confusable-vision

वेक्टर-आउटलाइन रे कास्टिंग का उपयोग करके अनुभवजन्य ग्लिफ़ समानता स्कोरिंग। 245 सिस्टम फ़ॉन्ट्स में यूनिकोड कन्फ्यूज़ेबल कैरेक्टर पेयर प्रस्तुत करता है, फ़ॉन्ट आउटलाइन से सीधे संरचनात्मक समानता मापता है (कोई रैस्टराइज़ेशन नहीं), और प्रति-फ़ॉन्ट सतत दूरी स्कोर के साथ स्कोर किए गए JSON आर्टिफैक्ट तैयार करता है।

22,581 कैरेक्टर और 12 लेखन प्रणालियों में 52.6 मिलियन सिंगल-चार और 190 मिलियन मल्टी-चार तुलनाओं के प्रमुख परिणाम:

• 249,976 अद्वितीय सिंगल-चार कन्फ्यूज़ेबल पेयर 245 फ़ॉन्ट्स, 12 स्क्रिप्ट्स, 66 क्रॉस-स्क्रिप्ट पेयर में। कुल 764,395 फ़ॉन्ट-स्तरीय खोजें।
• 2,524,275 अद्वितीय मल्टी-चार (बिग्राम) कन्फ्यूज़ेबल पेयर जिसमें 95 फ़ॉन्ट्स में rn/m (33 दूरी 0.40 से नीचे) और 16 फ़ॉन्ट्स में oy/सिरिलिक uk शामिल हैं।
• प्रति-फ़ॉन्ट सतत दूरी स्कोर, बाइनरी सूचियाँ नहीं। प्रत्येक जोड़ी का प्रति फ़ॉन्ट मापित रे दूरी है, जो डाउनस्ट्रीम सुरक्षा टूलिंग के लिए फ़ॉन्ट-जागरूक आत्मविश्वास प्रदान करता है।
• SDF की तुलना में 305% अधिक खोजें, 29% तेज़। समृद्ध पाँच-परत रे सिग्नेचर SDF निष्कर्षों का एक सख्त सुपरसेट है; SDF-विशेष जोड़े मैन्युअल समीक्षा में दोहराए नहीं गए।

आउटपुट सीधे namespace-guard में फीड होता है, पैकेज नामों, डोमेन नामों और पहचानकर्ताओं में रनटाइम कन्फ्यूज़ेबल डिटेक्शन के लिए।

यह कैसे काम करता है

RaySpace 36 कोणों पर फ़ॉन्ट आउटलाइन के माध्यम से समानांतर किरणें डालता है और प्रति ग्लिफ़ पाँच परतों की जानकारी कैप्चर करता है: क्रॉसिंग काउंट, क्रॉसिंग पोज़िशन, क्रॉसिंग एंगल, पिंग दूरियाँ (प्रत्येक क्रॉसिंग पर स्ट्रोक चौड़ाई), और पिंग मैक्स (क्रॉसिंग के बीच काउंटर चौड़ाई)। यह प्रति कैरेक्टर प्रति फ़ॉन्ट एक कॉम्पैक्ट सिग्नेचर तैयार करता है। दो सिग्नेचर की तुलना सभी पाँच परतों पर भारित L1 दूरी से की जाती है।

एक तीन-चरणीय फिल्टर कैस्केड व्यापक तुलना को संभव बनाता है:

1. अग्रिम चौड़ाई फ़िल्टर (15% सहनशीलता) विभिन्न कैरेक्टर चौड़ाई वाले जोड़ों को समाप्त करता है। 63% उम्मीदवारों को हटाता है।
2. रे तुलना (थ्रेसहोल्ड 2.0, बड़े स्क्रिप्ट जोड़ों के लिए 1.0 तक कड़ा)। अन्य 33% हटाता है।
3. केवल 3.3% उम्मीदवार खोज बनने तक जीवित रहते हैं।

सिग्नेचर बैंक (245 फ़ॉन्ट्स में 294,646+ प्रविष्टियाँ; --include-uppercase के साथ अधिक) एक बार प्रीकंप्यूट किया जाता है। फिर खोज बैंक पर सिंगल-थ्रेडेड अंकगणित के रूप में चलती है, बिना किसी वर्कर थ्रेड या GPU के 52.6 मिलियन जोड़ी तुलनाओं को 31 मिनट में पूरा करती है।

त्वरित शुरुआत

npm install

# 1. Build the ray signature bank (prerequisite, ~24 min)
npx tsx scripts/build-signature-bank.ts

# 1b. Include uppercase Latin A-Z (optional)
#     By default the bank only includes IDNA PVALID codepoints (lowercase,
#     digits, symbols). Use --include-uppercase to add uppercase A-Z, useful
#     for font identification and trademark visual comparison where uppercase
#     glyph shapes matter. The builder is resumable, so this only computes
#     the additional codepoints.
npx tsx scripts/build-signature-bank.ts --include-uppercase

# 1c. Include arbitrary codepoint ranges (optional)
npx tsx scripts/build-signature-bank.ts --extra-range=0041-005A

# 2. Single-char discovery (22,581 chars, 12 scripts, ~36 min)
npx tsx scripts/discover-singlechar-sdf.ts --scorer=ray

# 3. Multi-char (bigram) discovery (676 bigrams, ~63 min)
npx tsx scripts/discover-multichar-sdf.ts --scorer=ray

# 4. Score known TR39 multi-char confusables (~5 min)
npx tsx scripts/score-multichar-sdf.ts --scorer=ray

# TR39 confusable pair scoring
npx tsx scripts/build-index.ts          # Render index (~160s, 11,370 PNGs)
npx tsx scripts/score-all-pairs.ts      # Score all pairs (~65s, 235K comparisons)

# Novel confusable discovery
npx tsx scripts/build-candidates.ts          # Candidate set (~23K chars)
npx tsx scripts/build-index.ts --candidates  # Render candidates (~40min, 89K PNGs)
npx tsx scripts/score-candidates.ts          # Score against Latin targets (~15min, 2.9M comparisons)

# Extract high-scoring discoveries from both pipelines
npx tsx scripts/extract-discoveries.ts

इसने क्या पाया

शीर्ष कन्फ्यूज़ेबल जोड़े (सिंगल-चार, मीन दूरी < 0.10)

"ज़ीरोज़" = वे फ़ॉन्ट जहाँ आउटलाइन बिट-समान रे सिग्नेचर (दूरी 0.000) उत्पन्न करते हैं। लैटिन w/सिरिलिक ԝ उन सभी 19 फ़ॉन्ट्स में समान है जिनमें दोनों ग्लिफ़ मौजूद हैं।

क्रॉस-स्क्रिप्ट सफलताएँ (सिंगल-चार)

जॉर्जियाई कोडा (U+10FF) लैटिन o, सिरिलिक o, और ग्रीक ओमाइक्रोन के साथ चार-तरफ़ा कन्फ्यूज़ेबल रिंग बनाता है, सभी दूरी 0.08 से नीचे।

मल्टी-चार हेडलाइन परिणाम

oy/सिरिलिक uk खोज सबसे उल्लेखनीय नई खोज है: लैटिन बिग्राम "oy" सिरिलिक डाइग्राफ अक्षर uk (ѹ) के साथ हेल्वेटिका में 0.000 और एरियल यूनिकोड MS में 0.0005 दूरी पर दृष्टिगत रूप से समान है।

थ्रेसहोल्ड कैलिब्रेशन

तीन अनुशंसित ऑपरेटिंग स्तर:

• सख्त (< 0.50): 138 सिंगल-चार जोड़े, लगभग शून्य झूठी सकारात्मकताएँ। स्वचालित अवरोधन (IDN पंजीकरण, पैकेज नाम मान्यता) के लिए उपयुक्त जहाँ झूठी सकारात्मकताओं की वास्तविक लागत है।
• मानक (< 1.00): 4,174 सिंगल-चार जोड़े, कवरेज और सटीकता का अच्छा संतुलन। सुरक्षा टूलिंग में फ़्लैगिंग और मैन्युअल समीक्षा के लिए उपयुक्त।
• खोजपूर्ण (< 2.00): पूर्ण खोज सेट। ऊपरी सिरे पर शोर है, लेकिन अनुसंधान, फ़ॉन्ट ऑडिटिंग और प्रशिक्षण सेट बनाने के लिए उपयोगी।

फ़ॉन्ट क्वेरी करना

पता करें कि किसी विशिष्ट फ़ॉन्ट के लिए कौन से कन्फ्यूज़ेबल जोड़े मौजूद हैं। एक नया टाइपफ़ेस जारी करने वाले फ़ॉन्ट डिज़ाइनरों, सिस्टम फ़ॉन्ट परिवर्तन का मूल्यांकन करने वाले ब्राउज़र विक्रेताओं, या IDN डोमेन जैसे सुरक्षा-संवेदनशील संदर्भों में प्रदर्शन फ़ॉन्ट चुनने वाले किसी भी व्यक्ति के लिए उपयोगी।

npx tsx scripts/query-font.ts --list-fonts                    # 218 फ़ॉन्ट खोज डेटा में
npx tsx scripts/query-font.ts "Arial"                         # Arial के सभी जोड़े (SSIM >= 0.7)
npx tsx scripts/query-font.ts "Arial" --threshold 0.8         # केवल उच्च-आत्मविश्वास वाले
npx tsx scripts/query-font.ts "Arial" --compare "Georgia"     # SSIM डेल्टा द्वारा दो फ़ॉन्ट की तुलना
npx tsx scripts/query-font.ts "Arial" --json                  # डाउनस्ट्रीम प्रसंस्करण के लिए JSON