Vitalcheffe/nexus-platform

# NEXUS 我在 Telegram 上花费了大量时间。不是为了看表情包——而是为了获取信息。我关注了大约 90 个频道：冲突地区、OSINT 分析师、战地记者、AIS 追踪器、以及战争双方军事博主。随着时间的推移，这成了一种习惯，然后变成了一套系统，最后成了一个真正的问题。 问题在于，手动跟踪所有这些信息既令人筋疲力尽又不可靠。你得在频道之间来回切换，交叉比对时间戳，试图搞清楚关于同一起爆炸的三篇帖子是三个独立来源，还是同一个谣言在四处传播。你有一半的时间会搞错，甚至不知道自己什么时候搞错的。 后来我在 GitHub 上发现了 [WorldWideView](https://github.com/silvertakana/worldwideview) —— 一个使用 CesiumJS 和 Next.js 构建的 3D 地球，架构清晰，插件系统完善。我盯着它看了很久，心想：如果不用我去找信息，而是信息主动找我——并且经过地理定位、评分、实时绘图，那会怎样？ 这就是最初的构想。于是我开始动手构建。 ## 它的功能  它同时从 35 个以上的开源数据源拉取数据：卫星火点探测、地震传感器、ADS-B 航空应答机、AIS 船舶追踪、GPS 干扰地图、GDELT 新闻档案、维基百科编辑速度（发生突发事件时维基百科的编辑速度*非常快*——它作为早期预警信号比听起来更可靠）、来自 Cloudflare Radar 和 Netblocks 的互联网关闭检测、经济异常检测、以及来自 Sentinel-1 和 Sentinel-2 的 SAR 图像。 每一个进入系统的信号在显示到屏幕上之前都会经过关联处理。核心理念是：一个信号是噪声，两个是巧合，三个独立来源在紧凑的时间窗口内确认同一地点的同一事件才可能是真实的。引擎在六个维度上计算分数： ``` total = spatial×0.18 + temporal×0.16 + semantic×0.18 + behavioral×0.14 + historical×0.14 + source_diversity×0.12 + confidence×0.08 ``` 空间维度使用信号聚类质心的 Haversine 距离——超过 500km 后降为零。时间维度衡量信号间时间窗口的紧凑程度——3 分钟内为全权重，3 小时后为零。语义维度使用分词描述之间的 Jaccard 相似度。来源多样性计算唯一的独立数据源——一个同时被 GDELT、AIS、Telegram 和 USGS 确认的信号得分接近 1.0。 在总分超过阈值之前，地球上不会显示任何内容。地球在大多数时间是完全静默的。当有东西出现时，意味着多个独立系统在几分钟内报告了同一件事。 ## Telegram 层  92 个频道，每个都有可信度分数。该分数基于三点：该频道*率先*报道某事并随后被证实的频率、包含可验证坐标的频率、以及其历史上的造假记录。 像 @iswnews 这样的频道得分为 83。官方宣传机构的得分为 15，其发布的所有内容都会相应降权。一个拥有长期准确且快速记录的频道，即使只有 3,000 名追随者，也会被认真对待。一个拥有 80 万追随者但只是晚 6 分钟转发路透社消息的扩音器账号，并不值多少钱。 这些频道被组织成不同的集群：西方分析机构、中立聚合器、西班牙地缘政治（西班牙语圈有一个出人意料强大的 OSINT 社区）、数据可视化，以及——因为理智诚实很重要——极右翼极端主义账号（受到最大的可信度惩罚，但仍被监控，因为即使是恶意行为者有时也会率先报道真实事件）。 使用 Telethon 的 Python 后端并行监控所有 92 个频道。帖子被标记、评分、尽可能进行地理定位，并作为 `TelegramSignal` 对象推送到 SSE 流中。 ## 矩阵  其中一个标签页是一个 9×11 的热力图——九个活跃区域（霍尔木兹、加沙、基辅、红海、台湾、伊斯法罕、平壤、莫斯科、斯普拉特利群岛）对阵十一个来源类别。每个单元格显示该来源在过去 6 小时内为该区域生成了多少活动。你可以一目了然地看到哪些区域正在升温，以及哪些来源在推动它。霍尔木兹海峡在 AIS、GDELT、Telegram 和 NOTAM 上同时亮起，与仅在 Telegram 上亮起是完全不同的情况。 ## 暗网层 一个独立的 Python 脚本处理明网和 Tor 可访问的来源：4chan 的 /pol/ 和 /k/ 版块（虽然混乱，但在冲突报道方面确实非常快）、OSINT 子版块、Bellingcat、通过 .onion 镜像访问的调查媒体，以及被监控用于威胁情报的勒索软件泄露网站。所有内容都通过 Tor SOCKS5 代理，作为明网信号到达同一个 SSE 流，标记为 `onion: true` 或 `false`。 ## 科学层 文本分析基于已发表的研究，而非凭感觉。每个信号描述都会通过以下方式评分： - **LDA 主题建模**（Mueller & Rauh, APSR 2018）——提取底层主题分布以改善语义匹配 - **速度惩罚**（Vosoughi et al., MIT/Science 2018）——相对于其内容类型，对传播速度异常快的信号进行降权，这是可靠虚假信息信号 - **ViEWS 校准**（PRIO Oslo 2024）——按国家/地区将事件计数和分数阈值映射到冲突升级概率 - **CUSUM 异常检测**（序列变点分析）——实时标记各区域信号量的统计异常 - **CIB 检测**（Harvard Shorenstein 2024）——对 Telegram 频道间的协同虚假行为模式进行评分 - **Sentinel SAR 评分器**（ETH CSS 2024）——针对 7 个活跃区域，根据基线卫星图像评估合成孔径雷达异常 这些都不是装饰品。它们被接入评分流水线，并影响屏幕上显示的内容。 ## 运行它 ``` git clone https://github.com/Vitalcheffe/nexus-platform cd nexus-platform npm install npm run dev ``` 大多数数据源无需任何密钥即可工作——GDELT、USGS 地震、维基百科、ADSB.fi、GPSJam、UN ReliefWeb。真正的实时数据，立即可用。免费注册即可解锁其余功能：用于冲突事件的 ACLED、用于火点探测的 NASA FIRMS、用于互联网关闭的 Cloudflare Radar、用于海事信息的 AISstream。 对于 Telegram 收集器： ``` pip install telethon httpx beautifulsoup4 export TELEGRAM_API_ID=... export TELEGRAM_API_HASH=... python3 scripts/nexus_telegram_collector.py ``` 对于暗网收集器，Tor 需要在端口 9050 上运行： ``` tor & python3 scripts/nexus_darkweb_collector.py ``` 还有一个轻量级版本（`nexus_replit_collector.py`），完全跳过 Tor，可在任何免费主机上运行。部署运行在 Render.com 的免费层上——仓库中已经有一个 `render.yaml`。UptimeRobot 每 5 分钟 ping 一次 `/api/health` 以保持唤醒。总基础设施成本：零。 ## 背景 我今年 16 岁。我构建这个项目是因为我对一个真实的问题感到真正的沮丧，而不是因为这似乎是一个值得炫耀的项目。 大多数有趣的决策不是关于添加功能——而是关于*不*显示什么。地球在大多数时候保持静默是有意为之的。单个信号没有任何意义。重点在于有足够的定力去等待信号融合。 有些部分仍然粗糙。原始代码库中仍有一些我尚未完全解决的 TypeScript 警告。一些演示信号是合成替代品，用于替代需要凭证的数据源。科学层已经接入，但可以针对基本事实进行更仔细的调整。这是一个真正的项目，不是作品集展示品——这意味着它是未完成的，就像所有真实事物总是未完成的一样。 如果你在这个领域工作——地理空间情报、实时数据聚合、冲突监控——请开启一个 issue 或联系我。 基于 silvertakana 的 [WorldWideView](https://github.com/silvertakana/worldwideview) 构建。许可证：MPL-2.0。 **参考文献：** Mueller & Rauh (2018) APSR · Vosoughi et al. (2018) Science · PRIO ViEWS (2024) · ETH CSS (2024) · Harvard Shorenstein (2024) · Haversine formula (Sinnott, 1984)

标签：3D地球可视化, ADS-B航空监控, AIS船舶追踪, CesiumJS, ESC4, GDELT, GEOINT, GPS干扰检测, HTTP/HTTPS抓包, OSINT, SAR卫星图像, Splunk, Telegram监控, 事件检测, 互联网中断检测, 代码示例, 信号关联分析, 信息验证, 冲突监控, 卫星火点监测, 地理定位, 地理空间情报, 多源数据融合, 安全态势感知, 实时处理, 实时预警, 密码管理, 库, 应急响应, 态势感知, 情报分析工具, 情报聚合, 数据分析, 维基百科编辑监控, 自动化攻击, 运行时操纵, 逆向工具