Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

ddork

Herramienta de reconocimiento de seguridad que automatiza el descubrimiento de programas de bug bounty o VDP mediante enumeración de competidores y clasificación automática de políticas de seguridad.

Ficha actualizada 28 sept 2026, 8:47 · upstream 27 sept 2026, 17:56 · release sin release detectada

Ver códigoProblemas y ayudaRepositorio ↗
00

Qué es ddork

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

ddork es una herramienta de reconocimiento de seguridad diseñada para descubrir programas de recompensas por bugs (bug bounty) o programas de divulgación de vulnerabilidades (VDP) en organizaciones auto-alojadas. Utiliza un enfoque innovador basado en la enumeración de competidores y el análisis de su postura de seguridad externa, evitando así los objetivos bien conocidos que saturan las búsquedas tradicionales con dorks de Google.

La herramienta automatiza el mapeo de dominios relacionados a partir de una semilla (seed), consulta políticas de seguridad como security.txt y resultados de motores de búsqueda, y clasifica automáticamente si un objetivo ofrece recompensas monetarias (PAID_BB), solo divulgación (VDP) o no tiene programa activo (NOT_PROGRAM). Integra con el clasificador isbounty para análisis preciso del texto de las políticas.

Incluye persistencia de estado mediante SQLite para escaneos incrementales, exportación estructurada a TSV con filtros por etiqueta y confianza, y opciones de concurrencia ajustable. Es ideal para investigadores de seguridad que buscan reducir la competencia en reportes de vulnerabilidades.

CASOS DE USO
  • Descubrir programas de bug bounty en competidores de una empresa objetivo sin depender de índices públicos saturados.
  • Clasificar automáticamente políticas de divulgación de vulnerabilidades mediante integración con isbounty y scoring de confianza.
  • Realizar escaneos incrementales de dominios almacenando estado en SQLite para evitar reescanear objetivos analizados.
  • Exportar hallazgos filtrados por tipo de programa (PAID_BB, VDP) o nivel de confianza a archivos TSV estructurados.
PUNTOS DESTACADOS
  • Automatiza la expansión de competidores y clasificación de políticas de seguridad sin intervención manual constante.
  • Integración con isbounty para clasificación inteligente de textos de políticas con puntuación de confianza.
  • Persistencia de estado en SQLite permite escaneos delta eficientes entre ejecuciones sucesivas.
  • Exportación flexible a TSV con filtros por etiqueta y umbral de confianza configurables desde CLI.
  • Evita la saturación de objetivos conocidos al priorizar descubrimiento mediante enumeración competitiva.
PRECAUCIONES
  • Dependencia de Python >= 3.8; requiere instalación manual del clasificador isbounty vía pip o --update.
  • No incluye contenedores Docker ni archivos de orquestación, lo que exige despliegue nativo en entorno Python.
  • La latencia puede aumentar si los providers de búsqueda tienen límites de tasa no gestionados por delays configurables.
  • Requiere acceso a internet para consultar security.txt y motores de búsqueda externos durante el análisis.
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU1 vCPUrecomendación inicial
MEMORIA1 GBRAM estimada
DISCO10 GBalmacenamiento base
COMPLEJIDADlownivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Despliegue manual

Instalar mediante pip con la URL del repositorio. Actualizar manualmente isbounty si es necesario. Configurar --delay entre peticiones para evitar bloqueos por tasa. Usar --store para persistencia incremental y --new-only en ejecuciones posteriores. Verificar compatibilidad de Python 3.8+ antes de instalar.

—Dockerfile
—Compose
—One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Python
SERVICIOS
No detectados
BASES DE DATOS
No detectadas
PUERTOS
No detectados
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.