confusable-vision

Empirische Glyphen-Ähnlichkeitsbewertung mittels Vektorkontur-Strahlenabtastung. Rendert Unicode-verwechselbare Zeichenpaare über 245 Systemschriftarten hinweg, misst strukturelle Ähnlichkeit direkt aus den Schriftkonturen (keine Rasterung) und erzeugt bewertete JSON-Artefakte mit schriftartspezifischen kontinuierlichen Distanzwerten.

Wichtige Ergebnisse aus 52,6 Millionen Einzelzeichen- und 190 Millionen Multizeichen-Vergleichen über 22.581 Zeichen und 12 Schriftsysteme:

• 249.976 einzigartige Einzelzeichen-Verwechselbarkeitspaare in 245 Schriftarten, 12 Schriften, 66 schriftübergreifenden Paaren. 764.395 Funde insgesamt auf Schriftartenebene.
• 2.524.275 einzigartige Multizeichen (Bigramm) Verwechselbarkeitspaare inklusive rn/m in 95 Schriftarten (33 unter Distanz 0,40) und oy/kyrillisch uk in 16 Schriftarten.
• Schriftartspezifische kontinuierliche Distanzwerte, keine binären Listen. Jedes Paar hat einen gemessenen Strahlabstand pro Schriftart, was schriftartbewusste Zuversicht für nachgelagerte Sicherheitswerkzeuge bietet.
• 305% mehr Funde als SDF, 29% schneller. Die angereicherte Fünf-Schicht-Strahlsignatur ist eine strikte Obermenge der SDF-Ergebnisse; ausschließlich bei SDF gefundene Paare konnten bei manueller Überprüfung nicht reproduziert werden.

Die Ausgabe speist direkt in namespace-guard für die Laufzeiterkennung von Verwechselbarkeiten in Paketnamen, Domainnamen und Identifikatoren.

Wie es funktioniert

RaySpace wirft parallele Strahlen durch Schriftkonturen in 36 Winkeln und erfasst fünf Informationsebenen pro Glyphe: Kreuzungsanzahlen, Kreuzungspositionen, Kreuzungswinkel, Ping-Distanzen (Strichbreite an jeder Kreuzung) und Ping-Max (Gegenbreite zwischen Kreuzungen). Dies erzeugt eine kompakte Signatur pro Zeichen pro Schriftart. Zwei Signaturen werden mit einer gewichteten L1-Distanz über alle fünf Ebenen verglichen.

Eine dreistufige Filterkaskade macht den erschöpfenden Vergleich handhabbar:

1. Advance-Breitenfilter (15% Toleranz) eliminiert Paare mit unterschiedlichen Zeichenbreiten. Entfernt 63% der Kandidaten.
2. Strahlenvergleich (Schwellwert 2,0, verschärft auf 1,0 für große Schriftpaare). Entfernt weitere 33%.
3. Nur 3,3% der Kandidaten überleben und werden Funde.

Die Signaturdatenbank (294.646+ Einträge über 245 Schriftarten; mehr mit --include-uppercase) wird einmal vorberechnet. Die Entdeckung läuft dann als single-threaded Arithmetik auf der Datenbank und führt 52,6 Millionen Paarvergleiche in 31 Minuten ohne Worker-Threads oder GPU durch.

Schnellstart

npm install

# 1. Erstelle die Strahlsignaturdatenbank (Voraussetzung, ~24 Min.)
npx tsx scripts/build-signature-bank.ts

# 1b. Großbuchstaben Latein A-Z einbeziehen (optional)
#     Standardmäßig enthält die Datenbank nur IDNA-PVALID-Codepunkte (Kleinbuchstaben,
#     Ziffern, Symbole). Verwende --include-uppercase, um Großbuchstaben A-Z hinzuzufügen, nützlich
#     für Schriftidentifikation und visuellen Markenvergleich, wo Großbuchstaben
#     Glyphenformen eine Rolle spielen. Der Builder ist fortsetzbar, daher berechnet dies nur
#     die zusätzlichen Codepunkte.
npx tsx scripts/build-signature-bank.ts --include-uppercase

# 1c. Beliebige Codepunktbereiche einbeziehen (optional)
npx tsx scripts/build-signature-bank.ts --extra-range=0041-005A

# 2. Einzelzeichen-Entdeckung (22.581 Zeichen, 12 Schriften, ~36 Min.)
npx tsx scripts/discover-singlechar-sdf.ts --scorer=ray

# 3. Multizeichen- (Bigramm-) Entdeckung (676 Bigramme, ~63 Min.)
npx tsx scripts/discover-multichar-sdf.ts --scorer=ray

# 4. Bewerte bekannte TR39-Multizeichen-Verwechslungen (~5 Min.)
npx tsx scripts/score-multichar-sdf.ts --scorer=ray

# TR39-Bewertung verwechselbarer Paare
npx tsx scripts/build-index.ts          # Render-Index (~160s, 11.370 PNGs)
npx tsx scripts/score-all-pairs.ts      # Bewerte alle Paare (~65s, 235K Vergleiche)

# Entdeckung neuartiger Verwechslungen
npx tsx scripts/build-candidates.ts          # Kandidatensatz (~23K Zeichen)
npx tsx scripts/build-index.ts --candidates  # Kandidaten rendern (~40min, 89K PNGs)
npx tsx scripts/score-candidates.ts          # Bewertung gegen lateinische Ziele (~15min, 2,9M Vergleiche)

# Extrahiere hochbewertete Funde aus beiden Pipelines
npx tsx scripts/extract-discoveries.ts

Was gefunden wurde

Top-Verwechselbarkeitspaare (Einzelzeichen, mittlere Distanz < 0,10)

"Nullen" = Schriftarten, bei denen die Konturen bitidentische Strahlsignaturen erzeugen (Distanz 0,000). Latein w/Kyrillisch ԝ ist in allen 19 Schriftarten, die beide Glyphen enthalten, identisch.

Schriftübergreifende Durchbrüche (Einzelzeichen)

Georgische Coda (U+10FF) bildet einen vierfach verwechselbaren Ring mit lateinischem o, kyrillischem o und griechischem Omikron, alle unter Distanz 0,08.

Multizeichen-Highlight-Ergebnisse

Die Entdeckung von oy/kyrillisch uk ist der herausragende neue Fund: Das lateinische Bigramm "oy" ist visuell identisch mit dem kyrillischen Digraphenbuchstaben uk (ѹ) bei Distanz 0,000 in Helvetica und 0,0005 in Arial Unicode MS.

Schwellwertkalibrierung

Drei empfohlene Betriebsstufen:

• Streng (< 0,50): 138 Einzelzeichen-Paare, nahezu keine Fehlalarme. Geeignet für automatische Blockierung (IDN-Registrierung, Paketnamen-Validierung), bei der Fehlalarme reale Kosten verursachen.
• Standard (< 1,00): 4.174 Einzelzeichen-Paare, gute Balance zwischen Abdeckung und Präzision. Geeignet zum Markieren und zur manuellen Überprüfung in Sicherheitswerkzeugen.
• Explorativ (< 2,00): Vollständiger Fundus. Enthält Rauschen am oberen Ende, aber nützlich für Forschung, Schriftarten-Audit und die Erstellung von Trainingsdatensätzen.

Schriftartabfrage