尧图网站建设 
User Scanner 置信度评分系统指南confirmed/likely/candidate/conflicting 四级详解【免费下载链接】user-scanner️♂️ (2-in-1) Email Username OSINT suite featuring native MCP support for deep data extraction just from a single Email/Username. Analyzes 550 actively maintained scan vectors (175 email / 375 username) for security research, investigations, and digital footprinting.项目地址: https://gitcode.com/GitHub_Trending/us/user-scanner️ User Scanner 是一款 2-in-1 的 Email Username OSINT 工具内置置信度评分系统Confidence Scoring交叉扫描cross-scan命中的每个账号都会被打上confirmed、likely、candidate、conflicting四级置信度标签帮助你快速区分确属目标本人与只是撞名的陌生人。本文面向新手完整讲解四级评分的判定逻辑、锚点机制与结果解读方法。为什么需要置信度评分用户名扫描存在一个天然难题同一 ID 可能被多人注册。一次扫描命中某个账号只能证明这个 ID 在某网站被注册了无法证明这个账号就是被扫描的那个人。User Scanner 的解法是从已确认的命中中提取身份信息姓名、个人域名、邮箱、个人主页链接、已确认账号组成一组锚点Anchors再拿每个新命中与锚点对比打分。评分逻辑定义在 user_scanner/core/confidence.py。 四级评分标准速查等级含义一句话解释confirmed已确认某个线索直接点名了这个网站和这个 IDlikely很可能元数据与已确认档案相互印证candidate候选ID 已注册但没有任何证据指向目标conflicting有冲突元数据指向另一个人评分等级在扫描结束后统一计算并写入结果的extra.confidence字段具体应用流程见 user_scanner/core/cross_scan.py。 逐级详解1️⃣ confirmed已确认——最强证据confirmed表示某个已确认账号的资料里直接点名了这个网站 这个 ID例如 Gravatar 的已验证账号列表里明确写着github.com/johndoe。账号类命中被线索点名的 (site, handle) 组合直接判定为confirmed邮箱类命中当两个及以上独立网站在各自正式的邮箱字段中发布了同一地址时该地址被判为confirmed——独立来源的一致是不发任何邮件即可获得的 strongest 信号2️⃣ likely很可能——元数据互证likely的命中通常满足以下任一条件姓名匹配账号的显示姓名与锚点中的姓名一致如 GitHub 档案写了 Johnathan DoeBehance 上也出现同名链接指向已确认账号若 X (Twitter) 已确认而某个 Twitch 档案里放着同一个 X 账号的链接该 Twitch 账号即为likely——持有同名 ID 的陌生人不会去宣传目标的推特。匹配基于解析后的 (site, handle) 对twitter.com/JohnDoe2与x.com/johndoe2视为同一账号回显锚点信息简介中出现目标的个人域名、邮箱或已确认的档案 URL邮箱地址单个网站的邮箱字段发布了该地址或该地址位于目标链接指向的域名上3️⃣ candidate候选——默认的待定绝大多数命中最终落在这一档ID 已注册但站点没有暴露可判断的元数据如 Roblox、Scratch 只返回 ID 本身。⚠️ 关键认知candidate不是负面结论。它只是证据不足绝大多数普通命中都会停在这里不代表账号与目标无关。4️⃣ conflicting有冲突——指向他人若账号的姓名字段读起来像另一个人的真名至少两个词如 Other Person而与锚点姓名不符则判定为conflicting。两条规则保证降级的诚实性仅复述 ID 本身的显示名如john.d.oe→john.d.oe不算姓名证据会被忽略字段中夹带描述符的如Other Person, 44, male只读第一个逗号前的部分不把年龄性别误判为姓名冲突 评分如何运行锚点机制评分流程的核心数据结构是 Anchors锚点 已确认命中中收集到的 ├── 姓名names ├── 个人域名domains ├── 邮箱地址emails ├── 档案 URLurls └── 已确认账号accounts打分函数 score() 按优先级依次判断先查姓名 → 再查链接是否指向已确认账号 → 再查是否回显锚点信息 → 若姓名明显是他人则降为conflicting→ 否则candidate。几个精巧的设计值得了解排除平台域名github.com、t.co、bit.ly等短链/平台域名不构成身份信号不计入锚点排除循环论证邮箱评分故意不参考锚点邮箱和域名集合——因为这些信息正是从同一批档案里采集的参考它们等于用自己的出现证明自己conflicting永远不会用于邮箱地址本身不带姓名从邮箱前缀猜测冲突会误伤所有共享邮箱 如何在实际结果中读取评分交叉扫描的每个命中都携带两个关键字段完整说明见 docs/CROSS_SCAN.mdpivot_source该目标是怎么被发现去扫描的confidence该账号与目标关联的紧密程度例如通过邮箱路径到达的 Spotify 账号{ status: Found, site_name: Spotify, username: johnacme.dev, extra: { pivot_source: address from Github (email), Gravatar (emails), confidence: confirmed } }通过邮箱路径到达的账号会继承该邮箱的评分——账号与目标的关联度不会高于引导到它的那个邮箱。运行结束时总结部分会按等级统计命中数并点名列出confirmed、likely、conflicting的具体站点方便快速 triage。⚠️ 置信度评分不做的事candidate不是否定多数站点暴露的元数据太少评分无从判断不使用地理位置巴西匹配数百万人且人会迁移无法作为升级依据不会丢弃任何命中无论评分如何所有命中都会进入导出结果是分拣辅助不是终审判决它只读取模块碰巧提取到的元数据读不到证据的站点无法评分 相关源码与文档模块说明user_scanner/core/confidence.py评分引擎Confidence枚举、锚点构建、score()打分逻辑user_scanner/core/cross_scan.py交叉扫描中_apply_confidence()如何为每个命中应用评分user_scanner/core/pivots.py线索pivot提取与 URL 解析docs/CROSS_SCAN.md交叉扫描与置信度的官方文档tests/test_confidence.py评分逻辑的完整测试用例可对照学习各种边界场景总结User Scanner 的置信度评分系统用四级标签回答 OSINT 研究中的核心问题——这个账号到底是不是目标本人的confirmed被线索直接点名最强证据likely元数据姓名、域名、链接与已确认档案互证candidate仅证明 ID 已注册证据不足最常见也是默认档conflicting元数据明确指向另一个人深度追踪时会自动跳过它理解这套机制后你可以把报告中的命中按置信度分层处理优先核实likely、复核conflicting、把candidate留作待办让 OSINT 调研既高效又不遗漏。【免费下载链接】user-scanner️♂️ (2-in-1) Email Username OSINT suite featuring native MCP support for deep data extraction just from a single Email/Username. Analyzes 550 actively maintained scan vectors (175 email / 375 username) for security research, investigations, and digital footprinting.项目地址: https://gitcode.com/GitHub_Trending/us/user-scanner创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 User Scanner 置信度评分系统指南：confirmed/likely/candidate/conflicting 四级详解
User Scanner 置信度评分系统指南confirmed/likely/candidate/conflicting 四级详解【免费下载链接】user-scanner️♂️ (2-in-1) Email Username OSINT suite featuring native MCP support for deep data extraction just from a single Email/Username. Analyzes 550 actively maintained scan vectors (175 email / 375 username) for security research, investigations, and digital footprinting.项目地址: https://gitcode.com/GitHub_Trending/us/user-scanner️ User Scanner 是一款 2-in-1 的 Email Username OSINT 工具内置置信度评分系统Confidence Scoring交叉扫描cross-scan命中的每个账号都会被打上confirmed、likely、candidate、conflicting四级置信度标签帮助你快速区分确属目标本人与只是撞名的陌生人。本文面向新手完整讲解四级评分的判定逻辑、锚点机制与结果解读方法。为什么需要置信度评分用户名扫描存在一个天然难题同一 ID 可能被多人注册。一次扫描命中某个账号只能证明这个 ID 在某网站被注册了无法证明这个账号就是被扫描的那个人。User Scanner 的解法是从已确认的命中中提取身份信息姓名、个人域名、邮箱、个人主页链接、已确认账号组成一组锚点Anchors再拿每个新命中与锚点对比打分。评分逻辑定义在 user_scanner/core/confidence.py。 四级评分标准速查等级含义一句话解释confirmed已确认某个线索直接点名了这个网站和这个 IDlikely很可能元数据与已确认档案相互印证candidate候选ID 已注册但没有任何证据指向目标conflicting有冲突元数据指向另一个人评分等级在扫描结束后统一计算并写入结果的extra.confidence字段具体应用流程见 user_scanner/core/cross_scan.py。 逐级详解1️⃣ confirmed已确认——最强证据confirmed表示某个已确认账号的资料里直接点名了这个网站 这个 ID例如 Gravatar 的已验证账号列表里明确写着github.com/johndoe。账号类命中被线索点名的 (site, handle) 组合直接判定为confirmed邮箱类命中当两个及以上独立网站在各自正式的邮箱字段中发布了同一地址时该地址被判为confirmed——独立来源的一致是不发任何邮件即可获得的 strongest 信号2️⃣ likely很可能——元数据互证likely的命中通常满足以下任一条件姓名匹配账号的显示姓名与锚点中的姓名一致如 GitHub 档案写了 Johnathan DoeBehance 上也出现同名链接指向已确认账号若 X (Twitter) 已确认而某个 Twitch 档案里放着同一个 X 账号的链接该 Twitch 账号即为likely——持有同名 ID 的陌生人不会去宣传目标的推特。匹配基于解析后的 (site, handle) 对twitter.com/JohnDoe2与x.com/johndoe2视为同一账号回显锚点信息简介中出现目标的个人域名、邮箱或已确认的档案 URL邮箱地址单个网站的邮箱字段发布了该地址或该地址位于目标链接指向的域名上3️⃣ candidate候选——默认的待定绝大多数命中最终落在这一档ID 已注册但站点没有暴露可判断的元数据如 Roblox、Scratch 只返回 ID 本身。⚠️ 关键认知candidate不是负面结论。它只是证据不足绝大多数普通命中都会停在这里不代表账号与目标无关。4️⃣ conflicting有冲突——指向他人若账号的姓名字段读起来像另一个人的真名至少两个词如 Other Person而与锚点姓名不符则判定为conflicting。两条规则保证降级的诚实性仅复述 ID 本身的显示名如john.d.oe→john.d.oe不算姓名证据会被忽略字段中夹带描述符的如Other Person, 44, male只读第一个逗号前的部分不把年龄性别误判为姓名冲突 评分如何运行锚点机制评分流程的核心数据结构是 Anchors锚点 已确认命中中收集到的 ├── 姓名names ├── 个人域名domains ├── 邮箱地址emails ├── 档案 URLurls └── 已确认账号accounts打分函数 score() 按优先级依次判断先查姓名 → 再查链接是否指向已确认账号 → 再查是否回显锚点信息 → 若姓名明显是他人则降为conflicting→ 否则candidate。几个精巧的设计值得了解排除平台域名github.com、t.co、bit.ly等短链/平台域名不构成身份信号不计入锚点排除循环论证邮箱评分故意不参考锚点邮箱和域名集合——因为这些信息正是从同一批档案里采集的参考它们等于用自己的出现证明自己conflicting永远不会用于邮箱地址本身不带姓名从邮箱前缀猜测冲突会误伤所有共享邮箱 如何在实际结果中读取评分交叉扫描的每个命中都携带两个关键字段完整说明见 docs/CROSS_SCAN.mdpivot_source该目标是怎么被发现去扫描的confidence该账号与目标关联的紧密程度例如通过邮箱路径到达的 Spotify 账号{ status: Found, site_name: Spotify, username: johnacme.dev, extra: { pivot_source: address from Github (email), Gravatar (emails), confidence: confirmed } }通过邮箱路径到达的账号会继承该邮箱的评分——账号与目标的关联度不会高于引导到它的那个邮箱。运行结束时总结部分会按等级统计命中数并点名列出confirmed、likely、conflicting的具体站点方便快速 triage。⚠️ 置信度评分不做的事candidate不是否定多数站点暴露的元数据太少评分无从判断不使用地理位置巴西匹配数百万人且人会迁移无法作为升级依据不会丢弃任何命中无论评分如何所有命中都会进入导出结果是分拣辅助不是终审判决它只读取模块碰巧提取到的元数据读不到证据的站点无法评分 相关源码与文档模块说明user_scanner/core/confidence.py评分引擎Confidence枚举、锚点构建、score()打分逻辑user_scanner/core/cross_scan.py交叉扫描中_apply_confidence()如何为每个命中应用评分user_scanner/core/pivots.py线索pivot提取与 URL 解析docs/CROSS_SCAN.md交叉扫描与置信度的官方文档tests/test_confidence.py评分逻辑的完整测试用例可对照学习各种边界场景总结User Scanner 的置信度评分系统用四级标签回答 OSINT 研究中的核心问题——这个账号到底是不是目标本人的confirmed被线索直接点名最强证据likely元数据姓名、域名、链接与已确认档案互证candidate仅证明 ID 已注册证据不足最常见也是默认档conflicting元数据明确指向另一个人深度追踪时会自动跳过它理解这套机制后你可以把报告中的命中按置信度分层处理优先核实likely、复核conflicting、把candidate留作待办让 OSINT 调研既高效又不遗漏。【免费下载链接】user-scanner️♂️ (2-in-1) Email Username OSINT suite featuring native MCP support for deep data extraction just from a single Email/Username. Analyzes 550 actively maintained scan vectors (175 email / 375 username) for security research, investigations, and digital footprinting.项目地址: https://gitcode.com/GitHub_Trending/us/user-scanner创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考