开源情报基础

概念

开源情报（Open-source intelligence, OSINT）是一种多方法融合的方法论，旨在情报语境下，对公开来源中可获取的数据进行收集、分析并据此制定决策。在情报界，“公开（open）”一词系指公开的、公众可获取的来源。

情报生命周期

标准的情报生命周期（Intelligence Cycle）是一个持续循环的闭环流程，通常由以下五个核心阶段构成：

1. 规划与导向
   • 情报工作的起点。明确决策者的具体情报需求（IRs）或关键情报需求（PIRs），制定情报收集策略，确定目标、范围、时限及资源分配。
2. 收集
   • 根据规划阶段确定的导向，利用各种公开渠道和工具获取原始数据。在 OSINT 语境下，包括但不限于搜索引擎、社交媒体、公共数据库、新闻媒体以及卫星遥感影像等。
3. 处理与开发
   • 将收集到的海量、无序、多源的原始数据转化为可供分析的结构化格式。该阶段涉及数据清洗、格式转换（如将图片/PDF转化为文本）、语言翻译、元数据提取以及去重等预处理工作。
4. 分析与产出
   • 情报工作的核心价值所在。分析人员对处理后的数据进行交叉比对、合规性验证、逻辑推理和深度挖掘，识别潜在的关联性与威胁趋势，最终形成具备可行动性的情报报告（如 APT 攻击痕迹研判、威胁情报白皮书）。
5. 分发与整合
   • 将最终的情报产品通过安全通道传递给决策者、安全运维团队（SOC）或利益相关方。接收方将情报整合进现有的防御体系或决策流程中，产生的反馈将进一步触发新的情报需求，进入下一个循环。

sock puppet

可以看作时一个虚假的在线身份，用来误导和诱惑别人，为了不让别人注意到我们的一种手段。

这个角色可以有虚假的社交账户、邮箱，并且永远不会回到你真实的IP地址上，不应该在一个设备上使用、不该关联与我个人信息有关的设备

创建一个sock puppet

在规划马甲时，需根据行动意图（Intent）在以下两种路径中做出抉择：

深度拟真虚拟人格

• 定义：凭空塑造一个完全符合现实社会学逻辑的虚拟网民
• 核心要素：必须围绕该角色构建完整的数字生命周期痕迹（背景、履历、社会关系网络），使其具备“真实性”。
• 评估：
  • 优点：欺骗性与隐蔽性最强，属于高级红队对抗/长期潜伏的终极手段。
  • 缺点：构建周期极长，技术与管理门槛极高；一旦被溯源穿帮（Blown），资产将发生毁灭性熔断。

功能性/符号化化身

• 定义：不追求“生物学真实”，而是基于特定领域或概念建立的主题账号（如 @ShakiraSecurity）。
• 核心要素：以“运维安全（OPSEC）/匿名研究”为公开理由。圈内明知其为虚拟化身，但通过高价值的专业内容输出建立行业信任（Build Trust）。
• 评估：
  • 优点：无需伪造复杂的社会历史背景，起步与运营成本较低，易于快速切入目标社区。
  • 缺点：无法完全隐藏其“非真实人类”的属性，不适用于需要深度信任渗透的特殊场景。

使用虚拟身份

基础画像生成

• 身份生成器应用：利用非实名制随机身份生成器（如 Fakenamegenerator 等平台）作为底层蓝本，获取包含目标国别社会安全号（如适用）、虚拟住址、本地邮编及拟真电话格式的结构化数据，确保基础逻辑闭环。
• 性别选择偏好：在 OSINT 社会工程学渗透中，选择女性角色通常具有更高的社交破冰概率与信任获取速率。但需注意，这伴随着更高频的即时音视频验证请求，对防溯源（OPSEC）对抗的综合能力要求更高。

AI 视觉资产的深度防御

• AI 生成头像的潜在缺陷（防反向搜索）：
  • 缺陷表征：This Person Does Not Exist 等 GAN 架构生成的头像虽能绕过传统的反向图搜，但由于瞳孔聚焦异常、左右耳饰不对称、背景解析扭曲等特征，极易被目标的安全防范意识或自动化检测算法（如反 AI 鉴伪）识别。
  • 对抗策略：禁止直接使用原生 AI 生成图。必须通过图像处理软件（如 Photoshop / GIMP）或专用工具进行二次深度清洗：
    • 裁剪并更换完全随机的真实物理背景（添加高斯模糊）。
    • 对面部关键特征点进行微幅形变，或通过调色滤镜破坏原始噪点分布。
    • 注入合规的 EXIF 元数据（清除所有 AI 工具遗留标记，模拟特定移动设备拍摄参数）。

资金链匿名化：使用虚拟卡

支付链路的匿名化伪造

• 核心功能：虚拟信用卡（VCC）的核心价值在于阻断支付链条向真实实体的反向追踪，用于支付马甲账号的 VPS 节点、接码平台或特定工具的订阅。
• 隐私风控对抗：
  • 地址验证系统（AVS）对齐：许多高安全级别的境外平台在绑定信用卡时会强校验 AVS（Address Verification System）。在填写账单地址（Billing Address）时，必须确保其与虚拟卡签发国、马甲身份画像中的地理位置保持严格一致。
  • 资金注入源隔离：虚拟卡的充值源头必须同样经过隐匿处理。严禁使用真实姓名绑定的法币账户（如本国银行卡、实名 PayPal）直接充值，应优先选择通过隐私币种（如 XMR）或经过混币（CoinJoin）处理后的加密货币作为资金媒介。

搜索引擎操作

搜索引擎操作与生态定位

不同搜索引擎由于算法和爬取策略差异，在 OSINT 实践中具备明显的地域与功能偏向：

• Google & DuckDuckGo：主要面向欧美及全球互联网生态，对社交网络、专业论坛的索引实时性与覆盖率最高。其中 DuckDuckGo 不记录检索日志，适合作为红队常态化探针。
• Yandex：专注于俄罗斯及独联体（CIS）地区。其反向图像搜索算法（基于面部特征点匹配而非单纯的哈希）在识别马甲头像是否撞脸、排查开源图片方面能力极强。
• 百度 (Baidu)：主要覆盖中国大陆互联网生态，对中文特定社区及早期历史快照的检索具有地缘优势。

Google Hacking 武器化实战

利用 Google 的高级检索语法（Google Dorks），可以在两个场景下实现精准定位： 一是排查目标的敏感资产 二是审计自身马甲的隐蔽性。

核心高级语法字典

• site:：将检索范围限制在特定的域名或顶级域名（如 site:github.com 或 site:gov）。
• inurl:：要求 URL 中必须包含指定的字符串，常用于寻找特定后台或特征路径。
• intitle:：要求网页标题中包含指定关键字。
• filetype: 或 ext:：限定特定的文件扩展名（如 pdf, doc, xls, conf）。
• intext:：强制要求网页正文中包含指定关键词（忽略 HTML 标签）。
• ""（双引号）：精确匹配，强制搜索结果必须包含与引号内完全一致的词组和顺序，用于排查特定 ID 或报错信息。
• -（减号）：排除逻辑，从结果中过滤掉包含特定词汇的网页（例如 -site:github.com）。

OSINT 目标情报搜集场景（高级组合案例）

• 暴露面资产与后台发现： site:target.com inurl:admin | inurl:login | inurl:dashboard 用途：快速枚举目标域名的各类管理后台与登录网关。
• 敏感文档与凭证泄露提取： site:target.com filetype:xls | filetype:xlsx | filetype:pdf "password" | "confidential" | "身份证" 用途：挖掘目标公开网络中误导或残留的敏感机密电子表格或 PDF 文档。
• 公开配置与代码仓库审计： site:github.com | site:gitlab.com "target.com" "api_key" | "secret" 用途：检索第三方代码托管平台上，员工误上传的涉及目标的敏感 API 密钥或配置文件。

马甲上线前防溯源审计（OPSEC 自检场景）

在马甲投入使用前，必须将马甲的拟真姓名、虚拟邮箱、影子手机号输入搜索引擎进行极限压测，确保其表现得既像一个正常人，又不会与你的真实实体产生交叉。

• 唯一特征关联性排查： "Eugene Shoemaker" -site:linkedin.com 用途：如果伪造的名字在特定职业社交平台之外的奇怪网站（比如你曾测试过的个人博客）被精确匹配到，说明该名字已被“污染”，需重新生成。
• 源码级残留审计： intext:"your_shadow_email@domain.com" site:github.com 用途：检查你为马甲准备的影子邮箱，是否曾误用在自己真实的开源项目提交记录（Git Commit History）或 Issue 讨论中。如果有，该马甲一上线即宣告失败。
• 虚拟敏感目录及残留快照清理： site:your_personal_vps_ip filetype:log | filetype:txt 用途：检查用于支撑马甲流量的 VPS 节点 IP，其 Web 服务下是否暴露了任何涉及测试痕迹的日志文件或配置文本。

反向图像搜索

综合反向图像搜索

我们可以通过主流或特定搜索引擎来进行反向图像检索。通过将图片、截帧或切片放入检索框中，从而判别图片的来源、原始出处以及可能关联的虚拟实体（Sock Puppet）。 同样，我们也可以通过引入人脸识别与地标识别检索来定位特定的人员与地点，从而为情报研判提供支撑。

• 全网综合反向图像引擎
  • Google Images / Google Lens
    • 用途：依赖强大的图像特征点匹配与 OCR 能力，适合识别图片中的物品标签、电子设备型号、书籍、植物或特定标志。
  • Yandex Visual Search
    • 用途：最强的人体与面部相似度检索引擎。在追踪社交网络马甲（Sock Puppet）或验证目标人物头像是否为网络奔现/盗图时效果极佳，对背景复杂的面部轮廓依然保持高精度匹配。
  • Baidu / Bing Visual Search
    • 用途：针对亚太地区、中文局域网（如微博、小红书、贴吧等平台）的图片源具有更高的覆盖率与收录速度。

专用图像搜索引擎

使用特定垂直领域的搜索引擎，可以协助我们在特定情报流中快速准确定位：

• 特定历史与精准去重引擎
  • TinEye
    • 用途：采用精确的图像指纹（Image Hash）匹配。用于寻找某一特定图片的最早发布时间（Earliest）、最高分辨率版本，或排查该图是否经过裁切、调色等二次修改。
• 开源地理空间情报（GEOINT）辅助
  • GeoSpy / Mapillary / PeakFinder
    • 用途：输入自然风光、建筑边缘、山脊线图片，利用 AI 空间地理模型或众包街景数据库，实现基于视觉特征的自动化经纬度估算与地形比对。
• 特定人脸溯源（仅限合法合规红队评估/反溯源场景）
  • PimEyes / FaceCheck.ID
    • 用途：对目标面部进行深度特征提取，检索全网（包括公开论坛、暗网、博客及新闻站点）中包含该面孔的所有照片，用以评估红队马甲的“露脸”照片是否具有唯一性，或进行反向身份穿透。

EXIF 数据提取

EXIF（Exchangeable Image File Format）是嵌入在图片、音频及视频文件中的元数据结构。在 OSINT 实战与红队马甲溯源审计中，EXIF 是实现无痕穿透与时空定位的核心突破口。

• 信道传输与脱敏特性
  • 即时通讯与社交平台：微信（非原图）、微博、Twitter/X、Facebook、Instagram 等平台在上传时通常会自动二次压缩并抹除大部分 EXIF 信息。
  • 高风险泄露信道：通过电子邮件附件、网盘原始文件共享、IM 工具发送“原图/文件”、或受害者个人 VPS/博客上直接托管的图像资源，均会完整保留原始元数据。
• 核心取证与解析字段
  • 地理坐标（GEO-Location）：GPS Latitude（纬度）、GPS Longitude（经度）、GPS Altitude（海拔）。可通过格式转换直接在地图中精确定位至数米范围内。
  • 时区与设备指纹：
    • Date/Time Original（原始拍摄时间）与 OffsetTime（时区偏移量，如 +08:00）：用于推算目标的真实地理居住时区。
    • Make / Model / Lens Model：设备与镜头型号。
    • Software / Modify Date：处理软件（如 Adobe Photoshop 24.1 或 Lightroom），泄露目标的工作流习惯。
  • 唯一识别码（Entity Linkage）：SerialNumber（机身序列号）、Internal Serial Number。在多张匿名发布的照片中，可作为强关联证据证明出自同一台物理设备。
• 命令行取证与处理工具链

  # 1. 深度提取图片所有元数据（包含隐藏标签与缩略图信息）
  exiftool -a -u -g1 target_image.jpg
  
  # 2. 专门提取 GPS 坐标并格式化输出（可直接导入地图 API）
  exiftool -c "%.6f" -GPSLatitude -GPSLongitude target_image.jpg
  
  # 3. 提取图像中内嵌的原始缩略图（部分软件剪裁大图后，内嵌缩略图仍保留全貌）
  exiftool -b -ThumbnailImage target_image.jpg > preview_thumbnail.jpg
  
  # 4. OPSEC 清理：完全清除所有元数据（红队发布文件前的标准动作）
  exiftool -all= -overwrite_original target_image.jpg
  

物理位置查询与地理空间情报 (GEOINT / Visual Locationing)

当图像缺失 EXIF 数据或被社交平台抹除元数据时，需要依赖地理空间情报（GEOINT） 技术，结合图像中的视觉特征与空间分析实现物理位置反推。

• 视觉特征提取矩阵
  • 自然地理特征：山脊线（Mountain Profiles）、水系走向、植被类型（判断气候带）、太阳阴影方向与长度（结合 SunCalc 计算拍摄时刻与大致纬度）。
  • 人工基础设施：
    • 路政与交通：路灯样式、双黄线/白线样式、路牌字体与配色、车牌格式、红绿灯悬挂方式。
    • 建筑与电力：电线杆/高压铁塔结构（全球各地区差异极大）、窗框样式、屋顶坡度、建筑材料。
    • 商业标识：招牌文字（语言/方言）、WiFi SSID 名称、特定连锁便利店或加油站品牌。
• 地图引擎与三维空间比对工具链
  • 卫星与街景比对：
    • Google Earth Pro (Desktop)：利用历史卫星图层（Historical Imagery）进行时间线比对，结合 3D 地形与视角调整模拟拍摄者的真实视角。
    • 百度地图 / 高德地图 / 腾讯地图：针对中国大陆地区的城市与乡村街景具有最高的覆盖率与分辨率。
    • OpenStreetMap (OSM) / Overpass Turbo：基于属性特征进行复杂空间查询（例如：查询“附近 500 米内同时存在铁道与高压电网的加油站”）。
  • 众包与空间地理数据库：
    • Mapillary / KartaView：全球众包行车记录仪与街景数据库，常用于补充官方地图未覆盖的偏远地区。
    • PeakFinder：通过算法根据经纬度生成全球山脉的轮廓图，用于与照片背景中的山脊线进行高精度拟合校验。
    • SunCalc / ShadowCalculator：输入假设经纬度与日期，通过计算建筑物或人物阴影的角度与长度，反推真实拍摄时间与方位角（Azimuth）。
• GEOINT 研判工作流标准步骤
  1. 特征分类：划分图像中的“不可变特征”（山体、河流、道路拓扑）与“易变特征”（车辆、招牌、天气）。
  2. 区域缩减：根据语言、车牌、建筑风格将目标锁定至国家/省份级区域。
  3. 空间检索：利用 Overpass Turbo 或图像搜索引擎提取唯一节点（如独特的雕塑或标志性交叉路口）。
  4. 视角三维校验：在 Google Earth 或 3D 地图中重建相机焦点（FOV）、高度及倾角，完成物理点位的精确比对验证。

我们还可以现场进行考察，利用无人机等技术辅助我们查看地点；或者通过社会工程学想办法进入其中

识别地理信息

一、 实体与微观线索分析

1. 人物与文化特征

• 服饰与穿戴：传统服饰、民族特色衣物、特定学校/企业制服、警服/军装款式及徽章
• 语言与文字：
  • 语种与文字体系：如泰文、阿拉伯文、西里尔字母、韩文等。
  • 小语种/方言标志：拼写习惯、特定字母（如德语的 ß，西语的 ñ，法语的 ç）。

2. 交通工具与道路规则

• 车辆属性：
  • 驾驶席位置：左舵（靠右行驶，如中国、美国、欧洲大部分） vs 右舵（靠左行驶，如英国、日本、澳大利亚、印度）。
  • 车牌样式：
    • 尺寸与颜色：欧洲长条形（左侧通常带蓝色 EU 标识）、美国短矩形、中国蓝/绿/黄牌、黄底黑字（如荷兰/以色列）。
    • 车牌号结构：特定的省份/州简称、城市代码或格式。
• 公共交通：公交车涂装、出租车配色方案、地铁/轻轨标志与线路图。
• 道路基础设施：
  • 减速带/路缘石配色：如黑黄相间、红白相间。
  • 路灯与电线杆：电线杆材质（水泥/木质/金属）、电线杆编号牌、变压器挂载样式。

自然环境与气候特征（宏观与地理环境）

气候与半球判定

• 植被与土壤：
  • 植被类型：针叶林（高纬度/寒带）、阔叶林（温带）、热带雨林/棕榈树（低纬度/热带）。
  • 土壤颜色：红土（如巴西、澳大利亚、中国南方）、黑土（如乌克兰、中国东北）、沙质土（干旱区）。
• 太阳角度与阴影（SunCalc 分析）：
  • 阴影指向：正午阴影朝北位于北半球；阴影朝南位于南半球。
  • 太阳高度角：结合拍摄时间推算纬度。
• 降水与季节特征：
  • 积雪情况（南半球陆地高纬度少，下雪区域集中在安第斯山脉、新西兰、巴塔哥尼亚等）。

地貌与水文特征

• 山体轮廓（PeakFinder 匹配）：远景山峰的起伏线条、火山地貌。
• 水体类型：海洋、河流走向、湖泊海岸线形状、水质颜色。

城市风貌与建筑标志（中观特征）

独特建筑与地标

• 地标性建筑：钟楼、桥梁、塔楼、宗教建筑（清真寺圆顶、教堂尖顶、佛寺风格）。
• 建筑风格：
  • 屋顶样式（平顶、坡屋顶、红瓦屋顶）。
  • 窗户结构、建筑外墙材质（红砖、混凝土、木质贴面）。

商业与公共标识

• 商业品牌：本地超市、加油站品牌（如 Shell, Total, Petronas, BP）、便利店连锁（如 7-Eleven, Lawson, Circle K）。
• 街道与门牌号：
  • 门牌号样式、街道名称板的配色与字体（如巴黎的蓝底绿边街牌）。
  • 垃圾桶样式与颜色分类标识。

---

图寻网站：可以通过geoguessr.com来提升自己图寻的能力