suanli-juzhen/02_账号密码管理/references/MongoDB_分布式算力矩阵_数据库结构说明.md

# 分布式算力矩阵 · 本地 MongoDB 数据库结构说明

> 连接：`mongodb://admin:admin123@localhost:27017/?authSource=admin`  
> 容器：`datacenter_mongodb`（mongo:6.0）  
> 本文档列出**与项目相关的**数据库与集合、作用、结构及优化建议。

---

## 一、数据库总览

| 数据库 | 简介 | 本项目角色 |
|--------|------|------------|
| **KR** | 算力矩阵主库。存放 IP 弹药库、扫描结果、验证结果、登录结果，为扫描/破解/部署提供数据。 | 读写主库 |
| **KR_KR** | 历史业务用户库（木蚂蚁、房产网等），含注册/登录 IP。 | 只读源库 |
| **KR_卡若私域** | 老坑爹论坛/商店、黑科技付款邮箱等私域用户与交易 IP。 | 只读源库 |
| **KR_商城** | 小米等商城用户数据，含 IP。 | 只读源库 |
| **KR_国外** | 卡塔卡银行用户档案与审计日志，含登录/请求 IP。 | 只读源库 |

---

## 二、主库 KR — 集合清单

### 2.1 集合一览

| 集合名 | 作用 | 文档量级 | 写入方 | 读取方 |
|--------|------|----------|--------|--------|
| 分布式矩阵IP | IP 弹药库主表：多源用户+IP 去重、RFM/地区/手机/QQ，供扫描目标与智能破解。 | ~871 万 | extract_ip_users_rfm.py | 扫描、暴力破解、增强 |
| 分布式矩阵IP_已扫描 | 端口扫描结果 + 每 IP 关联用户链；供协议验证与暴力破解。 | 可变 | kr_full_scan / import_scan_results / full_dimension_scan | verified_scan、mongo_smart_brute、enhance_scan_table |
| 分布式矩阵IP_已验证 | 两阶段协议验证后的真实存活 IP（含 SSH/RDP 等）。 | 可变 | verified_scan | full_dimension_scan |
| 分布式矩阵IP_已登录 | 暴力破解成功 SSH 登录的 IP 及凭证。 | 可变 | mongo_smart_brute | enhance_logged_ips |

### 2.2 数据流（人类可读）

```
[源库] KR_KR / KR_卡若私域 / KR_商城 / KR_国外（8 个集合）
         │
         │ extract_ip_users_rfm.py（提取 + RFM + 地区 + 手机/QQ）
         ▼
   KR.分布式矩阵IP（871 万 · IP 弹药库）
         │
         │ 扫描目标选取 → kr_full_scan / import_scan_results / full_dimension_scan
         ▼
   KR.分布式矩阵IP_已扫描（端口 + 用户链）
         │
         ├─→ verified_scan.py（协议验证）──→ KR.分布式矩阵IP_已验证
         │
         └─→ mongo_smart_brute.py（智能破解）──→ KR.分布式矩阵IP_已登录
```

---

## 三、主库 KR — 各集合结构及优化

### 3.1 分布式矩阵IP

**作用**：统一 IP 用户资产表，每条 = 一个「用户+IP」组合，带 RFM、地区、手机、QQ，供扫描目标与智能破解匹配凭证。

**主要字段**：

| 字段 | 类型 | 说明 |
|------|------|------|
| ip | string | 唯一 IP（公网/内网） |
| ip_public | bool | 是否公网 IP |
| username, email, password, salt | string | 账号信息 |
| region, country, province, city | string | GeoIP 地区 |
| phone, qq | string | 提取的手机/QQ |
| source_db, source_col | string | 来源库/集合 |
| R_score, F_score, M_score, RFM_total | number | RFM 分值 |
| value_level, user_type | string | 价值等级/用户类型 |
| extracted_at | datetime | 入库时间 |

**推荐索引（已按 extract_ip_users_rfm.py 创建）**：

- 单字段：ip, ip_public, source_db, source_col, RFM_total, value_level, username, email, region, province, city, phone, qq  
- 复合：(ip, source_col) 用于去重与按 IP+来源查询

**优化建议**：

1. 仅需公网 IP 时，查询加 `ip_public: true`，保证 `ip_public` 索引被用。
2. 按地区做扫描任务时，用 `province` / `city` 索引。
3. 大批量按 IP 查用户时，用 (ip, source_col) 复合索引。

---

### 3.2 分布式矩阵IP_已扫描

**作用**：每个文档 = 一个被扫描过的 IP，含端口开放情况、SSH 难度、可部署评分、关联用户列表（来自 分布式矩阵IP），供协议验证与暴力破解。

**主要字段**：

| 字段 | 类型 | 说明 |
|------|------|------|
| ip | string | 扫描目标 IP |
| ssh_open, rdp_open, vnc_open, telnet_open, baota_open | bool | 端口/服务是否开放 |
| ssh_port, ssh_difficulty | number | SSH 端口与难度(1–5) |
| deploy_score, deploy_ready | number/bool | 可部署评分与是否可部署 |
| os_guess, port_count, user_count | string/number | 系统猜测、端口数、关联用户数 |
| users | array | 该 IP 在 分布式矩阵IP 中的用户记录（供破解匹配） |
| primary_source, source_col | string | 主要来源集合 |

**推荐索引**（与 import_scan_results / enhance_scan_table 一致）：

- 单字段：ip, ssh_open, rdp_open, ssh_difficulty, deploy_score, deploy_ready, source_col, os_guess, user_count, port_count  
- 复合：(ssh_open, ssh_difficulty)、(deploy_ready, deploy_score)、(ssh_open, deploy_score)

**优化建议**：

1. 扫描任务优先取 `deploy_ready: true` 且 `deploy_score` 高的文档，复合索引 (deploy_ready, deploy_score) 必建。
2. 暴力破解只查 `ssh_open: true`，用 (ssh_open, ssh_difficulty) 排序。
3. 按 IP 去重/查重时用 `ip` 唯一索引（若业务允许多次扫描同一 IP 可不用唯一）。

---

### 3.3 分布式矩阵IP_已验证

**作用**：两阶段协议验证后确认「真实存活」的 IP，含 SSH/RDP 等开放状态与质量标签，减少假阳性。

**主要字段**：与「已扫描」类似，增加协议级验证结果（如 connection_quality、is_honeypot 等，以 verified_scan 实际写入为准）。

**推荐索引**：ip, ssh_open, deploy_score, is_honeypot, connection_quality, source_col（与 verified_scan.py 一致）。

**优化建议**：仅从该集合取「可部署」目标时，对 deploy_score 降序、ssh_open=true 建复合索引。

---

### 3.4 分布式矩阵IP_已登录

**作用**：暴力破解成功 SSH 登录的 IP 及所用凭证，供后续部署与运维分析。

**主要字段**：ip, 端口, 所用 username/password、登录时间等（以 mongo_smart_brute / enhance_logged_ips 写入为准）。

**优化建议**：按 IP 或按登录时间查询时建 ip、login_time 等索引；若需按成功凭证统计，可对 username 建索引。

---

## 四、源库集合（只读）

以下集合仅被 **extract_ip_users_rfm.py** 读取并汇总进 **KR.分布式矩阵IP**，项目内不直接写。

| 数据库 | 集合 | 作用 | IP 字段 | 文档量级 |
|--------|------|------|---------|----------|
| KR_KR | 木蚂蚁munayi_com | 木蚂蚁论坛用户 | regip, lastip | 11.5 万 |
| KR_KR | 房产网 | 房产网用户 | regip | 11.9 万 |
| KR_卡若私域 | 老坑爹论坛www.lkdie.com 会员 | 老坑爹论坛会员 | regip | 8.9 万 |
| KR_卡若私域 | 老坑爹商店  shop.lkdie.com | 商店用户 | loginIp, createdIp | 662 |
| KR_卡若私域 | 黑科技www.quwanzhi.com 付款邮箱 | 付款邮箱/交易 | ip | 5,108 |
| KR_商城 | 小米 xiaomi_com | 小米用户 | ip | 828 万 |
| KR_国外 | 卡塔卡银行_用户档案 | 银行用户档案 | LAST_LOGIN_IP | 10.6 万 |
| KR_国外 | 卡塔卡银行_审计主表 | 审计日志 | LOGON_IP, REQUEST_IP | 28 |

**源库优化建议**：仅做批量读取时，在对应 IP 字段上建单字段索引可加速提取（若当前无索引可酌情添加）。

---

## 五、索引优化执行

项目已有多处脚本在写入后创建索引；为统一维护，可在本目录使用「索引优化脚本」做一次性补齐与检查：

- 脚本路径：`02_账号密码管理/scripts/ensure_matrix_indexes.py`
- 作用：对 KR 下 4 个集合按上表推荐创建/补齐索引，避免遗漏。
- 执行：`python 02_账号密码管理/scripts/ensure_matrix_indexes.py`（需本机 MongoDB 可连）。

---

## 六、小结

| 库 | 集合数（项目相关） | 一句话 |
|----|--------------------|--------|
| KR | 4 | 主库：IP 弹药库 + 已扫描/已验证/已登录，全链路读写。 |
| KR_KR | 2 | 木蚂蚁、房产网用户 IP，只读源。 |
| KR_卡若私域 | 3 | 老坑爹论坛/商店、黑科技付款邮箱，只读源。 |
| KR_商城 | 1 | 小米用户 IP，只读源。 |
| KR_国外 | 2 | 卡塔卡银行用户与审计 IP，只读源。 |

数据流：**源库 8 集合 → KR.分布式矩阵IP → 已扫描 → 已验证 / 已登录**；优化重点在 KR 主库 4 个集合的索引与查询条件。