TgWitness: Telegram Export, OSINT & Verification

O TgWitness é um exportador de dados do Telegram de código aberto e um espaço de trabalho para investigações. Instale-o com um único comando, conecte uma conta, escolha os chats e exporte um arquivo assinado. Ele também oferece suporte à coleta temporária no GitHub Actions e à continuidade das investigações com edições salvas, observações de exclusão, pesquisa e relatórios.

Comece pela tarefa que você tem#

Instalação com um único comando#

O instalador inclui o Python e suas dependências. O checkout do código-fonte, o Docker, um provedor de IA e uma testemunha independente são opções opcionais, não pré-requisitos para a instalação.

Linux / macOS:

curl -fsSL https://get.destroy.tools/install.sh | bash

Windows, no PowerShell ou no Prompt de Comando:

powershell.exe -NoProfile -ExecutionPolicy Bypass -Command "irm https://get.destroy.tools/install.ps1 | iex"

Abra o painel, conecte sua conta do Telegram e selecione o escopo da coleta. A instalação não inicia a coleta por si só. O guia de instalação explica o acesso local, os servidores, as atualizações e como verificar a versão baixada.

Para um executador temporário, siga Captura do GitHub Actions . Esse fluxo de trabalho requer um fork no GitHub, autorização e uma senha de arquivo. A página de captura explica essas etapas e o tempo disponível para a sessão antes da execução. Baixe e guarde o arquivo resultante e seu material de verificação.

Mais configurações quando a tarefa exigir#

A exportação de um único chat requer uma conta e um escopo selecionado. Observação contínua, múltiplas contas, proxies, políticas de anexos, design de relatórios, acesso de revisores, carimbos de data/hora externos e armazenamento externo atendem a diferentes requisitos de investigação e transferência. Configure esses recursos quando forem relevantes.

Escopo, permissões e cópias de compartilhamento minimizadas ajudam os operadores a escolher o que coletar e divulgar. Orientações sobre jurisdição e configurações de relatório apoiam essa decisão; a seleção de um perfil, por si só, não garante conformidade legal nem admissibilidade. Consulte exportação de conta, acesso e configuração de relatório.

O aplicativo é executado no computador ou servidor escolhido. A coleta básica não requer uma GPU nem um LLM. O OCR opcional, a transcrição e a análise de IA têm seus próprios requisitos de recursos. Dimensionar uma implantação de acordo com a taxa de mensagens, anexos, histórico retido e contas simultâneas; uma instalação fácil não é garantia de um consumo fixo de memória para todas as cargas de trabalho.

Preserve o registro, independentemente de quem ele ajude#

O objetivo é preservar o material observado, o contexto e as alterações, independentemente de qual posição eles apoiem. As evidências podem contestar a própria versão do coletor sobre os eventos. Mantenha as observações de origem, a cobertura ausente e as conclusões analíticas identificáveis para que outra pessoa possa avaliar o mesmo material.

A lógica é: observação visível na conta → diário assinado → exportação → verificação pelo destinatário. As edições salvas adicionam versões. As observações excluídas mantêm o conteúdo capturado anteriormente. Os registros de cobertura revelam interrupções conhecidas. Relatórios e análises de IA remetem às fontes salvas; uma interpretação não se torna uma observação de fonte simplesmente por aparecer em um relatório assinado.

Essas verificações permitem a análise da integridade e da proveniência. Elas não transformam o conteúdo de uma mensagem em uma afirmação verdadeira nem reconstroem mensagens excluídas que não foram vistas. Utilize uma impressão digital da chave obtida de forma independente e as etapas de verificação descritas em (guia de confiança) e (formato de evidência).

Escala publicada e desempenho medido#

Os resultados a seguir descrevem diferentes cargas de trabalho e datas. As contagens não são intercambiáveis: um evento de log não é necessariamente uma mensagem única do Telegram.

O registro de verificação apresenta o inventário do servidor, verificações de coleta em tempo real e métricas de pesquisa. O desempenho de exportação publica as duas execuções reais, o hardware, as durações, os hashes dos arquivos e os arquivos de métricas assinados. Eles estabelecem resultados para as revisões e condições registradas, e não uma taxa universal ou um limite máximo de capacidade.

Histórico e duração dos testes#

O mantenedor relata mais de seis meses de testes até 6 de novembro de 2026. Isso descreve o histórico de testes do projeto. As medições públicas datadas acima documentam execuções individuais; elas não comprovam uma coleta ininterrupta de seis meses verificada de forma independente. A idade das mensagens exportadas também é diferente do tempo em que o coletor está em operação.

Interprete o status da capacidade com precisão#

Avaliar cada fluxo de trabalho em relação à sua implementação, versão publicada e testes registrados. O código-fonte está atualmente rotulado como pré-visualização. Esse rótulo de versão coexiste com a coleta em andamento, exportações, verificação independente e medições de escala publicadas. Um recurso em pré-visualização e um fluxo de trabalho validado podem coexistir no mesmo aplicativo; descrever o recurso específico e as evidências por trás de uma avaliação.

Use capacidades atuais, recursos e limites, verificação e o registro de alterações em conjunto. Registre a revisão testada ao citar um resultado. O 6 O instantâneo da medição de novembro também mantém os testes com falha e os ignorados; esses não são considerados aprovados.

Legível por pessoas e ferramentas de IA#

O site oferece um llms.txt conciso, um manual completo em inglês nas seções llms-full.txt e llms-full.md, além de versões em Markdown de suas páginas. Esses são formatos de documentação, não um requisito de IA para a execução do TgWitness.

O acesso opcional à linha de comando , e permite que ferramentas autorizadas leiam registros salvos selecionados. O conteúdo das mensagens continua sendo uma entrada não confiável. Os resumos devem citar fontes, distinguir fatos observados de inferências e preservar a incerteza. A pesquisa de texto completo, o OCR e a saída de IA não alteram as observações assinadas originais.