data-breach-detector

data-breach-detector

一个只读的泄露情报 MCP 服务。它基于公开披露信息源，回答“这个组织是否曾遭遇过数据泄露、最近有哪些泄露新闻、过去二十年的泄露历史如何、这段威胁文本有多严重”等问题，并提供的是情报，而非内容：泄露事件的存在、时间、规模、类别和暴露数据类型，绝不提供泄露记录本身。

专为防御者及代表他们工作的 Agent 打造。

为什么选择它，而不是其他方案

大多数数据泄露工具分为三类，各有结构性缺陷：

• 面向消费者的查询工具（HaveIBeenPwned 网站）只能回答一个问题——“我的邮箱是否出现在某次数据泄露中”——而且一次只能查询一个账户、一个信息源。
• 泄露数据经纪商（DeHashed、IntelX、LeakCheck 等）出售对泄露记录本身的访问权限。将这类服务接入 AI Agent，就等于把被盗凭据交给 Agent。
• 企业情报平台（SpyCloud、Recorded Future、Flashpoint）能正确整合信息，但需要签订金额高达五位数的合同，而且 API 封闭。

本服务选择了第四条路：

1. 四个主要信息源，一个可查询入口。 经验证的数据泄露目录（HIBP）、实时勒索软件泄露站点追踪器（RansomLook）、截至 2020 年、收录约 1.6 万名受害者的泄露站点存档（ransomwatch），以及 SEC 8-K Item 1.05 文件——企业依法必须披露的“重大网络安全事件”。在同一索引中提供监管级和犯罪基础设施级证据。无需密钥，无需合同。
2. 将历史记录作为核心功能。 breach_history、breach_timeline 和 breach_stats 将 2007 年至今视为产品本身，而非缓存：涵盖 2013 年的每次数据泄露、组织完整的事件时间线、重复受害者标记，以及按年份和攻击者汇总的数据。
3. 伦理边界写在代码里，而非服务条款中。 不提供抓取、爬取或代理功能，不访问 .onion，并且每条由信息源提供的字符串都会在构建记录时、组装任何字段之前进行清理：邮箱、哈希、IP 地址、加密货币地址和类似凭据的令牌都会被脱敏；用于向人类读者隐藏指令的不可见通道（Unicode Tags、零宽字符、双向文本覆盖、变体选择符、终端控制码）都会被剥除。这一点很重要，因为勒索软件团伙编写泄露站点的标题，而 Agent 会读取这些标题：同一个字段既是情报，也是注入入口。只对人类会查看的两个字段进行脱敏并不够，因为 ID、攻击者名称和统计分组键都来自相同的字符串。
4. 以机制保障诚实。 feed_sources 会报告每个信息源的最新条目、过时标记和上次抓取错误——上游故障会作为事实呈现，而不是留下无声的空缺。（ransomwatch 项目本身已于 2025 年 6 月停止更新；本服务会如实说明，而不会假装一切正常。）
5. 原生支持 MCP，免费、采用 MIT 许可证、可自托管。 只需执行一次 pip install，即可使用 stdio 或 streamable-HTTP。

它不做什么

• 不获取任意 URL、不爬取、不做代理——不提供通用抓取功能。
• 不访问 .onion 市场，不进行交易。
• 绝不返回转储文件、粘贴内容或泄露文本的原始内容。每条记录在构建时都会对信息源提供的字符串进行脱敏，并剥除隐藏指令字符。因此，ID、攻击者名称、实体名称、日期、来源 URL 和聚合键都基于清理后的值构建，而非原始值。

信息源（公开，无需密钥）

• HaveIBeenPwned /api/v3/breaches——截至 2007 年的经验证数据泄露目录：域名、泄露日期、受影响人数、暴露数据类别。
• RansomLook（ransomlook.io）——实时勒索软件泄露站点追踪器。
• ransomwatch（joshhighet/ransomwatch）——约 1.6 万条泄露站点帖文的冻结存档，时间范围为 2020 年 1 月至 2025 年 6 月，作为历史记录保留。
• SEC EDGAR——包含 Item 1.05 重大网络安全事件的 8-K 文件（自 2023 年 12 月起实行强制性第一方披露）。

工具

工具	返回内容
breach_news(since_days, sector, source, limit, offset)	最新披露信息——实体、日期、规模、暴露的数据类型、严重程度
check_exposure(query, since_days, limit, offset)	域名或公司是否出现在任何泄露数据中——是/否 + 元数据
breach_history(query, year_from, year_to, sector, data_type, min_accounts, order, limit, offset)	搜索完整档案，追溯至 2007 年
breach_timeline(entity, limit, offset)	某个组织按事件逐一排列的时间线 + 是否重复受害的评估
breach_stats(group_by, sector, limit)	按年份 / 来源 / 数据类型 / 威胁级别 / 勒索软件攻击者汇总
assess_threat(text)	对一段安全文本进行分类——级别、类别、操作（不联网）
feed_sources()	数据源、各来源的新鲜度、过时标记、上次获取错误

每个列表工具都会报告 count、limit、offset 和 returned，而 breach_stats 会报告 buckets_total，因此截断的答案会明确标记为 已截断，并且可以通过分页获取后续内容，不会丢失。

运行

pip install data-breach-detector

data-breach-detector           # stdio (for MCP clients)
data-breach-detector --http    # streamable-HTTP on 127.0.0.1:8790/mcp

或者将 MCP 客户端指向此配置：

{ "mcpServers": { "data_breach_detector": {
  "command": "data-breach-detector"
} } }

托管远程服务：https://breach.seiche.info/mcp

许可证

MIT。泄露数据归其来源所有（HaveIBeenPwned、RansomLook、 ransomwatch、SEC EDGAR）；此工具仅汇总其公开披露的元数据，并注明出处。