我最近为什么要研究这个“搜人引擎”的玩法？说起来挺郁闷的。去年年底，我在网上随便填了个表，结果被一个卖理财课的销售天天轰炸。最气人的是，他不仅知道我的手机号，连我以前住在哪儿，在哪儿上过班都知道得一清二楚。
我开始实践：从零开始“偷”数据
当时我就火了，我就想，这些混蛋到底是怎么把我的信息拼凑起来的？他们是不是有什么特殊的渠道？我决定自己动手试试，看能不能复刻出他们的工作流程。
第一步：广撒网，爬！
我给自己写了一个很粗糙的小机器人，这玩意儿干的活儿就是满世界去爬数据。专业的说法叫爬虫，但本质就是个数字小偷。它不会像谷歌那样只抓网站的主页，它专挑那些犄角旮旯、没人打理的旧论坛、招聘网站的废弃简历页，甚至是一些根本没有做安全防护的公开数据库接口。
- 我重点找那些十年前的博客和论坛。这些地方的数据很老，但用户的昵称和QQ号往往是真的。
- 然后是那些小公司的招聘系统。很多小公司招完人，根本不删简历，上面手机号、身份证信息、家庭住址，全都堆在那里。
第二步：数据清洗与标记
光爬回来一大堆乱码没用，得把这些数据都变成能用的“标签”。比如，我从A网站拿到了一个昵称叫“老王爱吃面”的人，他在B网站留了手机号，在C网站说自己住在某个小区。
第三步：恐怖的“对齐”过程
这才是搜人引擎最可怕的地方。它不需要你提供完整的身份信息。只需要一个微小的共同点，它就能把这些碎片化的数据强行“对齐”。
比如，如果“老王爱吃面”在A网站的注册邮箱是123@*，而在B网站的简历上，那个手机号的主人也用了123@*这个邮箱作为联系方式——好了，手机号和昵称就绑定了。然后它会继续找，直到把这个人在全网的所有碎片都像拼图一样拼起来。
一旦对齐完成，这个人的身份画像就出来了：他的真实姓名、工作单位、家庭地址、以前的爱甚至他在哪个交友网站上注册过，全都能清清楚楚地拉出来。
我为什么能这么快搞懂？
我之所以对这种“搜人”流程这么熟悉，不是因为我以前就是干这个的，而是因为几年前我经历了一件糟心事。
当时我一个亲戚被人骗了一大笔钱，对方跑得无影无踪。报警了，警察说线索太少，不好找。亲戚急得跳脚，我就说我试试看能不能用技术手段把那家伙挖出来。
我用上面说的这个流程，花了不到一个星期的时间。我先从那个骗子以前用过的一个社交账号入手，通过交叉比对，找到了他十年前在一个游戏论坛上的留言，里面有他老家的地址和真名。
再通过真名和地址，我在一个已经被黑客攻击过的旧数据库里，找到了他早年的手机号。通过手机号反查，找到了他最近的活动轨迹和藏身地。
当把一整张密密麻麻的个人信息表递给亲戚的时候，我心里发凉。我不是专业的侦探，我只是利用了那些被人遗忘的数据漏洞。这事儿让我彻底明白，在互联网上，你发的每一个字，留下的每一个足迹，只要被人用心去收集和对齐，你就等于在光天化日之下裸奔，根本没有隐私可言。
