新闻详情

新闻详情

首页 / 资讯中心 / 详情

如何给Aliens Eye添加自定义平台?sites.d即插即用插件完整教程

发布时间:2026/11/16 13:07:56来源:尧图网络
如何给Aliens Eye添加自定义平台?sites.d即插即用插件完整教程
如何给Aliens Eye添加自定义平台sites.d即插即用插件完整教程【免费下载链接】Aliens_eyeHunt down 840 social media accounts using AI项目地址: https://gitcode.com/gh_mirrors/al/Aliens_eyeAliens Eye 是一款 AI 驱动的 OSINT 用户名扫描工具可同时在 840 个社交媒体平台上查找同名账号。内置平台清单来自 sites.json但如果你想扫描的工具没有收录某个平台无需修改任何源码——只要往sites.d/目录丢一个 JSON 文件平台就会即插即用。本篇教程带你从零完成第一次自定义平台添加。一、先搞懂平台是怎么定义的Aliens Eye 里每个平台本质上只有一条数据平台名 → 主页 URL 模板。例如内置清单 sites.json 中的一条telegram: https://t.me/{}{}是占位符扫描时会被替换成用户名。整个查找过程就是把用户名填进模板、批量访问 800 多个平台再交给 30 维特征向量 机器学习混合检测器判断账号是否存在详见 WORKING.md。所以添加平台这件事难度只在于找到目标平台的用户主页 URL 规律。二、sites.d 插件文件格式3 步上手第 1 步找到目标平台的 URL 规律在浏览器里打开一个你确认存在的账号主页观察地址栏。常见的形态有平台 URL 形态示例模板写法/用户名example.com/johnhttps://example.com/{}用户名example.com/johnhttps://example.com/{}/u/用户名example.com/u/johnhttps://example.com/u/{}/profile/用户名example.com/profile/johnhttps://example.com/profile/{}子域名形式john.example.comhttps://{0}.example.com/第 2 步写一个 JSON 文件在项目根目录下新建sites.d/文件夹没有就建一个放入文件比如my_platform.json{ my_platform: https://myplatform.com/user/{}, another_site: https://another.site/{} }格式要求很简单scanner.py 中的load_site_plugins实现顶层必须是一个JSON 对象键是平台名自定义扫描结果里会显示这个名字值是带{}占位符的 URL 模板一个文件里可以放多个平台平台再多也可以拆成多个文件文件名必须以.json结尾其他扩展名会被忽略文件内容无效如 JSON 语法错误时会被静默跳过不会导致扫描崩溃——但你也得自己检查格式。第 3 步验证生效指定刚写的目录再跑一次扫描aliens_eye myusername --site my_platform启动日志里出现Merged 1 plugin site(s) from sites.d directories就说明插件合并成功了。用--site my_platform过滤能最快看到效果不用等 840 个平台全部扫完。三、插件放在哪三种位置任选load_site_plugins默认按以下顺序合并scanner.py./sites.d/—— 当前工作目录下的sites.d临时试验最方便用户配置目录的sites.d/—— 全局生效。Linux 下一般是~/.config/aliens_eye/sites.d/由 platformdirs 按系统自动确定一次配置、处处可用 3生效--sites-dir参数—— 命令行临时追加一个额外目录例如aliens_eye myusername --sites-dir /path/to/extra_sites三个位置的文件全部合并适合内置 840 个 我的个人插件 团队协作目录这种分层管理。四、重名覆盖规则谁说了算平台名冲突时合并顺序决定了最终结果优先级从低到高是内置 sites.json → ./sites.d/ → 用户配置目录 → --sites-dir也就是说后加载的覆盖先加载的。你想给某个已收录平台换一个更准的 URL 模板比如它改版了只需在sites.d里用同一个平台名写新模板即可覆盖内置定义完全不需要动源码。五、常见问题排查清单Q1扫描时找不到我加的平台检查文件后缀是否为.jsonscanner.py 只 glob*.json用python3 -m json.tool 文件名验证 JSON 语法是否合法确认顶层是对象{}而不是数组[]。Q2用户名带特殊字符怎么办无需担心。模板填充走 format_site_url用户名会先做百分号编码再填入、空格、中文等字符都不会弄坏 URL如果模板本身format失败还有replace({}, ...)兜底。Q3结果总显示 Not Found但账号明明存在这是检测器的事不是插件的事。建议用aliens_eye selfcheck看该平台精确率或先用--no-ml对比纯启发式结果。平台 JS 渲染重主页是空壳、内容靠前端加载的话可装aliens-eye[browser]启用 Playwright 兜底。Q4插件能用于 API/库调用吗能。api.load_sites() 同样走插件合并逻辑Python 里构建自己的工具链时无需任何额外配置。六、写在最后场景推荐位置临时试一个平台./sites.d/个人常用平台用户配置目录sites.d/团队共享平台包单独目录 --sites-dir整个机制只有一个 JSON 对象 一个占位符这么简洁配合 config.example.json 里的其他配置项你完全可以把 Aliens Eye 改造成贴合自己调查习惯的定制版扫描器。添加完自己的第一批平台后不妨再用aliens_eye selfcheck验证一下新平台的检测准确度——这才是即插即用插件的完整闭环。【免费下载链接】Aliens_eyeHunt down 840 social media accounts using AI项目地址: https://gitcode.com/gh_mirrors/al/Aliens_eye创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉