screenscrub

Encuentra credenciales en capturas de pantalla, extráelas a un gestor de secretos y redáctelas irreversiblemente de las imágenes — para que los secretos no se pudran en tus notas, capturas de pantalla y ~/Desktop.

Local. Fuera de línea. Silencioso. Sin red, sin telemetría por defecto.

screenscrub une dos categorías de herramientas existentes: los redactores GUI (Xnapper, Shhshot, macshot) difuminan datos personales a mano pero no distinguen un secreto de una dirección ni capturan lo que ocultan; los escáneres de secretos (gitleaks, TruffleHog) encuentran credenciales reales pero solo en texto, nunca en un PNG. screenscrub trae detección de nivel gitleaks — más un pack de equipo rojo y análisis de entropía — a píxeles, sin interfaz gráfica: captura cada secreto en tu gestor, redacta la imagen irreversiblemente, y vuelve a aplicar OCR al resultado para demostrar que el secreto ha desaparecido.

Una red de seguridad, no una garantía — screenscrub nunca afirma que una imagen esté "garantizada como limpia"; tanto el OCR como la detección fallan en cosas, así que siempre revisa los resultados. Lee esto antes de confiar en él.

screenscrub scan   ~/Screenshots                 # simulación: detecta + reporta, no escribe nada
screenscrub clean  ~/Screenshots --out ~/clean \ # extrae, redacta, verifica, pone en cuarentena
    --sink file://./secrets.age --yes
screenscrub verify ~/clean                       # demuestra que una carpeta está limpia (código de salida ≠0 si no lo está)

screenscrub clean --keep-originals ./tmp
Limpieza de 7 imagen(es) en ./tmp (7 trabajador(es))…
[1/7] tmp/ssh.jpg — 6 región(es) → tmp/ssh.redacted.jpg ✓ verificado
[2/7] tmp/key.jpg — 13 región(es) → tmp/key.redacted.jpg ✓ verificado
[3/7] tmp/test2.jpg — 12 región(es) → tmp/test2.redacted.jpg ✓ verificado
[4/7] tmp/test5.jpg — 13 región(es) → tmp/test5.redacted.jpg ✓ verificado
[5/7] tmp/test3.jpg — error: falló la verificación: 4 región(es) de secreto aún detectables en tmp/test3.redacted.jpg; original conservado
[6/7] tmp/test4.jpg — error: falló la verificación: 9 región(es) de secreto aún detectables en tmp/test4.redacted.jpg; original conservado
[7/7] tmp/test6.jpg — error: falló la verificación: 7 región(es) de secreto aún detectables en tmp/test6.redacted.jpg; original conservado

7/7 archivo(s) marcados, 382 región(es) en total, 3 archivo(s) con error/sin verificar.
Por tipo:
   high-entropy             343
   keyword-secret           15
   db-connection-uri        10
   github-pat               6
   unix-crypt-hash          6
   aws-access-key           1
   stripe-key               1
Necesita atención manual (3):
   tmp/test3.jpg — error: falló la verificación: 4 región(es) de secreto aún detectables en tmp/test3.redacted.jpg; original conservado
   tmp/test4.jpg — error: falló la verificación: 9 región(es) de secreto aún detectables en tmp/test4.redacted.jpg; original conservado
   tmp/test6.jpg — error: falló la verificación: 7 región(es) de secreto aún detectables en tmp/test6.redacted.jpg; original conservado

Antes — valores secretos visibles	Después de clean — redactado irreversiblemente

_{La misma captura de pantalla antes y después de clean: cada valor secreto se decodifica a píxeles, se encuadra y se recodifica a una nueva imagen (irreversible) — las etiquetas y la estructura siguen siendo legibles.}

Instalación

Requiere el binario de OCR tesseract en PATH:

• macOS: brew install tesseract
• Windows: winget install UB-Mannheim.TesseractOCR (o el instalador de UB Mannheim)
• Debian/Ubuntu: apt-get install tesseract-ocr

Luego construye:

go build -o screenscrub ./cmd/screenscrub

Se compila de forma cruzada para macOS (arm64/amd64) y Windows (amd64) — usa tesseract mediante subprocesos en lugar de cgo. Solo probado en macOS.

Uso

scan <directorio|archivo> — simulación

Detecta y reporta; no escribe nada.

screenscrub scan ~/Screenshots --ignore 'node_modules/**' --ignore '*.thumb.png'
screenscrub scan shot.png --json            # informe legible por máquina
screenscrub scan ~/Screenshots --preview ~/review   # revisa visualmente lo que clean redactaría

--preview <directorio> escribe una copia no destructiva de cada imagen marcada con cada región detectada delineada (no rellena), para que puedas confirmar lo que clean redactaría antes de comprometerte. ⚠️ Estas copias aún contienen los secretos — el directorio se crea con permisos 0700 y no debe compartirse.

El informe termina con un resumen: un desglose por tipo y una lista explícita de "Necesita atención manual" — archivos que dieron error, fallaron en la verificación o no produjeron ningún texto OCR en lo que debería ser una captura de pantalla (un fallo silencioso del OCR se lee igual que una imagen limpia, por lo que se muestra en lugar de confiar en ello).

scan --fail-on-findings sale con código distinto de cero cuando se detecta algo — una puerta de pre-commit/CI.

clean <directorio|archivo> — extrae, redacta, pone en cuarentena

SCREENSCRUB_PASSPHRASE=… screenscrub clean ~/Screenshots \
    --out ~/Screenshots/clean \
    --sink file://./secrets.age \
    --yes

Para cada imagen con hallazgos, clean:

1. almacena cada secreto en el sumidero,
2. escribe <nombre>.redacted.png en --out (o junto al original),
3. mueve el original a <out>/quarantine/ cifrado con age.

Los secretos van al sumidero que pases con --sink: archivo age (por defecto), 1Password (op://), KeePassXC (keepassxc://), Llavero de macOS (keychain://), o HashiCorp Vault (vault://) — o destinatarios age respaldados por hardware (YubiKey, Touch ID). Consulta Sumideros de secretos.

Banderas:

--exclude-kind y --min-confidence son perillas de precisión locales (sin red) para un corpus ruidoso — la contraparte sin conexión de --llm. Intercambian exhaustividad por un informe más silencioso, así que úsalos con cuidado. Ambos también funcionan en scan/verify y se pueden configurar en --config (exclude_kinds, min_confidence).

Orden de resolución de la frase de contraseña: --passphrase, luego el archivo de configuración, luego SCREENSCRUB_PASSPHRASE. Evita --passphrase en la línea de comandos — argv es visible para otros procesos.

verify <directorio|archivo> — demuestra que una carpeta está limpia

Vuelve a aplicar OCR a cada imagen, vuelve a ejecutar la detección y sale con código distinto de cero si todavía se encuentra alguna región secreta — úsalo como puerta de entrega/CI antes de enviar capturas de pantalla a un cliente. (Prueba que el OCR no puede leer el secreto, no que un humano nunca podría.)

screenscrub verify ~/deliverable/screenshots
echo $?   # 0 = limpio, distinto de cero = un secreto aún es detectable

clean ejecuta esta misma comprobación automáticamente en cada copia redactada y no pondrá en cuarentena ni destruirá un original cuya copia redactada falle; --no-verify la omite (no recomendado).

open <almacén> — recupera secretos o un original en cuarentena

Recupera tus datos: open descifra el sumidero age (los registros de secretos almacenados) o un original en cuarentena hacia --out, nunca a stdout. Consulta Descifrar almacenes.

--llm — elimina falsos positivos benignos con un LLM

Las reglas de nivel gitleaks sobre texto OCR (con ruido de OCR) inevitablemente generan falsos positivos: el detector sesgado hacia la exhaustividad resalta cadenas de alta entropía benignas que un operador quiere conservar — nombres de host, GUIDs, SHAs de git, hashes NTLM que son en sí mismos la prueba de compromiso. --llm pasa cada candidato ante Claude (Opus 4.8), conservando los secretos genuinos y descartando los identificadores benignos; las regiones confirmadas por LLM se rellenan en rojo.

ANTHROPIC_API_KEY=… screenscrub clean ~/Screenshots --out ~/clean --llm --yes

Esto rompe intencionalmente la premisa de local-y-silencioso: envía las cadenas candidatas (los secretos detectados) a la API de Anthropic, por lo que es solo opt-in, imprime una advertencia y necesita una clave API. Falla de forma segura: cualquier error de API/red mantiene todos los hallazgos (redacta todo) en lugar de arriesgarse a perder un secreto real. Realiza una llamada API por imagen marcada (máximo 4 concurrentes independientemente de --jobs) — ten en cuenta los límites de tasa y el costo en directorios grandes.

--watch

screenscrub clean ~/Screenshots --watch --sink file://./secrets.age --yes

Procesa todo lo ya presente, luego observa nuevas imágenes modificadas y limpia cada una a medida que aparece. Se ignoran las salidas *.redacted.png para evitar bucles.

Detección

Sobre los tokens de OCR, screenscrub combina:

• Expresiones regulares de gitleaks incluidas — AWS AKIA…, GitHub ghp_…, GitLab, Slack, Stripe, OpenAI, claves API de GCP, JWT y cabeceras PEM. (Copiadas, no importadas, para mantenerse pequeño y completamente fuera de línea).
• Pack de equipo rojo — las formas de credenciales que aparecen en capturas de pantalla de compromisos: cadenas de conexión a BD (postgres://u:p@…), cabeceras de autenticación HTTP Basic/Bearer, hashes NetNTLMv2 y NTLM (pwdump), hashes crypt de /etc/shadow, claves privadas PuTTY y OpenSSH, tokens de SendGrid/npm.
• Umbral de entropía de Shannon para cadenas de aspecto aleatorio.
• Palabras clave de contexto (password, token=, secret, api_key, …) que marcan el valor adyacente incluso cuando no coincide con ningún patrón y tiene baja entropía.
• Detección estructural de PEM — el OCR distorsiona el base64 denso, por lo que se basa en los marcadores BEGIN/END y redacta generosamente toda la región circundante en lugar de confiar en coincidencias palabra por palabra.

Cada acierto se asigna a las cajas de píxeles de los tokens que lo componen (dos reconstrucciones de línea — espaciada y ajustada — recuperan secretos que el OCR dividió por espacios en blanco), y las cajas se rellenan con un margen antes de rellenar.

Sumideros de secretos — "cada uno tiene su propio gestor"

Un sumidero es un método: Store(Secret) error. Adaptadores incluidos:

• file:// — archivo local cifrado con age (por defecto). Sin dependencias externas; un array JSON de registros cifrados con una frase de contraseña scrypt de age (o con destinatarios age — consulta cifrado respaldado por hardware abajo).
• op:// — CLI de 1Password. Ejecuta op item create con el valor en stdin (nunca en argv).
• keepassxc://./vault.kdbx — KeePassXC. Gestor KeePass local multiplataforma popular. Ejecuta keepassxc-cli add; la contraseña de la base de datos y el secreto se pasan ambos por stdin (nunca en argv). La contraseña de la base de datos es la frase de contraseña resuelta (--config/SCREENSCRUB_PASSPHRASE).
• keychain://screenscrub — Llavero de macOS. Ejecuta security add-generic-password. Advertencia: la herramienta security solo acepta el secreto como argumento de línea de comandos, por lo que es brevemente visible para ps del mientras se ejecuta (macOS oculta argv de otros usuarios). Para una higiene más estricta prefiere 1Password, KeePassXC o el destinatario del Enclave Seguro a continuación.

Para añadir el tuyo propio, implementa sink.SecretSink (internal/sink) y conéctalo en sink.FromURI. Ese es todo el contrato.

Cifrado respaldado por hardware — YubiKey y Touch ID

El sumidero de archivo age por defecto y la cuarentena pueden cifrar para destinatarios age en lugar de una frase de contraseña, incluidos los respaldados por hardware mediante complementos de age:

# YubiKey (PIV) — instala age-plugin-yubikey, luego:
screenscrub clean ~/Screenshots --out ~/clean \
    --sink file://./secrets.age \
    --recipient age1yubikey1q... --yes

# Apple Secure Enclave / Touch ID — instala age-plugin-se, luego:
screenscrub clean ~/Screenshots --out ~/clean \
    --recipient age1se1q... --yes

# Par de claves age normal, o varios destinatarios / un archivo de destinatarios:
screenscrub clean ~/Screenshots --recipient age1abc... --recipients-file team.age.pub --yes

En modo destinatario no se necesita frase de contraseña; tanto el sumidero como la cuarentena cifrada van a los destinatarios. Recupera con el token de hardware: age -d -i <identidad> secrets.age (el descifrado solicita el toque de YubiKey / Touch ID). Cifrar a un destinatario de complemento necesita el binario age-plugin-<nombre>; el descifrado además necesita el dispositivo.

Descifrar almacenes con frase de contraseña — open

El sumidero y la cuarentena usan claves separadas derivadas de tu única frase de contraseña (HKDF), por lo que descifrar un almacén no puede abrir el otro. Dado que las claves en disco se derivan, descífralas con screenscrub en lugar de con age directamente:

screenscrub open ./secrets.age --out secrets.json          # los registros de secretos
screenscrub open ~/clean/quarantine/shot.png.ab12cd34.age --out shot.png   # un original

open prueba cada clave derivada automáticamente y escribe el texto plano en --out (nunca a stdout). Para almacenes en modo destinatario, pasa un archivo de clave age: screenscrub open secrets.<id>.age --identity key.txt --out secrets.json (para YubiKey/Touch ID usa age -d -i directamente, que gestiona el complemento de hardware). El modo destinatario escribe un archivo por secreto (secrets.<hash>-<rand>.age) para que las ejecuciones repetidas nunca se sobrescriban entre sí.

Desarrollo

go test ./...        # las pruebas unitarias se ejecutan sin tesseract; las pruebas de OCR/re-OCR se omiten si no está presente

La garantía principal se cubre con una prueba de extremo a extremo: renderiza una captura de pantalla con una clave AWS, ejecuta el pipeline real de OCR → detectar → redactar, vuelve a aplicar OCR a la salida y afirma que el secreto ha desaparecido (internal/redact).

Defensa en profundidad, no una garantía

screenscrub no es una licencia para dejar de pensar.

• El OCR omite texto. El texto de bajo contraste, girado, pequeño o estilizado puede no ser leído en absoluto — y lo que no se lee no se puede redactar.
• La detección omite secretos novedosos. Conoce formas comunes (claves AWS, bloques PEM, JWT, blobs de alta entropía, líneas password:); un secreto en una forma que no reconoce pasará desapercibido.
• Nunca afirmará que una imagen está "garantizada como limpia". Detecta lo obvio ~90% automáticamente para que puedas revisar el resto visualmente. Siempre revisa las imágenes tú mismo.

Está ajustado para mayor exhaustividad que precisión — deliberadamente genera falsos positivos, porque una credencial que queda en una imagen es el caso catastrófico y un falso positivo solo te cuesta un bloque redactado.

Puedes ver un caso de uso realista en la carpeta testdata/, tomada de capturas de pantalla de RExpository:

https://jaimepolop.github.io/RExpository/

No es perfecto, pero bastante bueno.

Lo que hace

1. Redacción irreversible. La imagen se decodifica completamente a píxeles, se dibujan rectángulos opacos sobre las regiones secretas y el resultado se recodifica a un nuevo PNG — sin capa superpuesta que pelar y sin recortar sin recodificar, por lo que evita la clase de redacción recuperable aCropalypse (CVE-2023-21036 / CVE-2023-28303). Todos los metadatos de origen (EXIF, fragmentos de texto PNG) se eliminan con la recodificación. El desenfoque y la pixelación son reversibles (Depix, Unredacter), por lo que screenscrub usa solo rellenos opacos — nunca un filtro.
2. Redacción verificada. Después de escribir la copia redactada, clean vuelve a aplicar OCR y vuelve a ejecutar la detección; si algún secreto sigue siendo detectable se niega a poner en cuarentena o destruir el original y marca el archivo. Las cajas de redacción se rellenan proporcionalmente a la altura del glifo para que los bordes suavizados en texto grande/de alta DPI queden cubiertos.
3. Manejo seguro del original. clean escribe la copia redactada, la verifica, luego mueve el original sin redactar a una cuarentena cifrada con age y lo elimina de su ubicación original — solo después de que la copia esté verificada como limpia y los secretos extraídos estén seguros en disco. Los pasos destructivos requieren --yes.
4. Los secretos permanecen en secreto. Los valores secretos nunca aparecen en registros, stdout ni archivos temporales en texto plano; el informe muestra solo una vista previa enmascarada (AK****…**LE). La única copia en texto plano vive en memoria hasta que llega a tu sumidero cifrado.

--purge y los límites de la eliminación segura

Por defecto, los originales se conservan (cifrados) en cuarentena para que una redacción falsa sea recuperable. --purge en su lugar destruye el original: sobrescribe con aleatorios, sobrescribe con ceros, luego desvincula.

La eliminación segura no es fiable. En SSDs, sistemas de archivos copy-on-write (APFS, Btrfs, ZFS), sistemas de archivos con journal y volúmenes con instantáneas/respaldos, sobrescribir y luego desvincular no garantiza que los bytes originales hayan desaparecido — el nivelado de desgaste y las instantáneas pueden retenerlos. La única defensa real es no persistir nunca texto plano en primer lugar. Prefiere la cuarentena cifrada y trata --purge como un esfuerzo de buena fe.

Trabajo previo y agradecimientos

• Las reglas de detección provienen de gitleaks (MIT) — copiadas en lugar de importadas para mantenerse pequeño y fuera de línea.
• Mecánica de redacción — Tesseract → regex → cajas opacas — sigue el camino probado por pyDactor y Microsoft Presidio; la forma CLI de copiar y redactar se asemeja a redacter-rs.
• El OCR utiliza Tesseract por defecto por portabilidad multiplataforma. En macOS, el framework Vision de Apple (usado por Xnapper/macshot) es un backend natural de mayor precisión detrás de la misma interfaz OCR — una posible adición futura.

Licencia

Los patrones de credenciales incorporados derivan de gitleaks (MIT).