企业官网建设流程全解析

SpiderFoot OSINT 信息收集工具：10 分钟搭建你的第一个自动化威胁情报扫描

【免费下载链接】spiderfootSpiderFoot automates OSINT for threat intelligence and mapping your attack surface.项目地址: https://gitcode.com/GitHub_Trending/sp/spiderfoot

你正在对 example.com 做安全调研：它有哪些子域名？哪些邮箱地址在公网暴露？关联 IP 是否上了威胁情报黑名单？有没有哪个云存储桶忘了关？这些活靠手工一个个翻，一天下来可能才查完两三成。SpiderFoot 是一个开源的 OSINT（开源情报）自动化工具，面向威胁情报收集与攻击面测绘——你只输入一个目标，它内置的 200 多个模块就会自动分工合作，把互联网上公开的信息抓取、提取、关联成一份完整的情报视图。

它为什么能覆盖大部分 OSINT 场景

SpiderFoot 的设计核心是「200+ 模块 + 发布/订阅」：

• 模块即数据源：域名枚举、邮件/电话提取、威胁情报查询（Shodan、GreyNoise、HaveIBeenPwned 等）、端口扫描、云存储桶探测、社交媒体账号关联……几乎每类数据源都是一个独立模块，代码在 modules/ 目录下。
• 模块之间互相喂数据：一个模块发现的 IP 会成为其他模块的输入，比如先解析出 IP，再自动去查它是否被多个情报源标记为恶意，最大化单次扫描的产出。
• 大多数模块零门槛：大部分模块不需要 API 密钥，需要密钥的也多提供免费额度，Web 界面里可以集中管理和导入导出密钥。
• 两种操作方式：内置 Web 服务（图形界面）和命令行，见 sf.py 与 sfcli.py。

三条命令安装并启动

要求 Python 3.7+，克隆仓库后两条命令即可跑起来：

git clone https://gitcode.com/GitHub_Trending/sp/spiderfoot cd spiderfoot pip3 install -r requirements.txt

然后启动 Web 服务：

python3 ./sf.py -l 127.0.0.1:5001

浏览器打开http://127.0.0.1:5001，SpiderFoot 的扫描管理界面就在眼前。首次启动会初始化 SQLite 数据库，之后所有扫描结果都保存在本地，可用 SQL 直接查询。

用 Docker 部署

如果不想碰 Python 环境，仓库自带 Dockerfile 和 docker-compose.yml：

docker build -t spiderfoot . docker run -p 5001:5001 spiderfoot

容器默认监听 5001 端口，数据目录可以挂载卷持久化，效果与本地安装一致。

创建第一次扫描：从目标到结果

Web 界面四步流程

1. 点击 New Scan，输入目标；
2. 选择模块（新手直接用默认选择即可）；
3. 点击 Run Scan；
4. 在扫描页实时查看各模块进度与发现的数据。

目标类型很宽：域名、子域名、主机名、IP、网段（CIDR）、ASN、邮箱、电话号码、用户名、人名，甚至比特币地址都支持。

一条命令的命令行扫描

不想开界面，一行命令即可完成「扫描 + 导出」：

python3 ./sf.py -s example.com -u passive -o csv

几个常用参数：

建议第一次就用-u passive：不动目标、只查询公开数据源，几分钟后就能拿到一份干净的结果集。

关联分析：把一堆数据变成结论

SpiderFoot 4.0 引入了基于 YAML 的关联分析引擎：扫描结束后，它会自动对结果跑一遍内置规则，直接告诉你哪些发现值得关注，而不是一股脑丢数据。

• 37 条预置规则位于 correlations/，覆盖典型风险场景：多个情报源同时报恶意的 IP、暴露在互联网上的数据库、泄露软件版本的开放端口、可被接管的子域名、异常外泄的邮箱等等。
• 规则可读性很高，以 open_port_version.yaml 为例，它从扫描结果中挑出端口横幅，用正则匹配出版本号，按横幅分组后报告「某开放端口暴露了软件版本」。
• 写自己的规则：复制 correlations/template.yaml，填好 ID、描述、风险级别和收集条件，保存后重启即生效。规则结构就是「收集（collections）→ 分组（aggregation）→ 过滤分析（analysis）→ 结论（headline）」四段，详细字段说明见 correlations/README.md。
• 结果同时存在 SQLite 的tbl_scan_correlation_results表里，方便脚本化处理。

结果导出与二次定制

• 三种导出格式：CSV（进 Excel 分析）、JSON（接自动化流程）、GEXF（导入图可视化工具看数据关联图谱）。
• 自定义收集模块：在 modules/ 下参考 sfp_template.py 写一个 Python 类即可注册进框架，与内置 200 多个模块同等对待。
• 外部工具联动：它还可以调用 DNSTwist、WhatWeb、Nmap、Nuclei 等本地工具（modules/sfp_tool_nmap.py），把传统渗透工具的输出并入统一数据流。
• 更多背景资料可看 docs/ 下的官方文档源。

下一步

SpiderFoot 的价值在于：把「查一个目标」从手工翻几十个网站，压缩成一条命令加一次等待，且结果带结论、可导出、可复现。

建议你现在就选一个自己名下的域名，跑一次-u passive扫描，导出 CSV 看看结果；然后打开 correlations/template.yaml 写一条属于自己的关联规则——这一步走完，你就完成了从用户到贡献者的转变。

使用提醒：请只扫描你有权评估的目标，控制扫描频率，避免触发速率限制或影响对方服务。

【免费下载链接】spiderfootSpiderFoot automates OSINT for threat intelligence and mapping your attack surface.项目地址: https://gitcode.com/GitHub_Trending/sp/spiderfoot