LLMs之Tool：social-analyzer的简介、安装和使用方法、案例应用之详细攻略

LLMs之Tool：social-analyzer的简介、安装和使用方法、案例应用之详细攻略

目录

social-analyzer的简介

1、特点

social-analyzer的安装和使用方法

1、安装

2、在 Python 项目中作为对象导入

示例 1:

示例 2 (带更多参数):

3、命令行参数说明 (social-analyzer --h)

social-analyzer的案例应用

---

social-analyzer的简介

这是一个用于在超过1000个社交媒体网站上分析和查找个人资料的工具，提供 API、命令行界面（CLI）和 Web 应用三种形式。

Social Analyzer 是一个开源情报（OSINT）工具，旨在帮助用户跨越上千个社交媒体和网站，分析并找到特定人物的个人资料。它集成了多种分析和检测模块，用户可以在调查过程中自由选择使用哪些模块。

该工具的检测模块采用了一套基于不同检测技术的评级机制，会生成一个从 0 到 100 的评分值（表示“无-可能-是”），这种设计旨在减少误报（False Positives）。

通过此工具分析和提取的公开信息，可以帮助调查与可疑或恶意活动相关的个人资料，例如网络欺凌（cyberbullying）、网络诱骗（cyber grooming）、网络跟踪（cyberstalking）以及传播虚假信息等。此外，该项目目前已被一些资源有限国家的执法机构所使用（其使用的检测数据库与此处共享的有所不同）。

Github地址：https://github.com/qeeqbox/social-analyzer

1、特点

Social Analyzer 提供了丰富的功能，使其成为一个强大的信息搜集和分析工具：

• 字符串与名称分析：支持对用户名进行排列组合分析。
• 多技术查找：使用多种技术（如 HTTPS 库和 Webdriver）来查找个人资料。
• 多用户搜索：支持同时搜索多个用户名（用逗号分隔），用于关联分析。
• 多层检测机制：包括 OCR（光学字符识别）、常规、高级和特殊检测层。
• 信息可视化：使用 Ixora 将个人资料信息（元数据和模式）进行可视化展示。
• 元数据与模式提取：能够从目标中提取元数据和模式（源自 Qeeqbox OSINT 项目）。
• 元数据力导向图：为提取的元数据生成力导-向图（需要开启 ExtractPatterns）。
• 灵活的搜索范围：支持按网站排名（Alexa Ranking）或国家进行搜索。
• 按类型搜索：支持按网站类型（如成人、音乐等）进行搜索。
• 静态信息统计：提供个人资料的统计数据和静态信息（如类别、国家）。
• 交叉元数据统计：提供跨多个资料的元数据统计分析（源自 Qeeqbox OSINT 项目）。
• 输出过滤：自动过滤不必要的输出内容（如启用的 javascript 等）。
• 搜索引擎查询：支持通过 Google API 和 DuckDuckGo API 进行查询（可选）。
• 资料快照与信息：获取已找到个人资料的屏幕截图、页面标题、简介和网站描述。
• 语言学分析：查找名称来源、名称相似度以及按语言分的常见词汇。
• 年龄分析：提供有限的个人可能年龄分析。
• 高度可定制：支持自定义 User-Agent、代理、超时时间和隐式等待。
• 多平台 CLI：提供 Python CLI 和 NodeJS CLI（NodeJS 版本仅限于快速查找模式）。
• 截图功能：为检测到的个人资料生成屏幕截图（需要安装最新版 Chrome 浏览器）。
• 网格加速：提供 Grid 选项以加快检查速度（仅限于 docker-compose 部署）。
• 日志管理：可将日志以美化格式转储到文件夹或终端。
• 性能调整：可调整查找/获取个人资料的工作线程数（默认为15）。
• 失败重试：提供对查找失败的个人资料进行重新检查的选项。
• 结果筛选：可按“准确（good）”、“可能（maybe）”和“错误（bad）”筛选结果。
• 结果保存：可将分析结果保存为 JSON 文件。
• 简洁的界面：提供简化的 Web 界面和命令行界面。

特殊检测功能：

该工具还针对特定平台提供了专门的检测方法：

• Facebook: 可通过电话号码、姓名或个人资料名称进行查找。
• Gmail: 可通过 [e-mail] 格式的邮箱进行查找。
• Google: 可通过 [e-mail] 格式的邮箱进行查找。

social-analyzer的安装和使用方法

1、安装

Social Analyzer 提供了多种安装和运行方式，适用于不同操作系统和使用场景。

• Web 应用 (推荐): 启动后，可通过标准本地主机 URL 访问：http://0.0.0.0:9005/app.html
• 命令行 (CLI): 可直接在终端中运行。

在 Linux 上安装与运行

作为 Node.js Web 应用:

# 更新软件包列表
sudo apt-get update
# 根据你的Linux发行版，下面两行可能需要也可能不需要
sudo DEBIAN_FRONTEND=noninteractive apt-get install -y software-properties-common
sudo add-apt-repository ppa:mozillateam/ppa -y
# 安装依赖
sudo apt-get install -y firefox-esr tesseract-ocr git nodejs npm
# 克隆项目
git clone https://github.com/qeeqbox/social-analyzer.git
cd social-analyzer
# 更新和安装npm包
npm update
npm install
# 启动Web应用
npm start

作为 Node.js CLI:

# (安装步骤同上)
# ...
cd social-analyzer
npm install
# 运行CLI
nodejs app.js --username "johndoe"

作为 Python 包:

sudo apt-get update
sudo apt-get install python3 python3-pip
# 使用pip安装
pip3 install social-analyzer
# 运行
python3 -m social-analyzer --username "johndoe"

作为 Python 脚本:

sudo apt-get update
sudo apt-get install git python3 python3-pip
# 克隆项目
git clone https://github.com/qeeqbox/social-analyzer
cd social-analyzer
# 安装Python依赖
pip3 install -r requirements.txt
# 运行脚本
python3 app.py --username "janedoe"

2、在 Python 项目中作为对象导入

示例 1:

from importlib import import_module
SocialAnalyzer = import_module("social-analyzer").SocialAnalyzer()
results = SocialAnalyzer.run_as_object(username="johndoe",silent=True
)
print(results)

示例 2 (带更多参数):

from importlib import import_module
SocialAnalyzer = import_module("social-analyzer").SocialAnalyzer()
results = SocialAnalyzer.run_as_object(username="johndoe,janedoe",silent=True,output="json",filter="good",metadata=False,timeout=10,profiles="detected"
)
print(results)

3、命令行参数说明 (social-analyzer --h)

必需参数:
--username: 要搜索的用户名，例如 johndoe, john_doe 或 johndoe9999。可选参数:
--websites: 指定一个或多个网站进行搜索（用空格分隔），例如 youtube tiktok。
--mode: 分析模式，fast (快速), slow (慢速) 或 special (特殊)。
--output: 输出格式，json (用于集成) 或 pretty (美化输出)。
--options: 当找到个人资料时显示的信息，如 link, rate, title, text。
--method: find (仅显示检测到的), get (显示所有), all (合并两者)。
--filter: 按 good, maybe, bad 筛选检测到的个人资料，可组合使用（如 good,bad）。
--profiles: 按 detected, unknown, failed 筛选个人资料，可组合使用。
--countries: 按国家选择网站，例如 us br ru。
--type: 按类型选择网站，例如 Adult, Music。
--top: 选择排名前N的网站，例如 10, 50。
--extract: 如果可能，提取个人资料、URL和模式。
--metadata: 如果可能，提取元数据。
--trim: 裁剪过长的字符串。
--list: 列出所有可用的网站。
--headers: 以字典形式设置请求头。
--logs_dir: 更改日志目录。
--timeout: 更改每个请求之间的超时时间。
--silent: 禁止在屏幕上输出。

social-analyzer的案例应用

以下是一些基于命令行使用的具体案例，展示了如何利用不同参数组合进行调查。

基本用户搜索 (Node.js CLI):

nodejs app.js --username "johndoe"

搜索多个用户并提取元数据 (Node.js CLI):

nodejs app.js --username "johndoe,janedoe" --metadata

在排名前100的网站中搜索并提取元数据 (Python 包):

python3 -m social-analyzer --username "johndoe" --metadata --top 100

按网站类型搜索 (Python 包):

python3 -m social-analyzer --username "johndoe" --type "adult"

在特定网站上搜索，并保存日志和截图 (Python 脚本):

python3 app.py --username "johndoe" --websites "car" --logs --screenshots