OSINT 图谱分析器 🕵️

基于开源情报（OSINT）数据构建知识图谱，并利用 Neo4j 图算法发现隐藏模式。

功能概述

从多个来源获取 OSINT 数据，创建 Neo4j 知识图谱，实现以下功能：
- 实体链接 — 跨平台关联同一人物
- 社区发现 — 识别相关实体的集群
- 中心性分析 — 定位网络中的关键影响者
- 路径分析 — 追踪实体间的连接关系
- 模式识别 — 检测异常与隐藏关联

应用场景

• 调查工作流 — 在复杂案件中绘制关系网络
• 威胁情报 — 识别攻击网络中的核心节点
• 社交网络分析 — 发现社区结构与影响力模式
• 反 OSINT — 评估自身暴露面

环境要求

• Neo4j 5.x（本地或远程）
• Python 3.9+
• neo4j-driver 包

使用方法

# 启动 Neo4j 实例（本地）
docker run -d \
  --name neo4j \
  -p 7474:7474 -p 7687:7687 \
  -e NEO4J_AUTH=neo4j/password \
  neo4j:5.23

# 数据导入
python3 scripts/osint-graph.py --ingest data/sources.csv

# 运行社区发现算法
python3 scripts/osint-graph.py --community-detection

# 查找核心实体（前 10 名）
python3 scripts/osint-graph.py --centrality --top 10

# 追踪两个实体间的路径
python3 scripts/osint-graph.py --path "实体 A" "实体 B"

# 导出图谱用于可视化
python3 scripts/osint-graph.py --export graph.json

数据格式

支持格式：
- CSV（节点 + 边文件）
- JSON（Cypher 查询语句）
- 直接 API 导入（Telegram、Twitter 等）

CSV 示例：

nodes.csv:
id,name,type,properties
1,@target_account,person,"{country:US,verified:true}"
2,@associated_handle,person,"{country:RU}"

edges.csv:
source,target,relationship,timestamp
1,2,MENTIONED,2026-01-31

图算法

系统架构

┌─────────────────┐
│  数据导入层     │  ← CSV/JSON/API 数据源
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│  Neo4j 图谱层   │  ← 节点 + 关系
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│  算法分析层     │  ← GraphX / Neo4j 图算法
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│  可视化输出层   │  ← JSON 导出 + D3.js / Cytoscape
└─────────────────┘

设计灵感

• CRIS — 基于 Neo4j 的多智能体犯罪情报系统
• Context Graphs — 语义搜索 + 结构分析
• osint-analyser — 基于 LLM 的 OSINT 自动化工具

本地化承诺

• 数据仅存于本地 Neo4j 实例
• 分析过程无需调用外部 API
• 支持可选离线模式

版本历史

• v0.1 — 最小可行产品：支持 CSV 导入、基础算法、JSON 导出
• 路线图：API 集成、机器学习异常检测、实时更新