An OSINT investigation rarely begins with a complete picture. It begins with a domain, an alias, an email address, or another lead, and a question: what is it connected to? DAEDALUS is my open-source platform for exploring those relationships while keeping the path behind every finding visible. It turns an investigation into a graph of entities and connections, with the source and transformation recorded as the case grows. It is one of the most ambitious projects I have built so far.
Each case starts with an entity. DAEDALUS recognises twenty types, including domains, aliases, email addresses, IP addresses, social accounts, cryptocurrency wallets, file hashes, and CVEs. From there, transforms query public sources and add related entities to the graph. The current release includes 46 transforms across nine areas, from DNS and web infrastructure to identity, social media, location, blockchain, and threat intelligence.
An analyst can run a single transform, several together, or a multi-step machine that follows a defined line of enquiry. Results arrive as the investigation runs, and each new connection stays attached to the input and operation that produced it. The graph is a working case file, not just a picture of the final result.
A connection is useful only if you can understand why it is there. DAEDALUS keeps provenance with the graph so an analyst can follow a result back through the transform that found it and inspect the source. That makes it easier to check a lead, reproduce a step, and distinguish a verified relationship from an assumption.
Ariadne’s thread helps navigate between entities. Choose a start and a destination to find the shortest paths between them, with the evidence behind each link. When several entities matter, DAEDALUS can show the smallest subgraph that connects them. The name comes from the thread that guided Theseus through the labyrinth: in a complex case, the route matters as much as the destination.
The graph also makes patterns easier to inspect. DAEDALUS calculates measures such as betweenness, PageRank, and degree, detects communities, and highlights choke points whose removal would split a network. Identity resolution can surface same-type entities with shared neighbours that may warrant further review.
Findings with dates appear on a timeline, and coordinates appear on a map. The platform can also read EXIF metadata, including GPS coordinates, from photographs. Together, these views help analysts move between relationships, events, and locations without losing the context of the case.
DAEDALUS is free software under the GPL-3.0-or-later licence. It can be deployed on infrastructure you control, and its JSON API makes it possible to drive investigations from scripts. Developers can add Python transforms as plugins. Cases can be exported as JSON, GraphML for tools such as Gephi and yEd, CSV, or PNG.
Public-source transforms work without service keys; optional credentials for services such as Shodan or VirusTotal can extend coverage. The project is designed to be useful without making a hosted service the only way to run it.
DAEDALUS runs as a single Python 3.11+ process. FastAPI and Uvicorn serve the interface and JSON API; an asyncio engine runs transforms; SQLite, using write-ahead logging, persists cases, entities, links, and execution records in the data directory. There is no separate graph database or worker service to operate. The trade-off is deliberate: jobs and their event history live in process memory, so a deployment needs one long-running instance and persistent storage.
The browser client is a single-page app made from plain JavaScript modules, with no build step. Cytoscape.js handles the graph and layouts; Leaflet renders the map. The application bundles its frontend libraries and can run without a connection to a third-party application service, although map tiles still come from their configured tile provider. On the server, asynchronous HTTP requests, DNS lookups, and WHOIS queries feed the same investigation engine.
The system is organised around a single path: an entity enters, transforms collect around it, and the results return to the graph with their provenance. Every component sits somewhere on that path.
Browser · SPA, Cytoscape.js, Leaflet │ JSON API ▲ Server-Sent Events ▼ │ FastAPI + Uvicorn ───────► Job manager (in memory) │ ▲ ▼ │ progress events Transform engine (asyncio)─┘ transforms · machines · plugins │ │ │ HTTP · DNS · WHOIS │ entities · links · provenance ▼ ▼ Public sources SQLite (WAL) ──► graph analysis + optional keyed APIs
Two boundaries shape the design. Durable state, meaning cases, entities, links, and execution records, lives in SQLite; transient state, meaning running jobs and their event streams, lives in the process. Collection sits behind the transform contract, so adding a source, built-in or plugin, does not require changes to storage, the API, or the interface.
A transform declares the entity types it accepts, the sources it queries, its timeout, and any required or optional API keys. The engine gives each run a context containing the input entity, a shared asynchronous HTTP client, settings, and a result limit. A transform can then add or enrich entities and connect each result to the entity or parent that produced it. That contract keeps collection logic separate from case storage and gives the interface a consistent way to show provenance.
Machines compose transforms into named, multi-stage workflows. They can carry a result frontier from one stage into the next or revisit the entities already discovered, with a configurable depth and a bounded result count. Forty-one of the 46 built-in transforms work without an API key; optional keys expand coverage for services that require them. Third-party transforms can be added as Python plugins in the data directory, so they can use the same context and result model as built-in collection.
The graph-analysis module has no external algorithm dependency. Ariadne’s thread uses Yen’s algorithm over breadth-first search to return loop-free shortest paths ordered by hop count. The connect-selection view unions pairwise shortest paths to reveal how a selected set of entities is connected. Paths can be bounded by length and can treat links as directed when the investigation needs that distinction. In the default analysis, parallel links collapse to one graph edge and direction is ignored.
Structural analysis combines Brandes betweenness centrality, PageRank by power iteration, Louvain community detection, and Tarjan’s articulation-point and bridge algorithms. PageRank uses a damping factor of 0.85; for graphs above 1,500 entities, betweenness samples 300 source nodes to bound the cost. These measures answer different questions: which entities sit between otherwise separate parts of a case, which ones have high incoming influence, where communities form, and which links or nodes would split the graph if removed. A similarity pass compares same-type entities by shared neighbours and Jaccard similarity, requiring at least two shared neighbours and ignoring very large hubs. They are investigative leads to review, not identity claims or proof on their own.
The interface uses the same HTTP API available to scripts. A client creates a case, adds seed entities, then calls an endpoint to run transforms or a machine. The API returns a job ID; GET /api/jobs/{job_id}/events streams progress as Server-Sent Events, including transform starts, new entities and links, errors, and completion. The stream can replay its event history after a reconnect, and jobs can be cancelled through the API. Cases can be exported in JSON, GraphML, or CSV, which makes it possible to continue analysis in other tools or archive a reproducible investigation.
Publicly available information can still affect real people. DAEDALUS is intended for legitimate research with a lawful basis, respect for data-protection law, and compliance with each source’s terms. It is not intended for surveillance, harassment, or profiling without a lawful basis. The hosted demo is access-controlled, and requests are reviewed manually.
A self-hosted installation is designed for one trusted user or a shared-password deployment, not multiple accounts or roles. It binds to 127.0.0.1 by default. Before exposing it on a network, set DAEDALUS_PASSWORD and use HTTPS. API keys are stored in plain text in settings.json, so the data directory and its backups need appropriate access controls. Plugins are Python code executed with the application’s privileges and should only come from sources you trust. Fetching transforms also check user-supplied URLs against private and reserved addresses, including after redirects, to reduce server-side request forgery risk.
DAEDALUS brings collection, link analysis, and evidence provenance into one workspace. The goal is not to automate judgement; it is to make an investigation easier to follow, verify, and reproduce.
Explore the DAEDALUS platform, read the documentation, or browse the source code on GitHub.
This article describes DAEDALUS for informational and educational purposes. The software is provided “as is”, without warranty of any kind, under the terms of the GPL-3.0-or-later licence. Results come from third-party sources that may be incomplete, outdated, or wrong, and graph metrics and similarity suggestions are leads, not evidence: verify every finding independently before acting on it. Users are solely responsible for how they use the tool and for complying with applicable law, including data-protection law, and with the terms of each source they query. Third-party services and trademarks mentioned here belong to their respective owners; DAEDALUS is not affiliated with or endorsed by them. Nothing in this article constitutes legal advice.
- A. R. Brea, written 28 Oct 2026
Una investigación OSINT rara vez empieza con una imagen completa. Empieza con un dominio, un alias, un correo electrónico u otro indicio, y una pregunta: ¿con qué está relacionado? DAEDALUS es mi plataforma de código abierto para explorar esas relaciones y mantener visible el recorrido que hay detrás de cada hallazgo. Convierte la investigación en un grafo de entidades y conexiones, y registra las fuentes y transformaciones a medida que crece el caso. Es uno de los proyectos más ambiciosos que he construido hasta ahora.
Cada caso empieza con una entidad. DAEDALUS reconoce veinte tipos, entre ellos dominios, alias, direcciones de correo, direcciones IP, cuentas sociales, monederos de criptomonedas, hashes de archivos y CVE. A partir de ahí, las transformaciones consultan fuentes públicas y añaden entidades relacionadas al grafo. La versión actual incluye 46 transformaciones en nueve áreas, desde DNS e infraestructura web hasta identidad, redes sociales, geolocalización, blockchain e inteligencia de amenazas.
El analista puede ejecutar una transformación, varias a la vez o una máquina de varios pasos que siga una línea de investigación definida. Los resultados aparecen mientras avanza el análisis, y cada nueva conexión conserva el vínculo con el dato de entrada y la operación que la produjo. El grafo funciona como expediente de trabajo, no solo como una imagen del resultado final.
Una conexión solo es útil si se puede entender por qué está ahí. DAEDALUS conserva la procedencia en el grafo para que el analista pueda seguir un resultado hasta la transformación que lo encontró e inspeccionar la fuente. Así resulta más sencillo comprobar un indicio, reproducir un paso y distinguir una relación verificada de una suposición.
El hilo de Ariadna ayuda a navegar entre entidades. Elige un origen y un destino para encontrar las rutas más cortas entre ambos, con las pruebas que respaldan cada vínculo. Si hay varias entidades relevantes, DAEDALUS puede mostrar el subgrafo más pequeño que las conecta. El nombre alude al hilo que guio a Teseo por el laberinto: en un caso complejo, el recorrido importa tanto como el destino.
El grafo también facilita la detección de patrones. DAEDALUS calcula medidas como betweenness, PageRank y grado, detecta comunidades y señala puntos críticos cuya eliminación dividiría una red. La resolución de identidades puede mostrar entidades del mismo tipo con vecinos en común que merezcan una revisión más detallada.
Los hallazgos con fecha aparecen en una cronología y las coordenadas, en un mapa. La plataforma también puede leer metadatos EXIF, incluidas coordenadas GPS, de fotografías. Estas vistas permiten pasar de las relaciones a los acontecimientos y lugares sin perder el contexto del caso.
DAEDALUS es software libre bajo la licencia GPL-3.0-or-later. Puede desplegarse en infraestructura propia, y su API JSON permite dirigir investigaciones desde scripts. Los desarrolladores pueden añadir transformaciones en Python mediante plugins. Los casos se pueden exportar en JSON, GraphML para herramientas como Gephi y yEd, CSV o PNG.
Las transformaciones basadas en fuentes públicas funcionan sin claves de servicios externos; las credenciales opcionales de servicios como Shodan o VirusTotal amplían la cobertura. El proyecto busca ser útil sin que un servicio alojado sea la única forma de utilizarlo.
DAEDALUS se ejecuta como un único proceso de Python 3.11 o superior. FastAPI y Uvicorn sirven la interfaz y la API JSON; un motor asíncrono ejecuta las transformaciones; y SQLite, con write-ahead logging, persiste casos, entidades, vínculos y ejecuciones en el directorio de datos. No hace falta operar una base de datos de grafos ni un servicio de workers independiente. La contrapartida es deliberada: los trabajos y su historial de eventos viven en la memoria del proceso, así que el despliegue necesita una única instancia de larga duración y almacenamiento persistente.
El cliente del navegador es una aplicación de una sola página, construida con módulos JavaScript y sin paso de compilación. Cytoscape.js gestiona el grafo y sus distribuciones; Leaflet representa el mapa. La aplicación incluye sus bibliotecas de interfaz y puede funcionar sin depender de un servicio de aplicación de terceros, aunque los mosaicos del mapa proceden del proveedor configurado. En el servidor, las peticiones HTTP asíncronas, las consultas DNS y WHOIS alimentan el mismo motor de investigación.
El sistema se organiza en torno a un único recorrido: entra una entidad, las transformaciones recopilan información a su alrededor y los resultados vuelven al grafo junto con su procedencia. Cada componente ocupa un lugar en ese recorrido.
Navegador · SPA, Cytoscape.js, Leaflet │ API JSON ▲ Server-Sent Events ▼ │ FastAPI + Uvicorn ───────► Gestor de trabajos (en memoria) │ ▲ ▼ │ eventos de progreso Motor de transformaciones──┘ transformaciones · máquinas · plugins │ │ │ HTTP · DNS · WHOIS │ entidades · vínculos · procedencia ▼ ▼ Fuentes públicas SQLite (WAL) ──► análisis del grafo + APIs opcionales con clave
Dos fronteras definen el diseño. El estado duradero (casos, entidades, vínculos y registros de ejecución) vive en SQLite; el estado transitorio (trabajos en curso y sus flujos de eventos) vive en el proceso. La recopilación queda detrás del contrato de las transformaciones, de modo que añadir una fuente, integrada o como plugin, no exige cambios en el almacenamiento, la API ni la interfaz.
Cada transformación declara los tipos de entidad que acepta, las fuentes que consulta, su tiempo límite y las claves de API necesarias u opcionales. El motor le proporciona un contexto con la entidad de entrada, un cliente HTTP asíncrono compartido, la configuración y un límite de resultados. La transformación puede añadir o enriquecer entidades y conectar cada resultado con la entidad de entrada o con el nodo que lo produjo. Este contrato separa la lógica de recopilación del almacenamiento del caso y permite que la interfaz muestre la procedencia de forma consistente.
Las máquinas combinan transformaciones en flujos de trabajo con nombre y varias etapas. Pueden llevar los resultados de una etapa a la siguiente o volver a procesar las entidades ya descubiertas, con una profundidad configurable y un número acotado de resultados. Cuarenta y una de las 46 transformaciones incluidas funcionan sin clave de API; las claves opcionales amplían la cobertura de los servicios que las requieren. También se pueden añadir transformaciones de terceros como plugins de Python en el directorio de datos, usando el mismo contexto y modelo de resultados que las integradas.
El módulo de análisis del grafo no depende de bibliotecas externas para sus algoritmos. El hilo de Ariadna usa el algoritmo de Yen sobre una búsqueda en anchura para devolver rutas más cortas sin ciclos, ordenadas por número de saltos. La vista para conectar una selección une rutas más cortas por pares para mostrar cómo se relacionan las entidades seleccionadas. Las rutas se pueden limitar por longitud y tratar los vínculos como dirigidos cuando el caso requiere esa distinción. En el análisis predeterminado, los vínculos paralelos se reducen a una arista y se ignora la dirección.
El análisis estructural combina la centralidad de intermediación de Brandes, PageRank mediante iteración de potencia, detección de comunidades de Louvain y los algoritmos de Tarjan para puntos de articulación y puentes. PageRank usa un factor de amortiguación de 0,85; en grafos de más de 1.500 entidades, la intermediación toma una muestra de 300 nodos de origen para limitar el coste. Cada medida responde a una pregunta distinta: qué entidades conectan partes separadas del caso, cuáles tienen mayor influencia entrante, dónde aparecen comunidades y qué nodos o vínculos dividirían el grafo si se eliminasen. Una pasada de similitud compara entidades del mismo tipo según sus vecinos compartidos y la similitud de Jaccard; exige al menos dos vecinos en común e ignora hubs muy grandes. Son indicios para revisar, no pruebas de identidad ni conclusiones automáticas.
La interfaz usa la misma API HTTP disponible para scripts. Un cliente crea un caso, añade entidades semilla y llama a un endpoint para ejecutar transformaciones o una máquina. La API devuelve un identificador de trabajo; GET /api/jobs/{job_id}/events transmite el progreso mediante Server-Sent Events, con el inicio de transformaciones, entidades y vínculos nuevos, errores y finalización. El flujo puede reproducir su historial tras una reconexión y los trabajos se pueden cancelar mediante la API. Los casos se exportan como JSON, GraphML o CSV para continuar el análisis en otras herramientas o archivar una investigación reproducible.
La información disponible públicamente también puede afectar a personas reales. DAEDALUS está pensado para investigaciones legítimas, con una base jurídica, respeto a la normativa de protección de datos y cumplimiento de las condiciones de cada fuente. No está destinado a la vigilancia, el acoso ni la elaboración de perfiles sin base jurídica. La demo alojada tiene el acceso restringido y las solicitudes se revisan manualmente.
Una instalación propia está pensada para una persona de confianza o para un despliegue con contraseña compartida, no para gestionar varias cuentas o roles. Por defecto escucha en 127.0.0.1. Antes de exponerla en una red, hay que configurar DAEDALUS_PASSWORD y usar HTTPS. Las claves de API se guardan en texto plano en settings.json, así que el directorio de datos y sus copias de seguridad requieren controles de acceso adecuados. Los plugins son código Python que se ejecuta con los privilegios de la aplicación; solo conviene instalar código de fuentes confiables. Las transformaciones que consultan URL proporcionadas por el usuario también comprueban que no apunten a direcciones privadas o reservadas, incluso después de redirecciones, para reducir el riesgo de SSRF.
DAEDALUS reúne recopilación, análisis de vínculos y trazabilidad de las pruebas en un mismo espacio. El objetivo no es automatizar el juicio, sino hacer que una investigación sea más fácil de seguir, verificar y reproducir.
Explora la plataforma DAEDALUS, consulta la documentación o visita el código fuente en GitHub.
Este artículo describe DAEDALUS con fines informativos y educativos. El software se proporciona «tal cual», sin garantía de ningún tipo, en los términos de la licencia GPL-3.0-or-later. Los resultados proceden de fuentes de terceros que pueden ser incompletas, estar desactualizadas o contener errores, y las métricas del grafo y las sugerencias de similitud son indicios, no pruebas: verifica cada hallazgo de forma independiente antes de actuar. Cada usuario es el único responsable del uso que haga de la herramienta y del cumplimiento de la legislación aplicable, incluida la de protección de datos, así como de las condiciones de cada fuente que consulte. Los servicios y marcas de terceros mencionados pertenecen a sus respectivos propietarios; DAEDALUS no está afiliado a ellos ni cuenta con su respaldo. Nada de lo expuesto en este artículo constituye asesoramiento jurídico.
- A. R. Brea, escrito el 28 oct 2026