开源情报图谱分析

技能简介

该技能将多源开源情报数据导入Neo4j图数据库，构建可交互的知识图谱，并运行图算法挖掘实体间的隐藏关系与网络结构。

能做什么

• 跨平台实体链接：识别同一人物在不同平台的账号
• 社区检测：发现协作群体与关系聚类
• 中心性分析：定位网络中的关键影响节点
• 路径追踪：查询两个实体间的连接链条
• 异常识别：检测不符合常规模式的关系

使用说明

1. 安装依赖
   需Python 3.9+及neo4j-driver包：pip install neo4j-driver
2. 启动Neo4j

   docker run -d --name neo4j -p 7474:7474 -p 7687:7687 -e NEO4J_AUTH=neo4j/password neo4j:5.23

3. 导入数据

   python3 scripts/osint-graph.py --ingest data/sources.csv

4. 运行分析

   # 社区检测
   python3 scripts/osint-graph.py --community-detection
   # 中心性排名（前10）
   python3 scripts/osint-graph.py --centrality --top 10
   # 两实体间路径
   python3 scripts/osint-graph.py --path "Entity A" "Entity B"

5. 导出可视化

   python3 scripts/osint-graph.py --export graph.json

输入与输出

见下方输入与输出表格。

风险提示

• 数据来源合法性需自行确认，避免侵犯隐私或违反当地法规
• Neo4j默认密码需在生产环境修改，防止未授权访问
• 大规模数据导入可能消耗大量内存，建议分批处理
• 实体关联结果存在误报可能，需人工复核关键结论

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/orosha-ai/osint-graph-analyzer/SKILL.md
来源类型：GitHub仓库