ALIENS EYE

AI-OSINT ユーザー名スキャナー

AIを活用した高度なソーシャルメディアユーザー名検索ツール

MLを組み合わせた検出で840以上のプラットフォームをスキャン

ハイライト

840以上のプラットフォームを非同期で数秒以内にスキャン
ML + ヒューリスティック検出 — 単純なステータスコードチェックではなく、30の構造的シグナル（HTTPステータス、DOM構造、キーワード、フィンガープリント）と組み合わせた学習済みモデル
プロフィール抽出 — 各ヒットから表示名、プロフィール文、アバターを取得（OpenGraph / JSON-LD / サイト別CSS）
クロスサイト相関 — アバターハッシュ、プロフィール文、共有リンク、名前から同一人物と思われるプロフィールをクラスタリング（--correlate）
再帰的展開 — プロフィール文からリンクされたユーザー名を追跡して再スキャン（--recurse-depth N）
ドメインチェック — <username>.{com,io,net,…} が登録され稼働しているか？（--domains）
ウォッチモード — 一定間隔で再スキャンし、変更があれば通知。オプションでWebhookにも送信（--watch 6h --notify <url>）
再開可能なスキャン — 進捗をチェックポイントし、中断後も続行（--resume file.jsonl）
モダンなターミナルUI — ライブ進捗、ソートされた結果テーブル、サマリーパネル（rich を使用）。さらにインタラクティブブラウザ（aliens_eye tui、オプションの追加機能）
MCPサーバー — LLMエージェントにスキャンを公開（aliens_eye serve、オプションの追加機能）
プロキシ & Tor対応 — --proxy socks5://... または単に --tor
サイトフィルタリング — --site github,reddit、--exclude-site、--no-nsfw、さらにドロップインの sites.d/ プラグインサイトマップ
キャリブレーション済みセルフチェック — aliens_eye selfcheck がサイトごとの precision / recall / F1 / FPR を報告
再現可能な評価 — 固定したレスポンスコーパスを一度記録し、それを再生して実行ごとに同一のメトリクスを取得（aliens_eye corpus record / selfcheck --corpus）
アブレーションとベースライン — aliens_eye eval ablate が検出器構成をブートストラップ信頼区間付きでスコアリング。eval external は同じ保存済みレスポンスに対して Sherlock / Maigret / WhatsMyName のルールと比較
再トレーニング + アクティブラーニング — aliens_eye train で再トレーニング、または aliens_eye label で不確実なヒットに手動ラベル付け
レポート — JSON、CSV、HTML、Markdown、PDF、およびグラフ形式（GEXF、Mermaid、Maltego CSV）
Playwrightフォールバック — JavaScriptを多用するページ向け（オプションの追加機能）

インストール

pip install aliens-eye

オプションの追加機能:

pip install "aliens-eye[browser]"   # Playwright fallback for hard pages
python -m playwright install chromium

pip install "aliens-eye[train]"     # scikit-learn, for retraining the ML model
pip install "aliens-eye[correlate]" # Pillow, for avatar-image matching in --correlate
pip install "aliens-eye[pdf]"       # reportlab, for --format pdf
pip install "aliens-eye[tui]"       # textual, for the interactive `tui` browser
pip install "aliens-eye[serve]"     # mcp, for the `serve` MCP server

またはDockerで:

docker build -t aliens-eye .
docker run --rm -it aliens-eye username

ソースから:

git clone https://github.com/arxhr007/Aliens_eye.git
cd Aliens_eye
pip install -e .

使い方

# Interactive prompts
aliens_eye

# Single username
aliens_eye username

# Multiple usernames
aliens_eye username1 username2

# Advanced scan level (prefix/suffix variations)
aliens_eye username -l advanced

# Only scan specific sites
aliens_eye username --site github,reddit,gitlab

# Skip NSFW sites
aliens_eye username --no-nsfw

# Route through Tor (needs a local Tor daemon)
aliens_eye username --tor

# Any HTTP or SOCKS proxy
aliens_eye username --proxy socks5://127.0.0.1:1080

# Export everything
aliens_eye username --format all --output results

# Heuristics only, no ML
aliens_eye username --no-ml

# Non-interactive preset: quick / full / aggressive
aliens_eye username --profile quick

# Plain output for scripts and CI (no colors/progress)
aliens_eye username --plain

# View results from a previous scan
aliens_eye -r results/username_advanced_20260611_120000.json

# Correlate hits into "likely same person" clusters + check domains
aliens_eye username --correlate --domains

# Follow linked usernames out of found bios and re-scan them
aliens_eye username --recurse-depth 1

# Export a graph of the results (import into Gephi / Maltego / Mermaid)
aliens_eye username --correlate --format gexf,mermaid,maltego

# Investigator PDF with embedded avatars
aliens_eye username --format pdf

# Watch for changes every 6 hours and POST them to a webhook
aliens_eye username --watch 6h --notify https://hooks.example/aliens

# Resume an interrupted scan
aliens_eye username --resume scan.jsonl

# Compare two saved reports
aliens_eye diff results/old.json results/new.json

# Validate detection accuracy (precision / recall / F1 per site)
aliens_eye selfcheck --negatives 2 --report json

# Record a frozen response corpus, then evaluate against it reproducibly
aliens_eye corpus record --out corpus/v1 --split all --negatives 4
aliens_eye corpus stats corpus/v1
aliens_eye selfcheck --split holdout --corpus corpus/v1 --report json

# Compare detector configurations over that corpus, with confidence intervals
aliens_eye eval ablate --corpus corpus/v1 --split holdout

# Compare against Sherlock / Maigret / WhatsMyName rules (fetch their data yourself)
aliens_eye eval external --corpus corpus/v1 --sherlock data.json --whatsmyname wmn-data.json

# Rebuild the ground-truth splits from those projects account lists
aliens_eye eval groundtruth --sherlock data.json --whatsmyname wmn-data.json

# Interactively label uncertain hits into a training set
aliens_eye label results/username_basic_20260611_120000.json --out labeled.csv

# Interactive terminal browser (needs [tui])
aliens_eye tui username

# Run the MCP server for LLM agents (needs [serve])
aliens_eye serve

カスタムプラットフォーム: { "site_name": "https://site/{}" } 形式のJSONファイルを ./sites.d/（またはユーザー設定ディレクトリの sites.d/）に配置すると自動的にマージされます。 --sites-dir DIR で別の場所を追加できます。

検出の仕組み

すべてのレスポンスは30次元の特徴ベクトルに変換されます: HTTPステータスのバケット、ユーザー名の配置（パス/タイトル/meta/canonical）、エラーおよびプロフィールのキーワード、DOM構造（画像、フォーム、プロフィール/エラー用CSSクラス）、構造化データシグナル（og:type、JSON-LD Person）、レスポンスタイミング、リダイレクト回数、および過去のスキャンから学習したサイト別フィンガープリント一致。

次に2つの判定器が投票します:

ヒューリスティックエンジン — 特徴に対する重み付きスコアリング
MLモデル — 実在（および意図的に偽造した）アカウントのラベル付きスキャンで学習したロジスティック回帰。パッケージに同梱され、純粋なPythonで動作（実行時にsklearnは不要）

ブレンドされた確率は信頼度パーセンテージ付きで Found / Maybe / Not Found にマッピングされます。読み込まれたモデルがブレンドの重みとしきい値の両方を提供します — 同梱モデルは 0.9 * ml + 0.1 * heuristic を使用し、0.620 超でFound、0.360 未満でNot Foundとなります。モデルファイルが存在しないか無効な場合、スキャナーは core/detector.py のデフォルト（ML重み 0.4、しきい値 0.6 / 0.35）でヒューリスティックに静かにフォールバックします。完全な表は WORKING.md を参照してください。

Found/Maybeは検証すべき手がかりとして扱い、確定した発見とはみなさないでください。 同梱モデルは286プラットフォームの1,455サンプルで学習し、未見の142プラットフォームで評価されました: precision 0.65、recall 0.51、偽陽性率9%（F1 0.57）。すべてのアカウントを捕捉するよりも偽の手がかりを減らすことを優先しており、ホールドアウトプラットフォームでは、これを含めどの構成もF1において単純なHTTPステータスチェックと統計的に区別できません。

モデルの再トレーニング

pip install "aliens-eye[train]"

# 1. Scan ground-truth accounts + random non-existent usernames to build a dataset
#    (reads the train split only; the eval holdout is never touched)
aliens_eye train collect --out dataset.csv --negatives 4

Aliens_eye

人気