Fuentes y cómo se consulta un dominio · theHarvester: recolección OSINT

theHarvester no inventa datos: los pide a fuentes. Cada fuente es un servicio público que ya conoce algo del dominio, y usted elige cuáles consultar. Entender las fuentes es entender de dónde sale cada resultado y cuánto confiar en él.

Ficha de theHarvester

Nombre: the harvester significa "el cosechador"; recoge lo que ya está expuesto en abierto. Se escribe con H mayúscula y el comando respeta esa mayúscula.
Qué hace: recolecta correos, subdominios, hosts, IP y nombres asociados a un dominio consultando fuentes públicas.
Dónde existe: incluida en Kali Linux (paquete theharvester); en otras distribuciones se instala desde su repositorio oficial en GitHub, con Python.

Sintaxis

theHarvester -d DOMINIO -b FUENTE[,FUENTE]... [-l LIMITE] [-f ARCHIVO]

Opciones principales

Opción	Qué hace	Ejemplo
`-d`	Dominio que se investiga (domain)	`-d miempresa.example`
`-b`	Fuentes que consulta, separadas por comas (backend)	`-b crtsh,duckduckgo`
`-l`	Límite de resultados por fuente	`-l 200`
`-f`	Guarda el resultado en archivos con ese nombre	`-f huella-miempresa`
`-h`	Muestra la ayuda y la lista completa de fuentes	`theHarvester -h`

Fuentes disponibles

Hay dos grandes grupos de fuentes. Las que no necesitan clave se pueden usar de inmediato; las que piden una clave de API gratuita se configuran una vez en un archivo de la herramienta. Algunas fuentes útiles para empezar:

Fuente	Qué aporta	Necesita clave
`crtsh`	Subdominios a partir de certificados publicados en crt.sh	No
`duckduckgo`	Correos y hosts indexados por el buscador	No
`bing`	Resultados del buscador de Microsoft	No
`rapiddns`	Subdominios de registros DNS históricos	No
`hackertarget`	Resolución de hosts a IP	No

Las fuentes que consultan certificados y buscadores son pasivas: preguntan a un tercero y no tocan al objetivo. Otras, como las de resolución de nombres, pueden generar una consulta DNS; por eso conviene empezar siempre por las pasivas.

Cómo se consulta un dominio

El uso básico combina un dominio, un par de fuentes y un límite de resultados:

theHarvester -d miempresa.example -b crtsh,duckduckgo -l 200 -f huella-miempresa

Con un dominio de ejemplo la salida se vería así (datos simulados; no ejecute el comando contra dominios que no controla):

[*] Target: miempresa.example
 
[*] Searching CRTsh.
[*] Searching DuckDuckGo.
 
[*] Hosts found: 5
---------------------
correo.miempresa.example:203.0.113.25
pruebas.miempresa.example:203.0.113.40
tienda.miempresa.example:203.0.113.20
vpn.miempresa.example:203.0.113.30
www.miempresa.example:203.0.113.20
 
[*] Emails found: 2
----------------------
[email protected]
[email protected]

La opción -f deja además dos archivos (uno JSON y uno HTML) con el mismo contenido, útiles para anexar a un informe. Anote siempre qué fuentes usó y en qué fecha, porque el resultado depende de ellas y cambia con el tiempo.

Errores frecuentes

$ theharvester -d miempresa.example -b crtsh
Command 'theharvester' not found, did you mean:
  command 'theHarvester' from deb theharvester

Linux distingue mayúsculas: el comando es theHarvester, con H mayúscula.

$ theHarvester -b crtsh
theHarvester: error: the following arguments are required: -d/--domain

Falta el dominio. Agregue -d seguido del dominio propio o autorizado.

La mirada del defensor

Para quien defiende, la elección de fuentes es una ventaja: usando solo las pasivas obtiene el mismo inventario que vería un atacante discreto, sin generar ruido ni alertas. Ese inventario es el punto de partida para decidir qué servicios conviene retirar, proteger o dejar de publicar.