Aliens_eye：840+ 平台用户名扫描工具

输入一个用户名，Aliens_eye 会把它拼进 840 多个平台的账号地址里并发发起请求，逐一判断这个用户名在哪些站点已经被占用。跑完给你一份结果表，命中的站点、主页链接、昵称、简介和头像都会列出来，可以导出成 JSON、CSV、HTML、Markdown、PDF 或者图格式的数据。

Aliens_eye 是一个 Python 写的 OSINT 用户名扫描器，输入一个用户名，输出它在 840 多个平台上的注册情况、主页资料与跨站关联结果。

项目由 arxhr007 维护，采用 MIT 许可证，主要语言是 Python（占 99.9%）。仓库地址 https://github.com/arxhr007/Aliens_eye ，当前 4139 star、479 fork、22 watcher，开放 Issue 2 条，最近一次提交在 2026 年 9 月。命令行入口叫 aliens_eye，已经发布到 PyPI。

多数同类脚本判断账号是否存在，靠的是 HTTP 状态码，返回 200 就算找到。站点加上反爬、统一返回一个访客页或者登录页，这种做法就会把不存在的人报成存在。Aliens_eye 把每个响应转换成 30 维特征向量，涵盖状态码分桶、用户名出现的位置（路径、标题、meta、canonical）、错误页与资料页关键词、DOM 结构、og:type 与 JSON-LD Person 这类结构化数据、响应耗时、重定向次数，以及从以往扫描里学到的站点指纹。

两个判定器对这份特征投票。启发式引擎做加权打分，逻辑回归模型输出概率，两者按 0.9 乘模型分加 0.1 乘启发式分混合，高于 0.620 判为 Found，低于 0.360 判为 Not Found，中间落在 Maybe 并附上置信度百分比。模型文件缺失或损坏时，扫描器会退回只用启发式。阈值与权重都写在随包分发的模型里。

它解决的是什么问题

用户名是公开信息里成本最低的一条线索。一个人注册账号习惯用同一个 ID，这个 ID 在哪些平台出现过，往往能拼出一张他本人未必意识到的曝光地图。

没有工具的时候，这件事只能手工做。挑一个平台，把用户名拼进主页地址，打开看返回什么，再换下一个。几十个站点还能忍，几百个就不现实了。很多站点对未登录访问的处理方式又不一样，有的返回 200 但内容是登录引导页，有的直接跳首页，人眼翻多了也会判断失误。耗时之外，漏判和误判都是常态。

Aliens_eye 把这一步自动化，顺带做了两件手工更做不了的事。一是并发，840 多个平台在一轮扫描里跑完；二是把结果结构化，命中项的昵称、简介、头像被抽取出来存进报告，后续可以用脚本处理，也可以直接作为证据留档。

典型使用场景

• 做个人暴露面梳理的人。想确认自己的常用用户名在哪些平台注册过，哪些是早年注册、现在忘了的，然后逐个清理或者改 ID。加上 --correlate 还能看到哪些账号看起来属于同一个人。
• 在授权范围内做信息收集的安全从业者。拿到一个用户名，先跑一轮广撒网，再从命中结果里挑几个值得深挖的站点。--recurse-depth 1 会顺着已命中主页里的链接用户名继续扫。
• 需要出报告的人。用 --format pdf 生成带嵌入头像的调查员报告，或者用 --format gexf,mermaid,maltego 导出关系图，导入 Gephi、Maltego 或 Mermaid 继续看。
• 需要长期盯变化的人。--watch 6h --notify <url> 按间隔重扫，发现新增或消失的账号时向 webhook 推一条通知。

几个常见疑问

扫描中文用户名会出问题吗？

GitHub 上有一条已解决的 Issue 记录了这个问题。早期版本处理非 ASCII 用户名时没有做 URL 编码，同时会把站点的反爬访客页和登录页误判成命中，导致中文或 CJK 用户名的扫描结果不可信。该条记录的状态是已解决。

为什么会出现账号不存在却报 Found？

同样有一条已解决的 Issue：用户发现 YouTube、Instagram、Pinterest 等站点返回「找到用户」，随后在网页上打开却显示用户不存在。这是启发式判定被站点统一返回页欺骗的典型形态，后续版本靠特征向量与模型混合来压制这类误报。

装完之后运行报找不到 /usr/bin/sites.json 是什么原因？

有一条已解决的 Issue 记录了这样的报错：FileNotFoundError: [Errno 2] No such file or directory: '/usr/bin/sites.json'，出现在 aliens_eye.py 第 31 行的 open("/usr/bin/sites.json")。这是把站点表写成了硬编码的绝对路径，换个安装方式就找不到文件。该问题状态为已解决，当前版本用 pip 安装不会再踩到。

主要功能

• 840+ 平台异步扫描。一条命令跑完整个站点表，站点列表随包分发，不需要自己维护。
• ML 与启发式混合检测。响应转成 30 维特征，启发式打分与逻辑回归模型按权重混合，输出 Found / Maybe / Not Found 三档加置信度。想只用规则，加 --no-ml。
• 资料抽取。命中站点会尝试抓取显示名、简介和头像，来源包括 OpenGraph、JSON-LD 以及各站点自己的 CSS 选择器。
• 跨站关联。加 --correlate，按头像哈希、简介文本、共享链接和姓名把疑似同一个人的账号聚成一类。头像比对需要装 aliens-eye[correlate]，其中含 Pillow。
• 递归扩展。--recurse-depth N 会从已命中账号的简介里找出其他用户名，再扫一轮，深度由 N 控制。
• 域名检查。--domains 检查 <username>.{com,io,net,…} 这类域名是否已注册且可访问。
• 监视与通知。--watch 6h --notify <url> 定时重扫，结果有变化时向指定 webhook 推送。
• 报告导出。支持 JSON、CSV、HTML、Markdown、PDF 和图格式（GEXF、Mermaid、Maltego CSV），一次全出用 --format all。

仓库还提供了几项偏工程化的能力。--resume scan.jsonl 让中断的扫描从检查点续跑；--proxy socks5://127.0.0.1:1080 或 --tor 可以把请求走代理；aliens_eye selfcheck 输出各站点的 precision、recall、F1 和 FPR；aliens_eye corpus record 录一份冻结的响应语料，之后 selfcheck --corpus 就能可复现地重跑同一组指标；aliens_eye serve 起一个 MCP 服务，把扫描能力暴露给 LLM 智能体。

站点表可以自己扩。往 ./sites.d/ 丢一个形如 { "site_name": "https://site/{}" } 的 JSON 文件就会被自动合并，--sites-dir DIR 可以再指定一个位置。

安装与最短示例

pip install aliens-eye

可选组件按需要装，它们各自带额外依赖。

pip install "aliens-eye[browser]"    # Playwright，用于 JS 重的页面
python -m playwright install chromium

pip install "aliens-eye[train]"      # scikit-learn，用于重训 ML 模型
pip install "aliens-eye[correlate]"  # Pillow，用于 --correlate 的头像比对
pip install "aliens-eye[pdf]"        # reportlab，用于导出 PDF
pip install "aliens-eye[tui]"        # textual，用于交互式 TUI 浏览器
pip install "aliens-eye[serve]"      # mcp，用于 MCP 服务端

Docker 方式是构建后直接跑，源码安装是克隆仓库再 pip install -e .。

docker build -t aliens-eye .
docker run --rm -it aliens-eye username

git clone https://github.com/arxhr007/Aliens_eye.git
cd Aliens_eye
pip install -e .

最短能跑通的一条命令就是给一个用户名，不带参数运行会进入交互式提问。

aliens_eye username

想一次看多个用户，直接并排写：aliens_eye username1 username2。

关键参数

• -l advanced：扫描等级，advanced 会带上用户名前后缀的变体。
• --profile quick：非交互式预设，可选 quick、full、aggressive。
• --site github,reddit,gitlab：只扫指定站点；--exclude-site 反过来排除；--no-nsfw 跳过 NSFW 站点。
• --format all --output results：一次导出全部格式到指定目录，默认目录是 results/。
• --plain：去掉颜色与进度动画，输出适合脚本和 CI 解析。
• -r results/username_advanced_20260611_120000.json：读取上一次的扫描结果，不重新发请求。
• --no-ml：只用启发式规则，不加载模型。
• --proxy socks5://127.0.0.1:1080 与 --tor：前者接任意 HTTP 或 SOCKS 代理，后者需要本机跑着 Tor 守护进程。

结果在哪里看

扫描结果直接打在终端里，用 rich 渲染的表格会按状态排序，最后给一个汇总面板。文件形式的报告落在 --output 指定的目录，不指定就是 results/，文件名带用户名、扫描等级和时间戳，形如 results/username_advanced_20260611_120000.json。

事后回看用 aliens_eye -r 加报告路径，不用重跑。对比两次报告用 aliens_eye diff results/old.json results/new.json。检测质量报告用 aliens_eye selfcheck --negatives 2 --report json 生成，需要可复现的评测就先 aliens_eye corpus record --out corpus/v1 --split all --negatives 4 录语料。

实际使用中的坑

• 非 ASCII 用户名误报。中文或 CJK 用户名没有做 URL 编码，站点反爬访客页会被当成命中。当前状态：已解决。
• 账号不存在的假阳性。YouTube、Instagram、Pinterest 等站点报告找到用户，实际打开显示不存在。当前状态：已解决。
• 硬编码绝对路径导致启动失败。报 FileNotFoundError，路径写死成 /usr/bin/sites.json。当前状态：已解决。

这三条都来自仓库的 Issue 列表，且都已经关掉，开放中的 Issue 还有 2 条。从目录结构能看出来的另一层风险是站点表的维护成本。840 多个平台的判定规则和指纹需要跟着站点改版持续更新，仓库从 v2.2.2 到 v2.5.0 连续发了五个版本，最近一次在 2026 年 9 月，节奏不算慢。这类工具一旦停更，误报会随站点改版逐渐变多。这一段是从提交记录推断的，不是实测结论。

同类项目对比

取舍上有个明确的判断点。任务的重点如果是从一个站点往外爬，Photon 这类抓取器更合适，Aliens_eye 不做站点内爬取，给不了页面级别的内容。如果需要的是一整套信息收集工具，Mr.Holmes 覆盖的面更宽。反过来说，只看用户名跨平台存在性这一件事，Aliens_eye 的 ML 混合判定加上自检、语料评测这套流程，另外两个项目没有。

合规边界

Aliens_eye 做的是对第三方站点发起批量请求并记录目标账号的存在情况，属于扫描与信息收集类工具的范畴。它只能用于你自己拥有或已经获得明确授权的目标。未经授权对一个真实的人做跨平台账号排查，在国内可能触及个人信息保护相关法律的边界，在境外也可能违反对应司法辖区的隐私与数据法规。

实际使用上还有平台风险。840 多个平台的批量请求会触发风控，轻则返回假的访客页让结果失真，重则把出口 IP 拉黑，甚至牵连到你的账号。项目提供了 --proxy 和 --tor，这两个参数是流量隔离的工程手段，不能当成规避授权的工具。授权范围内的自查与安全评估才用得上它。

适合谁用这件事可以收拢成一句判断。个人想梳理自己的账号暴露面、安全团队在拿到书面授权的项目里做用户名维度的信息收集、需要一份带指标和图片的留档报告，这三类情况下 Aliens_eye 是对的选型。想爬某个网站的内容、想做手机号或位置反查、想在没有授权的前提下排查别人，它都帮不上忙，也不该往那个方向用。