【免费下载链接】bluehoodMonitor your local neighbourhoods bluetooth activity项目地址https://gitcode.com/gh_mirrors/bl/bluehood点击查看免费下载Bluehood 是一款被动监测周边蓝牙设备的开源工具它能通过共现窗口相关性算法自动发现总是形影不离一起出现的设备——比如你的手机和智能手表。本文带你拆解这套相关性算法的运作原理、关键参数与它背后的追踪含义帮助新手理解蓝牙隐私监测的核心机制。Bluehood 是什么被动监测你的蓝牙邻居想象你家附近飘着成百上千个蓝牙信号邻居的手机、路过的车辆钥匙、送货员的智能设备、楼下的智能门锁……它们大多不会主动跟你打招呼却一直在广播自己的存在。Bluehood 就是这样一个旁观者。它不连接、不配对、不发起任何交互只是持续地监听这些广播并把每一次看到记录为一条带时间戳的sighting sightings sighting。正因如此它能悄悄拼出谁在什么时间、以多高的频率出现在这片区域。Bluehood 主仪表盘左侧是识别统计右侧是可过滤搜索的设备列表实时显示每台设备的类型、厂商与最近一次出现这套工具的诞生源自对WhisperPair 漏洞CVE-2025-36911的关注。它提醒我们即便什么都不做仅靠蓝牙元数据就足以勾勒出一个人的生活轨迹。项目本身也强调这是一件教育性质的隐私意识工具而非攻击武器。核心扫描与识别逻辑位于 bluehood/scanner.py数据则统一落库到 SQLite。什么是形影不离设备相关性到底在找什么单台设备能告诉我们这里有一台 Apple 手机但真正有意思的是设备之间的关系。Bluehood 的**设备相关性Device Correlation**功能专门用来找出那些总是同时出现的设备组合。典型场景有三类同一人的设备手机 智能手表 耳机走到哪跟到哪。结伴出行的人两人各自的手机总在同一时间窗内出现。共享日程的设备比如公司里同时上下班的几台设备。问题在于怎么从几千条零散的时间戳里自动识别出这种绑定关系而不是靠人眼一条条比对这就是共现窗口相关性算法登场的地方。共现窗口相关性算法三步拆解运作原理这套算法的核心实现是get_correlated_devices函数位于 bluehood/db.py。它并不复杂却非常巧妙——整个过程可以拆成三步。第一步圈定分析范围划定同框时间窗口算法先取出目标设备比如那台手机在过去 N 天默认 30 天的所有出现记录。然后对每一条记录以它为圆心向前后各扩展一个时间窗口默认 ±5 分钟去问这段时间里还有哪些别的设备也被扫到了用一段极简的 SQL 逻辑就能表达同框这个动作s2.timestamp BETWEEN datetime(s1.timestamp, -5 minutes) AND datetime(s1.timestamp, 5 minutes)s1是目标设备s2是其它设备。只要某台设备在目标设备出现的窗口内现身就记一次共现co-occurrence。这一步的巧妙之处是一次 SQL 自连接就扫描完所有组合无需在 Python 里循环比对。第二步统计共现次数并设一道防噪声门槛每台候选设备被统计出总的共现次数后算法会加上一道关键过滤HAVING co_occurrences 2至少共现 2 次才被视为相关。这一条极其重要——它把偶发的巧合比如外卖小哥恰好路过一次挡在门外只留下反复出现的稳定关系。最终结果还会按共现次数从高到低排序最多返回前 20 台LIMIT 20避免噪声淹没重点。第三步计算 0–100 的相关性分数最后把共现强度换算成一个直观的百分比分数相关性分数 min(100, 共现次数 ÷ 目标设备总出现次数 × 100)举个直观的例子那台手机 30 天内一共被记录100 次而某智能手表在其中的80 次里都出现在 ±5 分钟窗口内那么它的相关性分数就是80%。分数越接近 100说明两者绑定得越紧。这里的min(100, …)是封顶保护——因为一个窗口内同一设备可能出现多次分数理论上可能超标封顶后保证落在 0–100 的合理区间。关键参数速查表如何调出你想要的结果相关性结果对参数非常敏感调整它们就像调节灵敏度。这些默认值定义在 bluehood/db.py 的函数签名中也可通过 Web API 覆盖参数默认值作用调大/调小的影响days30分析的时间跨度调大覆盖更长周期可能稀释近期强关系window5 分钟同框窗口半径调大更易捕获慢节奏共现但会引入无关设备共现门槛≥ 2 次防噪声底线调高可筛出更铁的绑定关系返回数量前 20 名结果集上限只影响展示不改变计算经验法则想看铁杆绑定如同一人设备把window调小、days调小分数会更有说服力想找偶尔结伴的关系则适当放宽窗口。在 Web 仪表盘里查看相关设备算完的结果并不会藏在数据库里。当你点击任意设备打开详情弹窗时Bluehood 会向后端发起一次请求拉取相关设备GET /api/device/{mac}/correlation?days30对应实现见 bluehood/webapp/server.py。前端拿到数据后取最相关的前 5 台为每一台画一条随分数变化的红色进度条——一眼就能看出哪台设备如影随形。这段渲染逻辑在 bluehood/webapp/templates.py。Bluehood 项目能力页展示双模扫描、厂商 OUI 查找、模式分析等核心能力直观呈现其追踪潜力追踪含义这套算法为何值得警惕相关性算法本身只是几行 SQL但它揭示的隐私风险却不容小觑无需接触即可关联身份只要手机和手表绑定攻击者就找到了一个稳定的跟踪锚点——换信号、换 IP 都无用。拼出生活作息结合 bluehood/patterns.py 里的模式分析共现设备的时间线能还原出几点遛狗、几点到家、访客何时到来。被动即威慑正因为监测方什么都不用做普通用户几乎无从察觉自己正被画像。这就是为什么 Bluehood 反复强调它是教育工具请遵守当地隐私法规切勿用于未经授权的人员监控。快速上手5 分钟跑起 Bluehood 监测想让这套算法在你的环境里真正跑起来最快的方式是 Docker。唯一的前置条件是宿主机装好BlueZLinux 蓝牙栈容器本身不含它# 宿主机准备Debian / Ubuntu sudo apt install bluez sudo systemctl enable --now bluetooth # 启动 Bluehood仓库内已提供 docker-compose.yml docker compose up -d启动后访问http://localhost:8080即可打开仪表盘。硬件上需要一块支持BLE Central 角色的蓝牙适配器蓝牙 4.0更多环境参数与适配器配置见 bluehood/config.py。数据默认存于~/.local/share/bluehood/bluehood.db可通过BLUEHOOD_DATA_DIR环境变量自定义位置。小结Bluehood 的共现窗口相关性算法用时间窗 共现计数 相关性分数三步从海量 sightings 里精准揪出形影不离的设备组合。它没有花哨的模型却道破了蓝牙隐私监测最本质的一点元数据的被动关联往往比任何主动探测都更可怕。理解它既是读懂一款开源工具也是读懂我们身处的蓝牙世界有多透明。赞分享【免费下载链接】bluehoodMonitor your local neighbourhoods bluetooth activity项目地址https://gitcode.com/gh_mirrors/bl/bluehood点击查看免费下载相关推荐大麦抢票终极指南5分钟实现演唱会门票自动化抢购大麦抢票终极指南5分钟实现演唱会门票自动化抢购 还在为心仪明星演唱会门票秒空而烦恼吗大麦自动抢票项目为你提供了一套完整的解决方案让你告别手动抢票的焦虑和失GUI 自动化RPA揭秘GitHub Docs搜索算法从精准匹配到智能排序的完整指南揭秘GitHub Docs搜索算法从精准匹配到智能排序的完整指南 GitHub Docs搜索算法是帮助开发者快速找到所需文档的核心引擎它通过精准匹配与智能排文档教程知识库终极指南DocsGPT相关性排序算法如何实现精准文档匹配终极指南DocsGPT相关性排序算法如何实现精准文档匹配 DocsGPT是一款强大的私有AI平台专为智能代理、助手和企业搜索打造。其核心功能之一是通过先进的人工智能AI 应用AI AgentRAG后端前端MCP 服务深度研究创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考