Skip to content
KitploitKITPLOIT
工具漏洞利用博客
Log in
提交
工具漏洞利用博客
提交

黑客、渗透测试和网络安全工具,武装您的安全武器库!

Kitploit 是一个黑客、网络安全和渗透测试工具的目录。发现最新的项目更新,查找漏洞、分析系统、自动化测试并加强你的安全。

订阅源联系隐私© 2026 Kitploit

工具目录

分类

查看所有分类
Loading categories
MOSAIC — 隐私优先、实验性的社会学框架实现,用于多平台位置分析。 | Kitploit
工具/GitHubGitHub/or1un/mosaic
OSINT (开源情报)侦察信息收集隐私保护社会工程学威胁情报论文与研究学习与教育
GitHubor1un/mosaic

MOSAIC

隐私优先、实验性的社会学框架实现,用于多平台位置分析。

查看仓库
4397429天前Kitploit 审核通过
分享

MOSAIC

多平台个体配置的观察与社会动力学分析

本仓库是一个概念验证。 MOSAIC 是一个用于多平台行为分析的社会学框架,它先以论文形式构建,之后才以代码形式实现。你在这里看到的是它的第一个测试平台:理论在此与真实数据相遇,也在此被允许失败。

MOSAIC 演示


理念

考虑一个示例性案例。同一个人参与不同的数字环境。在 GitHub 上,其贡献显得有条不紊且富有协作精神。在 Reddit 上,其交流更具对抗性。在 YouTube 评论中,其发言更简短、更显轻蔑。

大多数工具会问:哪种描述最能刻画这个人。MOSAIC 则提出一个不同的问题:是什么解释了跨情境的差异,以及从中可以合理地推断出什么?

不是某人是谁。而是其所处的位置。

该框架的核心假设:

数字痕迹不应被解读为稳定的行为信号,而应被解读为跨社会技术环境的结构化位置性变异。

平台之间的差异并非需要过滤掉的噪声。它就是信号。 该框架提出通过三个组成部分来解读它:

  • 什么保持不变:跨情境持续存在的东西。
  • 什么发生适应:随每个平台的约束与激励而连贯变化的东西。
  • 什么滑脱:前两者都无法完全解释的东西。

这些是分析性范畴,而非发现。“什么滑脱”并不揭示公共呈现背后隐藏的“真实自我”;它标记的是前两种解读不再能解释数据的地方。三者被作为一个结构来解读,绝不坍缩为一个分数。

这是一个概念性框架。其假设尚未经过实证验证,当前代码也无法证明它们。

MOSAIC 被设计用来做什么,以及不做什么

这些区分是方法论上的承诺,而非保证。仅凭理论意图并不能决定一个系统实际做什么:它所收集的数据、它生成的输出以及它所促成的用途同样重要。

设计上不用于设计上用于
推断人格分析表达如何随情境变化
预测行为描述某个位置使哪些行动变得合理
进行心理画像在某个场域中映射一个位置
监视在特定时刻产生一份按时间索引的解读

每一项承诺只有在实践中被遵循时才成立。“合理”仍然是一种推断,而非经过验证的预测。描述一个位置本身并不是心理画像,但如果它把稳定特征归因于某个人,就可能滑向心理画像。按时间索引的解读本身并不是监视,但如果收集、同意、保留和使用不遵循同样的承诺,它就可能服务于监视。

大师不需要了解棋手。位置本身就足够了。

框架 vs. 本仓库

状态
理论:三层架构、信号分解、位置性资本、认识论承诺论文 I — 工作论文,未经同行评审
方法:各组成部分的协议、分析决策的语法、验证论文 II — 准备中
代码:多平台收集、结构化、LLM 辅助解读Alpha PoC — 本仓库

代码有意落后于理论。它负责收集、结构化,并能产生 LLM 辅助的输出。这些输出尚不是对该框架协议完整或可复现的应用,这些协议正在论文 II 中加以规范。当前的提示模板早于该框架,将被重写以遵循它。

MOSAIC 提供的是分析的语法,而非经过验证的分析程序。当前代码可以产生 LLM 辅助的输出,但分析师仍需对其解读负责。

MOSAIC 架构

快速开始

git clone https://github.com/Or1un/MOSAIC.git && cd MOSAIC
pip install -r requirements.txt
cp modules/config.yaml.example modules/config.yaml   # optional: YouTube, Telegram keys
python3 mosaic.py

本地 LLM 分析(推荐):

pip install -r requirements_llm.txt
curl -fsSL https://ollama.com/install.sh | sh   # Windows: https://ollama.com/download
ollama serve &
ollama pull mistral:7b-instruct

来源: GitHub、Stack Overflow · Reddit、Telegram、Mastodon、Bluesky · YouTube、Medium

数据与使用

隐私优先,落到实处

隐私优先意味着默认本地处理,既针对分析者,也针对被分析者。

  • MOSAIC 从你选择的平台收集公开痕迹,并将其存储在本地 results/ 目录中(已被 git 忽略)。
  • 默认情况下,LLM 辅助分析通过 Ollama 在本地运行;提示词和分析数据不会发送给远程 LLM 提供商。收集过程本身仍会查询来源平台。
  • 远程 LLM 为可选项。如果你选择使用,你提交的数据将离开你的机器,并按照该提供商的服务条款进行处理。
  • 数据保留由你决定:分析结束后删除 results/ 即可。

隐私优先是一种设计默认值,而非保证:它仅在分析者遵守的前提下成立。

适用对象

自我分析、社会动力学研究,以及有志愿者参与的分析。知道某项分析的存在并不等同于同意该分析,而仅有同意也不足以解决比例性、数据最小化或结果复用的问题。对于涉及志愿者的分析,同意的条件与退出机制将在 Paper II 的参与者招募中具体说明。

不适用于监视、跟踪、骚扰、在他人不知情的情况下对其进行分析,或大规模自动化分析。

合规性。 你需自行负责遵守 GDPR 及当地法律。MOSAIC 不会使任何使用行为自动合规;本 README 描述的是工具本身,而非法律保证。

深入了解

  • 理论: Paper I — Why(工作论文)
  • 文章系列: Medium 上的 The Variance is the Signal, and what follows
  • 即将推出: Paper II — How(筹备中,尚未发布),届时将招募志愿分析者和研究对象

来挑刺

目标不是证实理论,而是看哪些部分能在真实数据的检验下存活。挑战假设、方法和伦理。指出它失败的地方。

GitHub 上的 Issues 和 Discussions · 或[email protected]

下载工具

最受欢迎

查看全部 →

发现我们社区最常用的工具。

暂无热门数据。

探索所有工具

浏览我们的工具集合

查看所有工具 →