人更快一步发现入口。

3.3 小脚本的威力：按需生成组合字典

有些字典是没法靠“手工收集”完成的，需要代码来生成。这里我分享一个自己经常用的字典生成脚本思路，它可以根据你提供的词根，自动组合生成一批候选词：

#!/usr/bin/env python3 import itertools words = [] with open("base_words.txt", "r", encoding="utf-8") as f: for line in f: word = line.strip() if word: words.append(word) separators = ["", "-", "_", ".", "@", "#"] suffixes = ["", "123", "123456", "2023", "2024", "!", "666", "888"] result = set() for word in words: for sep, suffix in itertools.product(separators, suffixes): result.add(word + sep + suffix) result.add(sep + word + suffix) with open("generated_dict.txt", "w", encoding="utf-8") as f: for item in sorted(result): f.write(item + "\n") print(f"generated {len(result)} items")

这段脚本的原理其实很简单：你准备一批基础词，比如公司名、人名、项目代号，然后脚本自动把常见的连接符和尾巴跑一遍，生成一份组合字典。像admin_2024、test-123456、1qaz@wsx这种形式，都是通过类似方法生成的。脚本跑的越多，你的字典质量越有保障。

4. 字典用对地方，效果翻倍的实用技巧

字典本身是死的，怎么用它才是关键。同一个目标，用同一个字典，换不同的人去操作，最终结果可能完全不一样。下面分享几个我在实际使用中总结的技巧，能有效提升你的fuzz效率。

4.1 按场景拆分字典，精确打击

我有好几套字典文件，分别对应不同的使用场景：

• dir_small.txt：2000条左右的高频目录路径，用于快速扫描和初步摸底。
• dir_full.txt：5万条以上的完整目录路径，用于专项深度扫描。
• param_web.txt：Web常见参数名集合，用于GET/POST参数fuzz。
• param_api.txt：API接口常见参数名集合，比如access_token、api_key、signature。
• payload_sqli.txt：SQL注入特征串集合。
• payload_xss.txt：XSS特征串集合。
• pass_top1000.txt：最常用的1000个弱口令。
• user_pass_top10000.txt：1万条常见的用户名密码组合。

使用前先判断目标是什么类型的系统，再选择对应的字典。比如目标是一个Spring Boot微服务接口，那你用dir_small.txt根本扫不出东西，用param_api.txt去fuzz接口参数才有意义。目标是个老PHP站点，那dir_small.txt里的路径大概率能命中一大片。

4.2 控制并发与速度，避免漏报和封禁

很多人拿字典去跑目标，上来就把并发拉到100、200，跑得是快，但有两个问题：一是目标WAF或风控很快会触发封禁，导致后半段测试全部无效；二是过大的并发会让目标系统响应变慢，防火墙看到异常流量后自动加入黑名单，你后续的正向测试也做不了了。

我的经验是：先在低并发下跑一遍小字典，观察目标响应情况，确认没有封禁后再逐渐调大并发跑完整字典。如果目标是生产环境，更要控制节奏。宁可跑慢一点，也不要把目标弄崩或者触发封禁，一旦封禁，整个测试就中断了。

另外，扫描时设置超时时间也很重要，默认的10秒超时在目标响应慢时会拖慢整体进度，我一般调到3-5秒。响应码的处理也要注意，不是只有200才算发现，很多系统对不存在的路径返回200但内容长度有差异，对存在的路径返回403或500，所以状态码、响应长度、响应时间三个指标要交叉对比。

4.3 巧用Burp Suite跑字典，比命令行更直观

说到fuzz，不得不提Burp Suite。Intruder模块可以轻松把字典文件导入进去，对指定参数进行批量fuzz。我常用的一个策略是：先用浏览器访问目标接口，把请求包发到Intruder，标记要fuzz的参数位置，导入字典，设置好线程数和超时，然后观察每个payload的响应包长度、状态码、关键词变化。

还有一个很多人没注意到的点：Burp的Intruder跑完之后，可以根据响应包长度排序，快速定位“异常长度”的响应。比如所有正常响应长度都在1000字节左右，突然有一个响应是500字节或3000字节，这个就有可能是特殊参数或特殊payload触发了不同逻辑，应该重点人工检查。这个技巧帮我发现过不少隐藏接口和参数。

4.4 字典去重和排序，优化你的字典文件

字典文件的质量，直接影响扫描效率和准确率。很多从网上下载的字典没有经过清洗，里面充斥着重复条目、空行、乱码、超长字符串，还有一些包含空格和特殊符号的条目，某些工具解析时会出错。我拿到一份新字典，第一件事就是清洗：

# 去重并保持顺序 awk '!seen[$0]++' dict_raw.txt > dict_clean.txt # 删除空行和只包含空白字符的行 sed -i '/^[[:space:]]*$/d' dict_clean.txt # 按字母顺序排序 sort dict_clean.txt -o dict_clean.txt # 统计行数 wc -l dict_clean.txt

另外，字典条目的排序也有讲究。我的经验是：把出现概率最高的条目放在字典最前面。比如目录扫描，/admin、/login、/api、/backup这些一定要放在文件开头。因为很多扫描器的行为是“遇到第一个命中的目录，就会停止对后续目录的扫描”，至少我的自定义脚本是这样处理的。字典前面的条目越“命率高”，扫描越早出成果。

5. 常见问题排查：字典fuzz踩坑实录

5.1 为什么跑了半天，一个结果都没有？

这是最常见的场景。字典也下了，工具也配了，跑了大几个小时，结果全是一堆无效请求。我第一反应通常是：

• 先确认目标系统是否能正常访问，手动浏览器打开目标，看一看响应码和响应内容，排除是网络问题还是目标本来就不可达。
• 再确认字典格式对不对，检查一下文本编码，UTF-8和GBK混用会出现乱码，某些带中文的字典项目如果编码不对，发出去的payload完全是乱码，目标自然不会有正常反应。
• 最后确认是不是被WAF拦截了，如果目标有Web防火墙，你发出去的请求可能全部返回了403或302，看起来像什么都没扫到，实际上是请求被拦截了。

5.2 字典文件太大，扫描器直接卡死或报错

有些“史上最全”字典动辄几百MB甚至上GB，很多工具无法一次性读取，或者读取后内存直接爆炸。这种时候不要硬跑，先把字典拆分或做抽样。

我一个常见的做法是：先用head -n 5000 dict_full.txt > dict_small.txt取前面5000条做快速试探，如果这些高频条目都没命中，再考虑接跑完整字典。如果你用的是脚本而不是现成工具，可以考虑“按行读取，分批发送”的方式，每次读1000行，处理完再读下一批，这样内存占用就很低。

5.3 编码问题：为什么某些条目扫描时变成乱码？

字典文件里的中文、特殊字符、emoji（如果有的话）在不同系统间流转时，很容易出现编码不一致的问题。Windows下编辑的文件默认可能是GBK，拿到Linux上跑就变乱码。排查方法很简单：

# 用file命令查看字典文件编码 file dict.txt # 统一转成UTF-8 iconv -f GBK -t UTF-8 dict_gbk.txt > dict_utf8.txt

特殊字符保存为UTF-8时也可能触发问题，比如某些payload包含URL编码格式的字符如%27、%3C，这类字典条目在扫描时要确认工具是否会自动做URL编码，如果自动编码了，可能二次编码导致payload失效，需要配置工具关闭自动编码再试。

5.4 误报太多，不知道怎么筛选真实结果

即使字典很好用，扫描出来的结果也一定有大量误报。我的策略是：不盲目相信任何工具的报告，所有扫描结果都要回到原始请求和响应上去人工验证。关键判断指标有三个：响应状态码是否在预期范围内、响应内容长度是否异常、响应体中是否包含特定关键词。

比如目录扫描出一个/backup.zip，可是HTTP状态码是403或405，这有可能是目标防火墙统一返回的，不代表文件真实存在。真正有效的做法是手动在浏览器里访问它，如果下载下来一个文件，并且文件内容能读，那才是100%确认。如果是参数的fuzz，发现某个参数名引发了5xx错误，要手动用Burp重放一次请求，对比有该参数和无该参数的响应差异，确认不是随机故障。

6. 最后分享一点个人心得

从最早只知道下一份“万能字典”到处跑，到现在能根据目标类型灵活搭配、按需生成定制化字典，这个过程我踩过不少坑，也积累了不少经验。最开始我也迷信“大而全”，总想着手里的字典越多越好，但实际测试下来，效果反而不理想。后来我才慢慢明白，一份好字典的核心不是“数量多”，而是“覆盖面准确”。

我的建议是：与其把时间花在“找字典”上，不如把时间花在“整理字典”上。拿到任何一份新字典，先花一点时间看结构、做分类、去重清洗，然后在实际测试中持续补充你自己发现的“新路径”“新参数”“新payload”，让字典成为你的私人武器。

如果你现在手头还没有一套像样的字典体系，可以从模仿开始：先准备一套基础的高频目录字典、一套常用的参数名字典、一套经典的payload字典，再配合本文提到的小脚本，慢慢积累和迭代。用不了半年，你就会发现，自己的字典比网上随便下载的“史上最全”好用得多。

本文还有配套的精品资源，点击获取