红队成员的OSINT公司侦察指南 | AI生成和翻译

Home 2026.06

问题： 什么是公司的“公开信息”？如何系统性地利用这些信息——再加上黑客/OSINT技术——在加入公司前深入调查其产品、技术栈和基础设施，并借助AI智能体增强调查效果？

回答：

这就是将OSINT（开源情报）应用于公司尽职调查。核心思路是：你扮演的是进行侦察的红队成员，而不是只看Glassdoor的求职者。

公开信息面

1. 人员层

2. 产品/前端层

3. 基础设施层

4. 代码/产物层

5. 云服务特有注意事项 ⚠️

这是法律敏感地带。被动侦察 = 没问题。主动利用 = 违法。

技术 合法？ 备注
证书透明度 ✅ 完全被动
Shodan查询 ✅ 被动，Shodan已扫描
DNS枚举 ✅ 被动
子域名暴力破解 ⚠️ 灰色地带——会发送数据包
访问暴露的S3存储桶 ⚠️/❌ 即使是“公开”存储桶也有法律风险
对API进行模糊测试 ❌ 属于CFAA管辖范围
利用任何漏洞 ❌ 刑事犯罪

为此设计的AI智能体架构

下面是一个实用的智能体，用于自动化侦察流程：

import anthropic
import subprocess
import json
import httpx
from typing import Any

client = anthropic.Anthropic()

tools = [
    {
        "name": "run_subfinder",
        "description": "通过证书透明度和被动DNS枚举子域名",
        "input_schema": {
            "type": "object",
            "properties": {"domain": {"type": "string"}},
            "required": ["domain"]
        }
    },
    {
        "name": "fetch_crtsh",
        "description": "查询证书透明度日志获取子域名",
        "input_schema": {
            "type": "object",
            "properties": {"domain": {"type": "string"}},
            "required": ["domain"]
        }
    },
    {
        "name": "fetch_job_postings",
        "description": "获取并分析招聘信息以推断技术栈",
        "input_schema": {
            "type": "object",
            "properties": {"company_name": {"type": "string"}},
            "required": ["company_name"]
        }
    },
    {
        "name": "analyze_headers",
        "description": "从URL获取HTTP头部以检测CDN、云服务商、框架",
        "input_schema": {
            "type": "object",
            "properties": {"url": {"type": "string"}},
            "required": ["url"]
        }
    },
    {
        "name": "github_search",
        "description": "在GitHub上搜索公司仓库和泄露信息",
        "input_schema": {
            "type": "object",
            "properties": {"query": {"type": "string"}},
            "required": ["query"]
        }
    }
]

def run_tool(name: str, inputs: dict) -> Any:
    if name == "fetch_crtsh":
        domain = inputs["domain"]
        r = httpx.get(
            f"https://crt.sh/?q=%.{domain}&output=json",
            timeout=15
        )
        names = list(set(
            entry["name_value"]
            for entry in r.json()
            if "*" not in entry["name_value"]
        ))
        return {"subdomains": names[:50]}  # 限制数量

    elif name == "analyze_headers":
        url = inputs["url"]
        r = httpx.head(url, follow_redirects=True, timeout=10)
        return {
            "headers": dict(r.headers),
            "status": r.status_code,
            "final_url": str(r.url)
        }

    elif name == "github_search":
        # 使用GitHub搜索API
        query = inputs["query"]
        r = httpx.get(
            "https://api.github.com/search/repositories",
            params={"q": query, "sort": "updated", "per_page": 10},
            headers={"Accept": "application/vnd.github.v3+json"},
            timeout=10
        )
        items = r.json().get("items", [])
        return [{"name": i["full_name"], "desc": i["description"],
                 "stars": i["stargazers_count"], "lang": i["language"]}
                for i in items]

    return {"error": f"工具 {name} 未实现"}

def recon_agent(target_company: str, target_domain: str) -> str:
    messages = [
        {
            "role": "user",
            "content": f"""对以下公司进行被动OSINT侦察：公司 '{target_company}'，域名为 '{target_domain}'。

你的目标：构建一份技术情报报告，涵盖：
1. 基础设施（云服务商、CDN、IP范围）
2. 技术栈（框架、数据库、监控）
3. 工程团队信号（来自GitHub）
4. 能揭示内部产品架构的子域名

按顺序使用工具。先从证书透明度开始，然后是头部分析，再是GitHub。
仅限被动侦察——不进行主动扫描或利用。"""
        }
    ]

    while True:
        response = client.messages.create(
            model="claude-sonnet-4-6",
            max_tokens=4096,
            tools=tools,
            messages=messages
        )

        if response.stop_reason == "end_turn":
            return next(
                b.text for b in response.content
                if hasattr(b, 'text')
            )

        # 处理工具调用
        tool_results = []
        for block in response.content:
            if block.type == "tool_use":
                print(f"[agent] 调用 {block.name}({block.input})")
                result = run_tool(block.name, block.input)
                tool_results.append({
                    "type": "tool_result",
                    "tool_use_id": block.id,
                    "content": json.dumps(result)
                })

        messages.append({"role": "assistant", "content": response.content})
        messages.append({"role": "user", "content": tool_results})

if __name__ == "__main__":
    report = recon_agent("Anthropic", "anthropic.com")
    print(report)

综合层——AI的优势

原始OSINT数据是噪音。智能体的真正价值在于综合：

发现的子域名：
  api-internal.target.com → 暗示存在独立的内部API网关
  grafana.target.com → Prometheus/Grafana可观测性技术栈
  kafka-ui.target.com → 正在使用Kafka，管理界面暴露
  staging-ml.target.com → 独立的机器学习服务基础设施

招聘信息中提到：
  "PyTorch, Ray, vLLM" → 机器学习推理技术栈
  "Temporal用于工作流编排"
  "ClickHouse用于分析"

GitHub：
  3个公有仓库使用了它们的内部SDK → 命名规范暴露

结论：基于AWS，采用Kafka+Temporal事件驱动架构，
Ray/vLLM用于机器学习服务，Grafana可观测性，很可能使用Kubernetes。
根据LinkedIn和提交速度判断，工程团队约40人。

不需要内部信息。一个积极主动的外部人员借助这套工具，对公司产品技术栈的了解程度可能超过许多非技术岗位的员工。

你无法获取的信息（除非进入公司内部）

但产品质量、架构、规模、可观测性成熟度、安全卫生——这些都可以从外部观察到。

Back Donate