社交媒体映射器:智能链接识别的利器
尽管这个工具不再被积极维护,但它的一些功能仍然有效,并且我们欢迎拉取请求来保持其更新。
警告:Facebook现在在搜索达到一定数量后会检测到该工具,请使用一次性Facebook账号。
由Jacob Wilkin(Greenwolf)创建的**社交媒体映射器(Social Mapper)**是一个强大的开源情报工具,通过面部识别将社交媒体个人资料联系起来。它自动化地在流行社交媒体平台上搜索目标姓名和图片,以精确地检测并分组一个人的存在,生成的结果报告方便人类操作员快速审查。
项目技术分析
Social Mapper采用Python 3编写,依赖于Firefox、Selenium和Geckodriver等组件。它的设计考虑了自动化和准确性,利用先进的面部识别算法减少搜索结果中的误报,让手动审核变得更加高效。工具支持LinkedIn、Facebook、图片分享平台、Twitter、Google Plus、Instagram、VKontakte、Weibo和Douban等多个社交媒体平台。
应用场景
对于渗透测试人员和红队成员来说,Social Mapper是理想的工具,用于扩大目标列表并找到他们的社交媒体档案。它可以用来:
- 创建假社交账户"添加"目标,发送链接或恶意软件。
- 诱使用户披露电子邮件和电话号码,进行凭证收集或钓鱼攻击。
- 根据不同社交网站定制针对性的钓鱼活动,增加真实感,例如在邮件中包含目标的头像,提高点击率。
- 查看目标照片,寻找员工门禁卡或了解建筑内部结构。
项目特点
- 多平台支持:覆盖多个主流社交媒体平台,帮助你在各种环境中寻找目标信息。
- 自动化搜索:自动查找和关联名字和图片,节省大量人工时间。
- 面部识别:通过面部识别技术减少误报,提高搜索精度。
- 灵活输入:接受组织名称、CSV文件、图像文件夹等多种输入方式。
开始使用
在Linux、ChromeOS(开发者模式)和macOS上运行Social Mapper,首先确保安装了最新版的Firefox和Geckodriver,并将其添加到PATH中。然后按照readme文档安装必要的库和工具。请注意,为防止二步验证,所用账号语言需设置为"英文(美国)"。
要运行Social Mapper,从命令行提供所需的参数,包括输入类型、输入文件或文件夹、运行模式以及至少一个要检查的社交媒体站点。有多种可选参数供您调整速度、准确性和其他功能。
如果你对Social Mapper感兴趣,不妨试试这个强大的工具,发掘更多可能的应用场景。为安全行业提供数据支持,让你的工作更上一层楼。同时,如果你遇到问题,可以查看文档进行故障排除,或为该项目贡献你的修复建议。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00