
Zero-Breach-Toolkit
离线自查设备是否留有已知间谍软件痕迹
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-10-29 · 当前星标 ★ 2336
使用教程
环境要求
- Python 3.8 或更高版本(Windows 安装时勾选 Add python.exe to PATH)
- Windows 或 macOS 电脑(Linux 下用 sh scan/run-scan.sh 运行)
- 无需管理员权限,也无需安装额外 Python 包
- 约 20 分钟时间,扫描前关闭浏览器和聊天软件
安装与启动步骤
-
1获取工具源码
从 GitHub 选择 Code → Download ZIP 解压,或用 git clone 拉取仓库;后续所有命令都在该目录内执行
git clone https://github.com/interplains/Zero-Breach-Toolkit.git -
2在工具目录开终端
Windows 打开解压出的 Zero-Breach-Toolkit 文件夹,点地址栏输入 powershell 回车;macOS 在终端输入 cd 加空格后把文件夹拖进窗口回车
cd Zero-Breach-Toolkit -
3更新指标特征库
可选步骤,也是唯一需要联网的一步;不更新则只用内置的小型特征集,建议每隔几周重复一次
python -X utf8 scan/zero-breach-toolkit.py --update -
4授权终端磁盘访问
仅 macOS 需要:系统设置 → 隐私与安全性 → 完全磁盘访问权限 → 添加终端并重新打开,否则部分目录会显示为未检查
-
5运行标准扫描
关闭浏览器与聊天软件后执行,出现菜单直接回车即扫描本机;Windows 也可双击 scan un-scan.cmd
python -X utf8 scan/zero-breach-toolkit.py -
6扫描手机数据
把手机采集数据或 iPhone 备份放到某个文件夹,用引号包裹路径后作为 --phone 参数传入;路径含空格必须加引号
python -X utf8 scan/zero-breach-toolkit.py --phone "/your/path/backup" -
7导出其它格式报告
--json 输出机器可读报告,--share-json 输出便于分享的最小摘要;--quick 跳过文件指纹以加快速度
python -X utf8 scan/zero-breach-toolkit.py --json report.json
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
--update | 否 | 下载最新指标列表,唯一联网步骤,建议定期执行 | python -X utf8 scan/zero-breach-toolkit.py --update |
--quick | 否 | 快速模式,跳过文件指纹比对,耗时更短 | python -X utf8 scan/zero-breach-toolkit.py --quick |
--phone | 否 | 指定手机采集数据或备份所在文件夹,路径用引号包裹 | --phone "/your/path/backup" |
--json | 否 | 额外输出机器可读的 JSON 报告到指定文件 | --json report.json |
--share-json | 否 | 输出仅含最小摘要的 JSON,便于对外分享 | --share-json summary.json |
如何确认成功
扫描结束后,工具目录旁的 findings 文件夹中会生成可读报告和 JSON 报告,打开即可查看可疑项与未检查项。
常见问题
Q:需要 GitHub 账号或编程经验吗?
A:不需要。按 README 的步骤下载 ZIP 解压或克隆仓库,在文件夹内运行命令即可,全程约 20 分钟。
Q:扫描过程中会上传数据吗?
A:不会。扫描期间不发起网络请求,也不查询外部地址;只有 --update 更新指标列表这一步需要联网。
Q:macOS 报告里很多项目显示未检查?
A:通常是没给终端「完全磁盘访问权限」。到系统设置 → 隐私与安全性 → 完全磁盘访问权限添加终端,重新打开终端后再扫描。
Q:可以打包成 exe 使用吗?
A:README 不建议。自行用 PyInstaller 打包的文件未签名、不可复现,会触发 SmartScreen 警告并可能被杀软误报,直接从源码运行更稳妥。
Q:结果显示干净就代表安全吗?
A:不代表。报告会标注证据强度和未能检查的部分,干净结果不能作为设备未被入侵的证明。
注意事项
- 报告包含本机隐私信息,请勿放在共享或云同步文件夹中。
- 工具为只读设计,不修改原始证据和系统设置,仅写入临时数据库快照和你指定的报告。
- 若怀疑正被定向监控,应先联系 Access Now 数字安全热线或 Amnesty Security Lab 等专业机构求助。
- 源码运行时可复现:README 提供按发布标签重建单文件并与发布 SHA-256 比对的方法,可据此校验所运行代码。
核心亮点
- 完全离线运行,检测数据不出本机,适合隐私敏感场景
- 覆盖 Windows、macOS、Linux、Android 及 iPhone 备份五类目标,跨平台面广
- 基于已知间谍软件指标做特征比对,规则透明、可审计,便于安全人员复核
不足之处
- 仅能匹配已知特征,对新型或定制化间谍软件检出能力有限
- 命令行工具形态,普通用户上手需要一定技术背景
- 特征库更新依赖社区维护,时效性待观察
适用场景
- 记者或活动人士怀疑手机被定向监控时做初步自查
- 企业安全团队对员工设备做离线取证前的快速筛查
- 个人在送修或转卖设备前检查是否存在已知监控软件残留
替代项目
MVT、iMazing Spyware Detector、Stalkerware Indicator Scanner
上一篇:deep-eye
下一篇:没有了!
同类项目推荐
Frontier-CS
开源
用开放式 CS 难题测出大模型的真实上限
A benchmark for evaluating LLMs on open-ended CS problems. Exploring the Next Fronti···
llm-eval
开源
一站式跑分,快速对比大模型与 RAG 效果
大语言模型评估平台,支持多种评估基准、自定义数据集和性能测试。支持基于自定义数据集的···
Tracely-ai
开源
把线上 agent 失败轨迹变成 CI 回归测试,退化就拦 PR
Trace-native CI/CD for AI agents: grade production traces, cluster failures, freeze ···
vidore-benchmark
开源
给文档检索模型打分,看谁找图找得准
Vision Document Retrieval (ViDoRe): Benchmark. Evaluation code for the ColPali paper···
Veritensor
开源
扫描 AI 模型与数据,防投毒、防注入、防泄露
The Anti-Virus for AI Artifacts & RAG Firewall. A static analysis tool scanning Mode···
aiewf-eval
开源
专测大模型长上下文下的安全表现
A long-context eval
LLMVault
开源
在真实漏洞靶场中练手,掌握 LLM 安全攻防实战
An intentionally vulnerable OWASP LLM Top 10 training platform for AI Security, Prom···
Awesome-Anomaly-Detection-Founda···
开源
一网打尽基础模型做异常检测的前沿资源
A curated list of papers & resources on anomaly detection foundation models using la···
athina-evals
开源
给 LLM 响应做质检,快速发现模型输出问题
Python SDK for running evaluations on LLM generated responses