RobinでTor経由のダークウェブOSINTを一気通貫化する

ダークウェブ調査は、ノイズの多さと専門知識の壁で時間がかかりがちです。セキュリティ研究者のVivek氏が2026年6月30日に紹介した「Robin」は、Tor検索・自動スクレイプ・LLM要約を1つのワークフローにまとめたオープンソースのOSINTツールです。

この記事では、Robinがどの課題を解くのか、主な機能、導入手順、類似ツールとの違いを整理します。

この記事でわかること

RobinがTorとLLMで担う調査フローの全体像
対応する16のダークウェブ検索エンジンと複数LLMの選び方
Dockerでの起動手順と合法調査向けの注意点
VoidAccessやSicryといった類似OSSとの位置づけ

GitHub - apurvsinghgautam/robin: AI-Powered Dark Web OSINT Tool

AI-Powered Dark Web OSINT Tool. Contribute to apurvsinghgautam/robin development by creating an account on GitHub.

GitHub

Robinとは何か

Robinは、ダークウェブ向けのOSINT（Open Source Intelligence、公開情報を収集・分析する調査手法）を支援するPython製ツールです。開発者のApurv Singh Gautam氏がGitHubで公開しており、MITライセンスで利用できます。2025年4月の初公開からスター数は5700超（2026年7月2日時点）、フォークも1100超に達しています。

名前はバットマンの相棒「Robin」に由来し、セキュリティ研究者の調査を補助する存在として位置づけられています。Streamlit製のWeb UIを標準とし、CLIやDockerからも実行できます。最新リリースはv2.7（2026年6月2日公開）で、カスタムAPIプロバイダー向けの設定不具合が修正されています。

ダークウェブOSINTが抱える3つの壁

従来のダークウェブ調査では、次の負担が調査者を圧迫してきました。

検索結果のノイズ比率が高い点が最大の障壁です。スパムサイトや詐欺ページが混ざり、有用な情報を手作業で選別するだけで数時間を消費します。

検索クエリの最適化も難しく、ダークウェブ特有の用語や.onion向けの検索構文を知らないと、そもそも当たり所が見つかりません。

複数の検索エンジンを横断する作業も手間です。エンジンごとにUIや応答形式が異なり、調査のたびに画面を切り替える必要がありました。

RobinはこれらをLLMの力で段階的に処理し、調査者が最終判断に集中できる形へ結果を整えます。

Tor検索からレポート生成までの流れ

Robinの処理は、公式READMEが示すとおり「検索」「スクレイプ」「LLM」の3モジュールに分かれています。

調査者が自然言語でクエリを入力する
LLMがダークウェブ向けにクエリを最適化する
Tor経由で複数のダークウェブ検索エンジンへ並列検索する
ヒットした.onionページを自動スクレイプする
LLMが関連性・信頼性・鮮度などの観点で結果をフィルタし、要約レポートを生成する

Tor接続はsocks5h://127.0.0.1:9050を前提とし、ローカルでTorデーモンが動いている必要があります。macOSならbrew install tor、LinuxやWSLならapt install torで導入できます。

検索対象はAhmia、OnionLand、Torgle、Amnesiaなど16のダークウェブ検索エンジンです。search.pyにエンジン一覧が定義されており、並列実行で応答時間を短縮します。

主な機能とLLMの選び方

Robinの特徴は、モデルと出力形式を切り替えやすい拡張性にあります。

モジュラー設計 — 検索・スクレイプ・LLM処理が分離され、エンジンやモデルの追加がしやすい構造です。

マルチモデル対応 — OpenAI、Anthropic Claude、Google Gemini、Ollama（ローカル実行）に加え、LM Studio、Groq、llama.cppなどOpenAI互換APIにも対応します。サイドバーの「Custom API Provider」からベースURLとAPIキーを入力すれば、.envを書き換えずに切り替えられます。

Web UI — Streamlitベースの画面で、クエリ入力からレポート確認まで完結します。サイドバーの「Past Investigations」から過去の調査を再読込できるため、Docker再起動後もinvestigations/フォルダをマウントすれば履歴が残ります。

カスタムレポート — 調査結果をファイルへ保存し、社内報告や追加分析に回せます。

機密性の高い調査では、クエリや結果を外部APIに送りたくない場面があります。その場合はOllamaでローカルLLMを動かす選択肢がREADMEで推奨されています。Docker利用時はOLLAMA_BASE_URLをhttp://host.docker.internal:11434に設定します。

導入手順（Docker推奨）

公式READMEはDockerデプロイを推奨しています。手順の要点は次のとおりです。

docker pull apurvsg/robin:latest
docker run --rm \
   -v "$(pwd)/.env:/app/.env" \
   -v "$(pwd)/investigations:/app/investigations" \
   --add-host=host.docker.internal:host-gateway \
   -p 8501:8501 \
   apurvsg/robin:latest

.envに各LLMプロバイダーのAPIキーを記載し、ブラウザでhttp://localhost:8501を開けばWeb UIが起動します。Python 3.10以上の環境があれば、pip install -r requirements.txtのあとstreamlit run ui.pyでも動かせます。

料金と利用上の制約

Robin本体はMITライセンスの無料ソフトウェアです。ただしOpenAIやAnthropicなどのクラウドLLMを使う場合は、各APIの従量課金が発生します。Ollamaでローカルモデルを動かせば、LLM利用料は実質ゼロに抑えられます。

READMEの免責事項は明確です。教育目的および合法的な調査目的に限定し、管轄地域の法令と組織ポリシーを遵守する必要があります。違法コンテンツへのアクセスや、機密クエリを第三者APIへ送る際のリスクも利用者側の責任となります。

類似ツールとの違い

ダークウェブOSINT向けOSSは近年増えており、Robinと並んで名前が挙がるものがあります。

VoidAccess — 16以上のTor検索エンジンに加え、PastebinやGitHub、脅威インテリジェンスフィードを横断する13段階のパイプラインを備えます。STIX 2.1やMISP形式でのエクスポートに強みがあり、エンタープライズ向け脅威インテリジェンス基盤の代替を目指す設計です。

Sicry — 単一PythonファイルでTorアクセス層を提供し、Robinの検索エンジンカタログとOSINTパイプラインを内包します。MCPサーバーとしてAIエージェントから.onion検索を呼び出す用途に特化しています。

Robinの強みは、調査フロー全体をStreamlit UIで包み込み、Docker一発で試せる手軽さにあります。エンタープライズ向けの脅威インテリジェンス連携やエージェント統合が必要なら、上記ツールの方が適する場面もあります。用途に応じて使い分けるのが現実的です。

合法調査の現場で使うときの心構え

Robinは調査の自動化を担いますが、最終的な判断は人間が行う前提のツールです。ダークウェブの情報は誤報やデマを含むため、単一ソースだけで結論を出さないことが鉄則です。

APIキーは.envで管理し、Gitにコミットしない運用を徹底してください。Tor接続はIP漏洩を防ぐための必須条件であり、プロキシ設定を省略してはいけません。

Vivek氏の紹介が話題を呼んだ背景には、AIとOSINTの交差点で実用ツールが成熟してきた流れがあります。セキュリティ担当者やデジタルフォレンジックの学習者にとって、Robinは隔離環境で安全に試せる入門口になります。公式READMEと免責事項を読んだうえで、検証用VMやDockerコンテナ内から小さく始めるのがよいでしょう。