Octopii 项目介绍
Octopii 是由 RedHunt Labs 开发的一款用于检测个人可识别信息（PII）的工具。它采用光学字符识别（OCR）、正则表达式和自然语言处理（NLP）技术，专注于从暴露在公共环境中的图像、PDF 和文档中提取政府 ID、地址、电子邮件等信息。
项目背景
在网络安全领域，PII 泄露往往被忽视。然而，RedHunt Labs 在探索不同创新的网络安全解决方案时，发现很多组织的服务器配置不当，导致员工和客户的 PII 经常泄露。这种泄露为恶意方提供了敏感的个人信息，比如来源地、身份证号码、联系方式及其位置等。因此，Octopii 的诞生旨在演示和检测在互联网上自动发现和提取泄露的 PII 及敏感文档的便捷性。
使用指导
Octopii 的安装和运行非常简单。首先，用户需要通过 pip install -r requirements.txt 命令来安装所有依赖项。然后，需要在系统上安装 Tesseract OCR 工具和 Spacy 语言包。
Octopii 可以通过运行以下命令启动：
python3 octopii.py <location to scan>
其中 <location to scan> 是需要扫描的文件或目录。Octopii 支持通过文件路径、本地目录、S3 URL 和 Apache 开放目录来扫描。
示例输出
工具会创建一个名为 output.txt 的文件，将扫描结果记录其中。输出包括：
file_path: 文件路径pii_class: PII 的类别country_of_origin: 源自国家identifiers: 唯一标识符emails和phone_numbers: 联系方式addresses: 地理位置数据
工作原理
Octopii 的工作流程包括以下几个步骤：
- 输入导入：扫描并识别图像和文档，包括支持 S3 服 务、开放目录和本地系统的文件。
- 人脸识别：使用 Haar 级联模型检测图像中的人脸。
- 图像清理和文本提取：经过多个图像处理步骤后，利用 Tesseract OCR 提取文本。
- 关键字匹配与正则表达式检查：通过关键字列表和正则表达式检测敏感 PII 子字符串。
贡献和致谢
项目鼓励广泛的社区贡献，开发者可以参考项目内的贡献指南以便参与其中。Octopii 使用了多个开源工具和库如 BeautifulSoup、Tesseract、SciKit、OpenCV 等。
免责声明和许可
Octopii 仅用于研究和教育目的。RedHunt Labs 和其他贡献者不对工具的恶意使用承担责任。项目遵循 MIT 许可证。
通过这款工具，Octopii 希望为网络安全领域提供更有效的解决方案，帮助识别并保护关键的个人信息不被滥用。
编辑推荐精选
TRAE编程
AI辅助编程，代码自动修复
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
蛙蛙写作
AI小说写作助手，一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
问小白
全能AI智能助手，随时解答生活与工作的多样问题
问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号