文章总结： 本教程系统讲解开源情报分析中的社交媒体、地理位置与图像技术，涵盖人员搜索引擎、Facebook、LinkedIn、Instagram、Twitter等平台的数据采集方法，以及地理位置定位与图像分析技巧，强调多源交叉验证与合规伦理边界，适合情报分析人员与安全从业者学习。
综合评分： 82
文章分类： 威胁情报,安全培训,数据安全
【教程】开源情报-社交媒体、地理位置与图像
原创
丁爸
丁爸
丁爸 情报分析师的工具箱
2026年9月27日 19:19
四川
在小说阅读器读本章
去阅读
在公众号小说中沉浸阅读
目录
引言 关于本教程
第一章 人员搜索引擎与情报采集基础
1.1 人员搜索引擎的价值
1.2 常用免费人员搜索引擎
1.3 两项核心任务：记录与枢轴
1.4 案例演示：从角色名到真实人物
1.5 数据验证与多源聚合
第二章 Facebook 分析
2.1 社交媒体为何是情报富矿
2.2 Facebook 上可获取的数据
2.3 Graph Search 的变迁
2.4 检索与筛选技巧
2.5 合规边界
第三章 LinkedIn 数据分析
3.1 平台定位与情报价值
3.2 个人与组织画像
3.3 泄露数据的作用
第四章 Instagram 分析
4.1 平台概述
4.2 内容与位置线索
4.3 辅助工具与数据抓取
4.4 使用边界
第五章 Twitter 数据分析
5.1 平台概述与关键概念
5.2 推文检索与关系网络
5.3 行为与情绪分析
5.4 位置线索
第六章 地理位置定位
6.1 为什么需要定位
6.2 元数据取证
6.3 视觉线索提取
6.4 地图与影像比对
6.5 典型案例：Strava 热力图
第七章 图像与地图
7.1 图像情报的价值
7.2 反向图像检索
7.3 街景与相册球
7.4 卫星与航空影像
7.5 图像分析工作流
第八章 合规、伦理与操作安全
8.1 法律法规层
8.2 伦理准则层
8.3 操作安全层
附录A 常用工具清单
附录B 术语表
引言 关于本教程
开源情报（Open Source Intelligence，OSINT）是指围绕公开可获取的信息开展的系统化采集、处理、分析与验证，并最终形成可供决策使用的情报产品。与依赖秘密手段的传统情报不同，OSINT 的生命力在于合法、可复现、可验证：任何一名调查人员，只要掌握正确的方法，都能在公开渠道中还原出目标的人物画像、社会关系、活动轨迹与行为规律。
本教程聚焦 OSINT 实践中与调查工作结合最紧密的一个分支——社交媒体、地理位置与图像。这三个主题并非彼此独立：社交媒体提供了海量的人物与关系数据，图像承载了最直观的现场证据，而地理位置则把“谁”与“在哪里、做什么”连接起来。三者相互印证，构成完整的情报链条。
| |
| — |
| 内容来源与定位 本教程以 SANS 学院 SEC487《Open Source (OSINT) Intelligence Gathering and Analysis》课程第 3 部分 487.3 “Social Media, Geolocation, and Imagery”为蓝本进行中文改编：保留其知识框架、方法要点与典型案例，补充中文语境下的说明，并重新绘制全部概念示意图。教程面向开源情报分析人员、情报学研究者、安全与合规从业者以及新闻调查人员。 |
| 学习目标 ① 理解开源情报的基本流程与合规底线；② 掌握人员搜索引擎的使用与“枢轴”调查方法；③ 熟悉 Facebook、LinkedIn、Instagram、Twitter 等平台的数据特征与采集思路；④ 能够对图像进行元数据与视觉线索的地理定位分析；⑤ 建立多源交叉验证与风险管控的职业习惯。 |
图 1 本教程知识地图：覆盖人员搜索与四大社交平台、地理位置与图像分析共 7 大模块
开源情报工作并非“一次性检索”，而是一个循环往复的过程。下图概括了从需求到产出的完整情报循环：每一次分析中发现的“枢轴点”，都会驱动下一轮更有针对性的采集，直至信息收敛、结论可信。
图 2 开源情报分析流程（情报循环）：需求—采集—处理—分析—产出，并形成反馈闭环
第一章 人员搜索引擎与情报采集基础
调查往往从一个人名开始。人员搜索引擎（People Search Engines）是专为“找人”而设计的检索工具，它把分散在公开记录、社交平台与商业数据库中的碎片信息聚合到一处，从而极大压缩调查所需的时间。
1.1 人员搜索引擎的价值
通用搜索引擎收录的是“万物”的信息，而人员搜索引擎聚焦于人及其关联信息。借助这类工具，分析人员可以围绕以下维度快速建立初步档案：
· 姓名：目标的全名、曾用名与拼写变体；
· 地址：现居地、历史居住地及邮政编码；
· 电话：座机与移动号码，以及号码归属线索；
· 用户名与社交媒体：目标可能使用的账号名与平台入口。
当一次检索返回多个同名结果时，分析人员需要提供更具体的限定条件（如年龄段、城市或州）来缩小范围，并对每一条结果进行甄别，而不能默认“第一条就是目标”。
1.2 常用免费人员搜索引擎
部分人员搜索引擎会免费开放一部分数据，其余则引导用户付费获取。以下工具是实践中较常使用的免费入口：
| | |
| — | — |
| 工具 | 主要用途与特点 |
| peekyou.com | 以用户名与社交账号关联见长，可发现同名账号 |
| thatsthem.com | 可直接返回姓名、地址、电话、邮箱等综合记录 |
| truepeoplesearch.com | 以居住地址与电话为核心，结果较为结构化 |
| cubib.com | 聚合公开记录，提供人物与关系线索 |
| zabasearch.com | 老牌人物检索，覆盖地址与电话历史 |
| radaris.com | 综合人物档案，提供关系网络与背景信息 |
图 1-1 示例：多款免费人员搜索引擎
（Radaris、That’sThem、TruePeopleSearch、PeekYou、ZabaSearch）
需要注意的是，不同站点可能共用同一后端数据——界面不同、数据同源。因此在其中一个站点提交“移除信息”请求，可能会连带影响其他站点的检索结果。这一现象本身也是情报线索。
1.3 两项核心任务：记录与枢轴
在人员搜索引擎上，分析人员必须完成两项最关键的工作：
1.完整记录所有与目标相关的数据，用于后续核验与印证；
2.识别枢轴点（pivot point）——即可以作为新检索输入的字段，如地址、电话或账号名。
“枢轴”是 OSINT 调查的核心动作：把一条检索结果中的可靠字段，作为下一轮检索的起点。例如，检索“Inigo Montoya”返回一个位于西班牙的地址，接着以该地址为输入再次检索，就可能牵出更多与该地址相关的人物与事件。
图 1-2 人员搜索引擎的“枢轴”工作流：姓名—地址—电话/邮箱—社交账号，循环收敛
1.4 案例演示：从角色名到真实人物
原文以《公主新娘》（The Princess Bride）中“Inigo Montoya”一角为例：该角色由演员 Mandy Patinkin 饰演。以“Mandy Patinkin”为关键词在 thatsthem.com 上进行检索，返回了两条详细记录，分别对应康涅狄格州与纽约州的两处地址，并附有电话与邮箱。
面对多条结果，分析人员不能简单取用。由于目标活跃于演艺圈、工作地点常在纽约，纽约的记录更可能是目标本人；但仍需借助其他公开记录对其进行验证或证伪，并把地址放到地图上比对，观察其是否符合目标的生活与工作习惯。
图 1-3 示例：thatsthem.com 返回的两条“Mandy Patinkin”记录（含地址、电话、邮箱）
| |
| — |
| 方法论提示 人员搜索引擎的结果只能作为“线索”而非“结论”。每一条记录都应追问三个问题：它与其他来源是否一致？它是否指向同一人？它能否被独立来源证实？ |
1.5 数据验证与多源聚合
单一来源的信息永远不足以支撑结论。OSINT 分析强调多源交叉验证（corroboration）：把社交媒体痕迹、地图与影像、公开记录与泄露数据等不同来源的证据聚合起来，一致则提升置信度，冲突则回到采集阶段寻找更多证据。
图 1-4 多源交叉验证：不同来源的证据汇聚为可信结论，并给出置信度评估
第二章 Facebook 分析
社交平台是开源情报的“信息富矿”。了解人们为何使用社交媒体、以及平台允许公开展示哪些信息，是高效采集的前提。
2.1 社交媒体为何是情报富矿
人们使用社交媒体的动因多种多样：与他人分享、维系社会关系、塑造“专家”形象，以及单纯的“围观他人”。这些动因共同决定了平台上沉淀了丰富的人物、关系、观点与位置数据。对情报分析而言，社交媒体不仅提供目标自述的信息，也提供了其亲友、同事所透露的间接信息。
图 2-1 社交媒体的使用动机（分享、维系关系、专家形象、围观）
不同平台的数据“丰度”各异。下表从五个维度对人员搜索引擎与主流社交平台进行了对比，有助于在调查初期选择正确的信息源。
图 2-2 主流社交平台可采集的数据维度对比（● 丰富 ◐ 部分 ○ 有限/需授权）
2.2 Facebook 上可获取的数据
如果目标使用 Facebook，该平台往往能提供极为丰富的公开信息，包括：
· 目标本人的照片与视频；
· 目标表达过的喜好与倾向（点赞、分享）；
· 目标的好友关系网络；
· 目标加入的群组；
· 目标“到访过”的地点（签到、标签）；
· 目标受邀与参加过的事件。
平台同时设置了访问控制，会在一定程度上限制可获取的内容。分析人员需要在合规前提下，评估这些控制措施的影响，并采用相应的方法获取公开可达的数据。
2.3 Graph Search 的变迁
| |
| — |
| 重要变化提醒 2019 年夏季，Facebook 对站内搜索进行了根本性调整，改变了搜索的编码、语法与词汇体系。大量旧工具与旧文档一夜之间失效。因此，凡是在 2019 年 6 月之前撰写的 Facebook 搜索教程，都应被视为“历史资料”，不能直接照搬。 |
这一变化对隐私倡导者而言是进步，但对情报调查与执法工作造成了不少困难——许多过去依赖的搜索功能与人物、地点关联查询已不再可用。分析人员需要重新学习新的检索方法，并优先掌握相对稳定、长期有效的思路（如公开主页浏览、关系网络梳理等），而非依赖易变的语法技巧。
2.4 检索与筛选技巧
Facebook 的搜索界面支持按类别（人物、帖子、照片、视频、主页）切换，并支持在结果中追加筛选条件。例如，回到“人物”类别后，选择“城市”筛选并输入城市名，可以快速把结果限定到特定地区。
图 2-3 示例：在 Facebook 中通过“城市”筛选缩小人物检索范围
实务建议：先用宽泛条件确定候选集合，再用地点、教育、工作等维度逐步收敛；对每一条结果保留截图与访问时间，以便复现与举证。
2.5 合规边界
Facebook 的信息采集必须在平台条款与适用法律框架内进行。分析人员应只处理公开可见内容，不使用虚假身份诱导、不突破访问控制、不诱导他人泄露信息。采集到的个人数据应遵循最小必要原则，并在完成分析后妥善处置。
第三章 LinkedIn 数据分析
LinkedIn 把职业世界与社交媒体结合，是了解目标职业轨迹、组织关系与专业网络的首选平台。
3.1 平台定位与情报价值
截至 2019 年，LinkedIn 已拥有超过 6.45 亿注册用户，覆盖 200 多个国家和地区。其核心价值在于帮助人们建立、维护与拓展职业网络。对情报分析而言，LinkedIn 上的用户数据、连接关系与分享内容，是了解个人与组织的重要来源。
由于平台沉淀了大量可公开浏览的职业信息，它也被广泛用于公司/组织画像（如人员规模、部门结构、关键岗位）以及社会工程学攻击的情报准备。
| |
| — |
| 职业风险提示 LinkedIn 上公开的姓名、职位、单位、邮箱格式与同事关系，足以支撑一次高度可信的社工攻击。对个人而言，应审慎评估公开的粒度；对分析人员而言，应清楚这类数据的双刃剑属性。 |
3.2 个人与组织画像
围绕 LinkedIn 的采集通常从三个层面展开：
· 个人层面：教育经历、任职单位、职位名称、在岗时间与技能标签；
· 组织层面：公司主页、业务描述、人员构成与招聘动态；
· 关系层面：同事、上下级与跨机构连接，用于还原组织网络。
3.3 泄露数据的作用
除平台自身内容外，历史上多次发生的大规模数据泄露，也深刻影响了对 LinkedIn 数据的利用。例如 ICWatch 之类的泄露数据检索站点，允许按姓名、邮箱、电话、公司等字段检索历史泄露记录，结果形态与 LinkedIn 数据相似，但可能包含邮箱与电话号码等更敏感字段。
图 3-1 示例：ICWatch 泄露数据检索界面，支持按公司、地点、职位等筛选
分析人员在使用此类数据时必须格外审慎：确认数据来源的合法性与使用授权，避免处理与调查目标无关的第三方个人信息。
第四章 Instagram 分析
Instagram 是以图像与短视频为核心内容的社交平台，其“视觉优先”的特性使其在位置线索与现场信息方面价值突出。
4.1 平台概述
Instagram 的主要用途是与关注者分享照片和视频。账号可分为公开与私密两类：公开账号的全部内容不受保护；私密账号则需要先获得账号持有人批准才能查看内容。平台虽提供网页版，但绝大多数用户通过手机应用发布与浏览。
Instagram 注册免费，且在当时无需邮箱或手机验证，创建新账号快速简便——这既降低了使用门槛，也为调查中的账号追溯带来一定挑战。
4.2 内容与位置线索
Instagram 的照片、视频、文字说明与话题标签，常常包含丰富的位置线索：地标建筑、店铺招牌、街景特征，以及显式的位置标签。这些线索与其他证据结合后，可以支撑对拍摄地点的推断——这正是第六章“地理位置定位”的输入。
4.3 辅助工具与数据抓取
针对 Instagram，社区中出现了各类“辅助工具”，用于把公开的关注者信息批量整理成表格，便于进一步分析。导出字段通常包括用户名、全名、主页链接、个人简介以及是否为商业账号等。
图 4-1 示例：Instagram 关注者数据辅助工具导出的表格（含用户名、简介、商业账号标记等）
在整理出关注者清单后，分析人员可以进一步筛选有价值的目标。例如，商业账号往往公开邮箱与电话等联系方式，是拓展线索的重要突破口。
4.4 使用边界
批量抓取与自动化访问往往触及平台条款与数据保护法规的红线。分析人员应确认自身行为的合法性与授权范围，优先采用人工、公开、低频率的采集方式，避免对平台与个人造成侵扰。
第五章 Twitter 数据分析
Twitter 是典型的微博客平台。其内容公开度高、传播速度快、时间粒度细，特别适合做行为与舆情分析。
5.1 平台概述与关键概念
用户可以通过网页、第三方应用、移动设备或脚本发布文字、图片与视频。由于内容长度受限（当时为不超过 280 个字符），用户会更为审慎地选择措辞。除公开内容外，部分账号需要申请批准才能查看；平台还提供私信（DM）功能，用于用户之间的私密通信。
图 5-1Twitter 界面与关键概念（内容长度、关注、粉丝、私信、地理位置、话题标签）
理解以下四个概念是分析 Twitter 的基础：
· 关注（following）：该账号正在获取哪些账号的内容；
· 粉丝（followers）：哪些账号在关注该目标；
· @ 提及：把特定账号带入对话，可用于还原互动关系；
· # 话题标签：对同类推文进行归类与检索，如 #osint。
关注与粉丝的数量规模，可以作为判断账号影响力与角色的参考：粉丝越多，传播能力越强；而“关注了谁”往往比“粉丝有多少”更具情报价值——它揭示了目标的兴趣与关系取向。
5.2 推文检索与关系网络
围绕目标账号，分析人员可以：检索历史推文与关键词、还原 @ 互动网络、识别常互动的账号群体，并结合时间线推断目标的生活节奏（如作息、出差、时区）。
5.3 行为与情绪分析
推文的时间与用词，可以反映目标的作息与情绪状态。借助第三方工具，可以较为直观地完成这类分析：
· Sleepingtime.org：分析目标何时发布推文，从而推断其大致的清醒与睡眠时段；
· AnalyzeWords.com：对目标推文的用词进行情感与风格分析（如积极程度、愤怒程度等）。
图 5-2 示例：Sleepingtime.org 与 AnalyzeWords.com 的推文行为与情绪分析
需要提醒的是，推文可以定时或由第三方服务代发，因此“发布时间”与“实际在线时间”并不完全等同。若目标为经常出差、跨时区的国际人士，该数据的解释尤需谨慎。
5.4 位置线索
推文中的地理位置标签、照片中的地标、以及与其他账号的互动地点，都可以成为定位线索。相关内容将在下一章集中展开。
第六章 地理位置定位
“目标在哪里”是情报分析中最常见也最关键的问题之一。社交媒体开放了地理位置选项，配合地图与影像资源，使公开信息中的位置线索得以被系统化地利用。
6.1 为什么需要定位
定位需求通常来自几类场景：
· 核实既有数据：印证或推翻已知的地址与行踪信息；
· 意外事件定位：确认事故、事件的发生地点；
· 不在场证明与行为核查：验证目标的时间与空间声称；
· 重大活动与军事部署：识别人员或装备的真实位置。
图 6-1 示例：社交媒体地理位置信息引发的安全事件（士兵自拍泄露部队位置）
| |
| — |
| 典型案例：位置信息的双重风险 俄罗斯曾出台法律，禁止军人发布包含位置信息的照片、视频或地理位置数据。其背景是 2014 年乌克兰冲突中，社交媒体上公开的地理位置信息暴露了俄军部队的实际位置，与官方否认参与地面冲突的说法相矛盾。这一案例说明：位置信息既可以用于验证，也可以造成严重的行动与舆论风险。 |
此外，“知道某人不在某处”有时同样重要。例如，目标在社交媒体上公开表示自己在机场候机，就等于向外界暗示其住所此刻无人——这既是安全风险，也是分析人员可用的时间窗口线索。
6.2 元数据取证
图像文件往往携带 EXIF 元数据，其中包括拍摄设备、拍摄时间与 GPS 坐标等字段。这是最直接的定位证据，但需注意：多数社交平台在上传时会剥离或改写元数据，因此“原图”比“转发图”更有价值。
图 6-2 图像元数据（EXIF）关键字段示意：相机、时间、GPS 经纬度与高度
常见做法是：优先获取原始文件，使用元数据查看工具读取 GPS 字段与时间戳，再把坐标输入地图进行视觉核对。若元数据已被剥离，则转入下一节的视觉线索分析。
6.3 视觉线索提取
当元数据不可用时，图像内容本身仍包含大量可推断位置的信息：
· 地标与建筑：著名建筑、雕塑、桥梁的轮廓与朝向；
· 文字与标识：招牌、路牌、车牌、广告上的语言与字体；
· 自然特征：植被类型、地形地貌、水体走向；
· 光照与阴影：太阳高度角与阴影方向可辅助判断纬度与拍摄时间；
· 建筑风格与市政设施：护栏样式、路面标线、电杆形制等细节。
6.4 地图与影像比对
把视觉线索与地图资源进行比对，是定位的关键环节。建议采用“四步法”，由内到外、由元数据到视觉证据逐层收敛。
图 6-3 图像地理定位“四步法”：元数据取证—视觉线索提取—地图影像比对—交叉验证
可用的地图与影像资源包括：街景影像（Street View）、用户上传的相册球（Photo Sphere）、卫星影像、航空影像以及各地的地方性地图与实景照片库。
6.5 典型案例：Strava 热力图
Strava 是一款运动轨迹记录应用，它曾在 2015 年发布“全球热力图”，并在 2017 年把数据量扩充至原先的六倍——累计超过 10 亿次活动、3 万亿个经纬度点。热力图以颜色深浅显示某一区域内的运动密度，本意是展示全球运动网络的活跃程度。
图 6-4 示例：Strava 全球热力图（颜色越亮表示该区域运动轨迹越密集）
问题在于：热力图被认为已经“匿名化”，因此连用户标记为私密的活动也被纳入显示。而某些区域一旦出现规律性的运动轨迹，本身就足以暴露敏感信息。
英国 Tilbury 变电站的案例尤为典型：将热力图叠加到该设施影像上后，可以清晰看到三面围墙附近存在大量运动记录（对应安保人员的例行巡逻路线），而第四面则几乎没有活动——等于向外界提示了该设施监控薄弱的方位。公开后不久，相关数据因安全与隐私原因被移除。
图 6-5 示例：Tilbury 变电站热力图对比——左为无热力图，右为叠加后暴露巡逻路线与薄弱方位（数据后被移除）
| |
| — |
| 启示 “聚合数据”看似匿名，但密度、频率与分布模式本身可能构成可识别信息。分析人员与数据发布方都应评估这种聚合推断风险。 |
第七章 图像与地图
图像是开源情报中最具说服力的证据形态之一。新闻调查与情报分析在图像利用上的方法高度相通。
7.1 图像情报的价值
全球调查新闻网络（GIJN）曾撰文介绍记者如何利用图像开展研究。其价值主要体现在：
· 建立关联：把人物、事件与地点相互连接；
· 战区报道：核实冲突地区的真实情况；
· 变化检测：对比不同时间的影像，发现设施或地貌的改变；
· 追踪线索：沿线追查车辆、船只或人员的移动；
· 触达不可及区域：借助卫星与航空影像观察无法实地进入的地点；
· 增强叙事：用地图与图像提升结论的可读性与可信度。
7.2 反向图像检索
反向图像检索是图像分析的第一步：把待查图片上传或提交链接，检索其在互联网上出现的位置与相关页面。它可以快速回答三个问题：这张图是否曾被使用过？最早出现在哪里？是否被篡改或移花接木？
实务中建议同时使用多个反向检索引擎，并把检索结果与时间戳、原始来源一并记录，以支撑后续验证。
7.3 街景与相册球
Google 街景（Street View）与用户上传的相册球（Photo Sphere）是定位与实地核对的重要工具。街景影像会显示大致地址信息与拍摄时间；若同一地点存在多个日期的影像，还可以“时间回溯”，对照不同时期的地物变化。相册球则提供了拍摄者视角的现场画面，可拖动环视四周。
图 7-1 示例：Google 街景与相册球（可查看地址、拍摄时间，并 360° 环视）
7.4 卫星与航空影像
卫星影像是从太空拍摄的画面，航空影像则来自飞机、气球乃至风筝等平台。两者各有优劣：
| | |
| — | — |
| 航空影像的优势 | 航空影像的局限 |
| 部分地区更新频繁 | 季节变化（植被变化）影响判读 |
| 分辨率高，可达 “ 好 ” 到 “ 极好 ” | 非卫星的航空影像并非所有地区都有 |
| 可从不同视角拍摄，形成 360° 观察 | 受拍摄时间限制，可能被树冠等遮挡 |
| 部分建筑建模为逼真的 3D | |
| 基本不受大气干扰 | |
图 7-2 航空影像的优缺点对比
判读影像时，需重点关注：拍摄时间与季节、树木与植被的遮挡、建筑与道路的变化，以及不同来源影像之间的时间差——这些都会影响结论的可靠性。
7.5 图像分析工作流
把上述方法整合为一条可复用的工作流，有助于保证分析的系统性与可追溯性。
图 7-3 图像情报分析工作流：采集—元数据取证—反向图像检索—地理定位—时间与变化检测—报告
每一步都应保留原始文件、工具输出与时间戳，形成完整的证据链，使结论可被第三方复核。
第八章 合规、伦理与操作安全
开源情报的正当性来自“公开”与“合法”。方法越是强大，越需要清晰的边界意识。本章从法律、伦理与操作安全三个层面给出底线要求。
图 8-1 开源情报作业的风险与合规底线：法律法规层、伦理准则层、操作安全层
8.1 法律法规层
· 尊重隐私与数据保护相关法规，明确采集与使用个人数据的法律依据；
· 仅采集公开可获取的信息，不突破访问控制、不实施欺诈或诱导；
· 对数据跨境传输、存储与销毁作出合规安排。
8.2 伦理准则层
· 坚持最小必要原则，不因技术上可行就过度采集；
· 避免对与调查目标无关的第三方造成伤害；
· 对未成年人等敏感群体保持克制，必要时予以回避。
8.3 操作安全层
· 使用与研究目标相隔离的身份与小号，做好个人操作安全（OPSEC）；
· 避免在采集过程中暴露调查意图与真实身份；
· 完整记录来源、访问时间与工具输出，保证结论可复现、可解释。
附录
附录 A 常用工具清单
图 A-1 开源情报常用工具链总览（按任务类型分组）
| | |
| — | — |
| 类别 | 代表性工具 / 资源 |
| 人员搜索 | thatsthem.com 、 truepeoplesearch 、 peekyou 、 cubib 、 zabasearch 、 radaris |
| 社交媒体 | Facebook 站内搜索与筛选、 LinkedIn 主页与公司页、 Instagram 关注者辅助工具、 Twitter 原生检索与第三方分析 |
| 地理位置 | Google 街景与相册球、卫星与航空影像、 Strava 热力图、 Wikimapia |
| 图像分析 | EXIF 元数据查看工具、反向图像检索引擎、地图测距与比对、时间与变化检测 |
附录 B 术语表
| | |
| — | — |
| 术语 | 含义 |
| OSINT | 开源情报：基于公开信息的情报采集与分析 |
| Pivot | 枢轴：将一条结果中的可靠字段作为新一轮检索输入 |
| Corroboration | 交叉验证：以多个独立来源相互印证结论 |
| EXIF | 图像文件中的元数据（设备、时间、 GPS 等） |
| OPSEC | 操作安全：保护调查者自身与调查过程不被察觉 |
| Photo Sphere | 用户上传的全景照片球，可 360° 观察现场 |
本教程依据公开培训材料整理改编，仅用于教学与研究目的；涉及个人数据的使用应遵守适用法律与伦理规范。
报告原文已上传知识星球
长按识别下面的二维码可加入星球
里面已有万余篇资料可供下载
续费五折优惠
免责声明：
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。
任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。
本文转载自：丁爸 情报分析师的工具箱 丁爸
丁爸《【教程】开源情报-社交媒体、地理位置与图像》