Šiandienai registruoti 249169 lietuviški (.lt) domenai ir aš noriu juos žinoti visus. Kodėl? Tada galėsiu patikrinti visas lietuviškas svetaines ir sužinosiu ką veikiame lietuviškam internete.
O kaip žinoti naudojamus domenus, jei sąrašo „dėl saugumo“ nieks neatskleidžia? Bandau įvairiai: bruteforcinau 2-4 raidžių kombinacijas, tikrinau dažniausius žodžius, krapščiau žodžių lemas ir lyginau miestų pavadinimus.
→ Šią savaitę paieškosiu 5-7 simbolių ilgio domenų, naudodamas Markov grandinių techniką.
Papasakosiu kas tas yra, kaip veikia, kokius „realistiškus“ spėjimus susigeneravau ir kaip sekėsi tikrinti. Razinka – išduosiu jau dabar, kad šiuo metu turiu 122 tūkst. aktyvių domenų sąrašą iš 249 tūkstančių (48%).
(AI tyrimams, iliustracijoms ir rašymui nenaudotas, nes lietuvišką internetą tikrinu dėl įdomumo sau pačiam, ne dėl kažkokio „turinio“. Dalinuosi, nes gal bus įdomu ir tau.)
Kam tas Markovas? Pala, kas tai?
Patikrinti visus 2-4 simbolių domenus nebuvo sunku, nes tokių variantų susigeneruoja „vos“ 1,9 milijono. Kadangi tikrinu automatiniu būdu 30 užklausų per sekundę dažniu, tikrinimas užtrunka „vos“ ~18 valandų.
Bet ką jei noriu sužinot dar ir užimtus 5-7 simbolių domenus, nekalbant apie ilgesnius? Paskaičiuokime: 37⁵ + 37⁶ + 37⁷ = ~97,6 milijardo variantų, kuriuos tikrinti užtruktų…
…Nu jo. Apie 900 tūkstančius valandų, arba 103 metai. Sėkmės :D
Tai pabandykime PASPĖLIOTI. Yra daug būdų spėlioti domenus ir dar daug jų nespėjau išbandyt. (Beje, mielai priimu patarimus.) Galima spėlioti prie daiktavardžio pridedant „24“, nes gal ne tik desrainis24.lt užimtas, galima tikrinti žodžių kombinacijas, nes gal ne tik sofalovakedestalas.lt naudojamas…
Ir galima pasitelkti markovo grandines. Kas tai?
Įsivaizduok: pasakei „Laba“. Ką tikėtina sakysi toliau? „Kopūstas“ ar „diena“? O ką labiau tikėtina sakysi po „Laba diena“: „radiatiorius“ ar „aš esu“? Taip, markovo grandinių technika yra ankstyvasis AI eksperimentas:
Techniškai Markov grandinė gali ir grįžti pati į save (pvz. laba-laba pakartojimas). Tikimybė gaunama suskaičiavus apmokymų medžiagą. Tai panašu į šiuolaikinius AI, bet ne taip protinga.
Tą patį galima naudoti ir domenų spėliojimams. Principas toks:
- Reikia pamokyti modelį, kad šis žinotų kas po ko seka. Taigi pamaitinau jį dvejais patiekalais: 42 tūkst. dažniausių lietuviškų žodžių + 122 tūkst. anksčiau surinktų domenų.
- Reikia paruošti „perėjimo grandines“ – Ngram. Susigeneravau lentelę: dažniausių dviejų raidžių derinių (pvz. la, ba, na) + kokia trečia raidė seka dažnai (pvz. b) ir kokia retai (pvz. x). Išmečiau viską, kas pasitaiko rečiau nei dešimt kartų.
- Apmokytas algoritmas pradėjo generuoti kalną 5-7 simbolių ilgio raidžių kratinių.
- Daliai rezultatų pridėjau skaičius ir brūkšnelius. Kadangi domentai šių turi retai (skaičių apie 5%, o brūkšnelių apie 1%), kiekis apribotas.
- Išmečiau dublikatus + domenus, kuriuos jau žinau iš anksčiau.
Rezultate turim 5 milijonus kandidatų, generuotų iš žodžių + dar 5 milijonus kandidatų, generuotų iš domenų. Šių patikrinimui tereikia 4 parų.
Kas gavosi?
Rezultatai ir palyginimai
Pirmiausiai patikrinau 5 milijonus sugeneruotų domenų iš dažniausių žodžių:
- 15814 domenai registruoti, aktyvūs;
- 180 karantine;
- 214 rezervuoti (dėl „lit“ ir panašių į „Lietuva“ dalių);
- 4256 užblokuoti (dėl ale keiksmažodžių dalių);
- Ir didžioji dalis spėjimų nepataikė – 4,98 milijono domenų laisvi.
- Iš šių: + 2635 naujos svetainės, apie kurias nežinojau!
Čia:
- Nesistebiu, kad dauguma nepataikė, nes tai vis vien spėliojimai. Pavyzdžiui, rasti „lagera.lt“ ir „ubela.lt“ yra retenybė tarp tūkstančių „kvislo.lt“ ir „dirpis.lt“, kurie tikėtini tik matematiškai. Juk nėra tiek pirkėjų, kad sugalvotų ir išpirktų visus skambius variantus!
- Ir jei domreg.lt paskelbtų ką blokuoja – būtų lengviau, galėčiau tai išimti. Bet dėl etikos (!?) jie atsisako parašyti, kad blokuojami „xui“, „ble“ ir panašūs deriniai, nepaisant kurioje domeno vietoje būtų. Čia kodėl ir „atspindys.lt“ blokuojamas, nes yra „pinda“ dalelė… Tikrai atspindžiai ir spinduliai dėl to nusikalto… 😒
ATNAUJINTA: Tuomet patikrinau 4,1 milijono sugeneruotų domenų iš anksčiau surinktų domenų:
- 1319 registruoti, aktyvūs;
- 23 karantine;
- 57 rezervuoti;
- 2528 užblokuoti;
- Ir 4,09 milijono nepataikė, laisvi.
- Iš šių: + 286 naujos svetainės, apie kurias nežinojau.
Kodėl 4,1 milijono, ne 5? Todėl, kad atmečiau domenus, kurie jau susigeneravo žodiniam variante → ir liko 4,1 milijono kandidatų.
Įdomu, kad net 4,1 milijono variantų buvo unikalūs, nepanašūs į žodžiais paremtus kandidatus. Aišku, gal nereikia stebėtis, nes domenai tipiškai nepanašūs į esamus žodžius – pvz. „latga.lt“ ar „1323.lt“ iš esmės yra raidžių, skaičių kratiniai, nepaisant, kad užimti.
ATNAUJINTA: Kokių įdomių domenų radau? 🙂
Iš žodybinio generavimo įdomiausi man pasirodė šie: dragon.lt (!!! koks !!!), adage.lt, kaikai.lt
Bet buvo ir daug „chlamo“, kurie registruoti, bet nenaudojami. Štai pavyzdžiui 15 atsitiktinių domenų apie kuriuos nežinojau + jie registruoti: aasai.lt, aauto.lt, abepa.lt, kariga.lt, airam.lt, alisa.lt, amora.lt, auton.lt, aveda.lt, black.lt, brand.lt, carat.lt, domen.lt, futura.lt, galore.lt
Iš domeninio generavimo įdomiausi šie: boxit.lt, zipai.lt, ainhuk.lt
Atitinkamai, atsitiktinių 15: deepl.lt, evbox.lt, bitco.lt, amazn.lt, airfi.lt, helpr.lt, wecar.lt, ta-daa.lt, xreal.lt, evcar.lt, boxon.lt, flume.lt, hubio.lt, aichat.lt, paigh.lt
Pilni sąrašai čia, galite imti ir naršyti (viso 17133 aktyvūs, užimti domenai): https://gist.github.com/debesyla/5cd1302d87aafc0925d671202691c92f
Ką iš to matom?
→ Nenustebino: ištariami ir į tikrus žodžius panašūs domenai registruojami dažniau, nei kūrybiški l33t-speak žargonai.
Bet man atrodo, tai nebuvo veiksmingiausias būdas spėlioti domenus. 🤔 Turi minčių ką padaryti geriau? Prašau, pasidalink savo įžvalgomis. (Mielai priimu pasiūlymus ką dar patikrinti, siekiant rast paslėptas lietuviškas svetaines!)
Kolekcija pasipildė naujais domenais ir einu ruoštis kitam tyrimui – išbandyt Markov „anūkėlių“ LLM kūrybiškumą generavimui, o gal ir patikrinti vardus, įmonių pavadinimus. Grįšiu kitą penktadienį.
Kviečiu prenumeruoti šį linkedino naujienlaiškį, išėjus kitam tyrimui gausi pranešimą. Pranešimas nekainuoja, o prirakinęs nelaikysiu, galėsi atsisakyt, jei nepatiks.
Pasirašo Danielius
Pirmą kartą paskelbta LinkedIn naujienlaiškyje „Lietuvos interneto tyrimai” — 2025-11-28.