OSINT 个人画像器

公开数据下的个人画像重建难题

个人信息在互联网上天然碎片化：职业信息散落在招聘平台，社交关系分散于不同社区，抽象特征（如行为模式、动机）则隐藏在动态更新的帖子与互动中。传统人工调研难以高效完成跨平台关联，也无法系统化量化推断结果的可信度，同时稍有不慎就可能触及非公开信息，触碰法律红线。

技能的核心工作逻辑

OSINT Personal Profiler 基于 三层12维正交画像模型 重构收集流程：

• 目标发现与源映射：从最小识别信息（如昵称、邮箱）扩展为完整的信息源地图，按信息密度和可信度排序，评估各源的可达性（直接访问/需注册/受限）。
• 12维逐维收集：实体层（维1-6）直接提取公开的职业、身份、文化背景等；社会层（维7-8）通过社交图谱分析构建关系网络与层级定位；抽象层（维9-12）通过写作风格、职业轨迹等模式推断元操作、动机与动态。
• 跨源关联与置信度：对重复信息去重，矛盾信息按可信度排序标注，每条信息附高/中/低/推断的置信度标记，并识别无法通过公开渠道获取的维度缺口。
• 法律合规守护：每步操作前检查法律边界，标注信息源合法性，对需授权的源标记"需授权，未收集"，禁止触碰非公开信息。

执行时遵循结构化管线：先通过三轴判定（复杂度、内容类型、创新需求）校准流程，再按"目标发现→实体层收集→社会层收集→抽象层推断→跨源关联→画像组装"的顺序推进，其中实体层收集可并行执行，最终输出包含置信度矩阵、信息源清单与缺口清单的完整画像。

适用边界与注意事项

本技能严格限定于公开信息的合法收集，禁止用于以下场景：

• 收集私密/加密通信内容、利用系统漏洞获取非公开数据
• 社工攻击、购买非法数据泄露库信息
• 针对未成年人的非授权信息收集（监护人或法律授权场景除外）

当目标信息不足、信息源不可达、抽象维度无法推断或法律边界存疑时，技能会进入降级模式：仅基于已有信息构建部分画像，缺失维度标记"【信息不足】"，矛盾信息保留多版本，存疑操作直接跳过并标注原因。所有推断信息必须标注推理链条，画像数据本地存储且输出时可选择脱敏处理，确保符合隐私保护要求。