照片 OSINT:店招锚定街区 + 窗外寺庙视角匹配定位酒店
pentest/recon · verified
一句话结论
只给两张旅行照片时,先用街景照片中独特店招(如 TAO BAO、ROYAL、CHEMIST & DRUGGIST)在地图上锚定街区,再用房间窗外照片的寺庙尖塔/距离/视角在候选酒店中做“视角匹配”,即可定位拍摄者所住酒店。
原理
- 街景照片的店招是强文本锚点:独特店名/品牌 + 当地语言招牌(如 Jan Aushadhi 药房)可在地图/街景中唯一或小范围定位。
- 房间照片提供视角约束:窗外正对寺庙尖塔(shikhara)、距离很近、左侧有厚窗帘,说明拍摄点是与寺庙高度/方位匹配的酒店房间。
- 两者结合:以街景锚点确定城市/街区,再枚举周边酒店,比较其公开照片/卫星图/街景与“窗外视角”的匹配度(尖塔数量、相对高度、距离、朝向)。
- 为什么可行:地图/街景/酒店公开图片构成多源交叉验证;独特店招 + 地标视角比单纯“看起来像某地”更可靠。
- 常见误区:只看酒店离街景近不近,不看房间视角是否真的能看到同一组尖塔;应优先验证视角几何关系。
触发条件
- 有至少一张含可读店招/路牌的街景照片,和一张从室内向外拍的地标照片。
- 目标区域有地图/街景覆盖(如印度瓦拉纳西等城市)。
- 酒店有公开照片/卫星图/评论图可用于视角比对。
- 照片未移除 EXIF/未被严重压缩(有 EXIF 可直接读 GPS/设备/时间)。
利用步骤
- 先读 EXIF:
exiftool photo.jpg,看 GPS、时间、设备、软件;有 GPS 可直接定位。 - 放大街景照片,记录所有可读店招/路牌/语言/店铺类型;优先用独特店名搜索地图。
- 在地图/街景中确认街区,记录周边道路、寺庙、酒店分布。
- 分析室内照片:窗外地标的形状/数量/相对高度/距离/朝向;左侧窗帘/窗框/楼层高度等约束。
- 以街区为中心枚举酒店,查看其公开照片、卫星图、街景和评论图,找与室内视角最匹配的一家。
- 用多张照片/评论交叉验证(同一组尖塔、同一朝向、同一楼层高度),输出规范化酒店名。
- 若无法唯一确定,扩大候选范围或结合天气/阴影/太阳方位/店招更新时间缩小。
PoC
无代码 PoC;这是人工 OSINT 流程。可复现步骤:
1) exiftool 查 GPS/时间
2) 街景店招 TAO BAO -> Google Maps 搜索 -> 锁定 Varanasi 街区
3) 室内照片:寺庙尖塔群 + 近距离 + 左侧窗帘
4) 周边酒店逐一比对公开照片/卫星图视角
5) 匹配 HOTEL KAVANA
说明:原文为 CTF OSINT 题,最终答案为 kashiCTF{HOTEL_KAVANA};本卡只提炼方法,未在本机复现定位。
变体与关联
- 变体(锚点):路牌、公交站、广告牌、电话号码、菜单价格/语言、车牌、电线杆编号、商店营业时间。
- 变体(视角):山峰天际线、桥梁、电视塔、教堂尖顶、海岸线;用 suncalc/阴影方向辅助确定朝向与时间。
- 变体(工具):Google Maps/Street View、Yandex/Baidu 街景、Mapillary、Wikimapia、酒店预订站评论图、卫星图。
- 关联:[[pentest-recon-edge-domain-icp-filing-crtsh]](资产测绘中的 OSINT);[[pentest-recon-search-engine-directory-listing-redteam-tool-hunting]](搜索引擎语法)。
- 边界:店招已更换/地图无街景/照片被裁剪或去除 EXIF/目标酒店无公开图片时,定位难度显著上升,需要更多线索。
检测与防御
- 检测:公开照片中出现可读店招、地标、门牌、GPS 坐标;同一用户多张照片可拼出住址/行程。
- 防御:发布前移除 EXIF/GPS,模糊店招/门牌/地标细节,避免同时发布“室内视角 + 街景锚点”;延迟发布位置相关照片。
- 取证/红队:OSINT 阶段保存原始图片与 EXIF,记录搜索路径与候选比对结果,避免仅凭单一线索下结论。