ginux0/FBSCrap

# FBSCRAP v2.0 -> FBSCRAP v2.0 ### 社交媒体威胁情报平台 **FBSCRAP** 是一款用于检测、记录和消除Facebook上协调的不真实行为（CIB）的取证级情报平台。专为政治竞选、政府和面临有组织虚假信息攻击的组织设计。 ## 它的功能 FBSCRAP 以取证精度检测协调的机器人运动： - **协调不真实行为检测** — 通过数学证明识别多个账户之间的同步攻击 - **机器人分类** — 36个取证引擎分析机器人风险的11个维度 - **叙事变异跟踪** — 检测攻击信息变化的同时保持操作控制 - **时间分析** — 通过时间同步（1-3秒攻击波）证明协调 - **司法证据导出** — 生成SHA-256散列的、保管链报告，适用于法庭和检察官 ## 🚀 安装 ``` git clone https://github.com/yourusername/fbscrap.git cd fbscrap pip install -r requirements.txt cp config/default_config.json config.json ``` ## 💻 语法与使用方法 ### 第一次：保存Facebook会话 ``` python3 fbscrap.py login ``` 打开浏览器进行手动登录（保存持久会话以实现自动化）。 ### 爬取页面以检测CIB ``` python3 fbscrap.py page --targets targets/example_pages.json --days 7 --sentiment ``` 分析目标页面的帖子评论以检测协调的不真实行为。 ### 搜索Facebook + 情感分析 ``` python3 fbscrap.py search --query "target name" --days 7 --sentiment ``` 搜索匹配关键字（词）的Facebook帖子并分析情感模式。 ### 深度爬取特定帖子（取证收集） ``` python3 fbscrap.py comments --url "https://www.facebook.com/.../posts/..." --max-comments 500 ``` 提取特定帖子的所有评论以及完整的取证元数据。 ### 多源运动分析 ``` python3 fbscrap.py full --query "target name" --targets targets/example_pages.json --days 7 --top 30 ``` 运行全面分析：页面爬取 + 搜索 + 情感 + CIB评分 + HTML报告。 ### 24/7持续监控并警报 ``` python3 fbscrap.py monitor --query "target name" --monitor-interval 300 ``` 实时监控，通过Telegram警报在CIB评分激增和新机器人检测时。 ### 比较会话以查看运动演变 ``` python3 fbscrap.py delta --delta-before sessions/target/20260101/ --delta-after sessions/target/20260108/ ``` 检测攻击叙事如何变异，新机器人出现，以及运动随时间升级。 ### 从现有数据生成报告 ``` python3 fbscrap.py report --data sessions/target_name/20260101_120000/posts_latest.json --top 30 ``` 重新生成报告和取证分析，无需重新爬取。 ### 列出所有会话 ``` python3 fbscrap.py sessions ``` 显示所有记录的扫描会话及其元数据。 ## 📊 CIB评分（0-100） - **0-30**：有机活动 - **30-60**：可疑模式 - **60-80**：检测到协调行为 - **80-100**：确认协调的不真实行为 ## 取证引擎 11维分析涵盖： - 机器人配置文件分类（TrollHunter） - 网络协调（CIB Graph） - 时间同步（Temporal Waves） - 非有机放大（Dark Amplification） - 叙事变异和词汇变化 - 跨页面持久性 - 评论级联时间 - 多源协调 ## 许可证 专有。请联系作者获取许可。 ## 👤 作者 **耶稣·卢戈** — 进攻性安全研究 电子邮件：jesus@linux.edu NULLSEC 红队 *"针对协调欺骗的取证精度。"*

标签：Apex, ESC漏洞, FBSCRAP, masscan, pip, Python, SHA-256, 人工智能, 司法证据, 多源分析, 威胁情报平台, 恶意代码分析, 情感分析, 政府安全, 政治竞选安全, 数据爬取, 无后门, 时间同步, 机器学习, 用户模式Hook绕过, 社交媒体威胁情报, 组织安全, 网络威胁检测, 网络犯罪调查, 虚假账号识别, 证据收集, 请求拦截, 逆向工具, 配置文件, 链式证据