davidjacobson/safetextScript para remover homóglifos e caracteres de largura zero para permitir a distribuição segura de documentos de fontes anônimas.
Ferramenta para sanitizar texto, permitindo a distribuição segura de documentos de fontes anônimas, removendo caracteres de largura zero e homoglpyhs.
Indivíduos tentando vazar um e-mail ou outro arquivo de texto correm o risco de identificação por meio de impressão digital (fingerprinting). A impressão digital geralmente ocorre quando o distribuidor original do documento incorpora algum tipo de canário (canary). Por exemplo, o e-mail de Elon Musk em 2008, em resposta a vazamentos, apresentava uma redação ligeiramente diferente para cada funcionário. Essa tática foi percebida pelos funcionários e falhou. Uma tática mais fácil que também é empregada é a presença de alterações quase invisíveis no texto. O SafeText foi projetado para identificar e remover essas alterações. Especificamente, esta ferramenta removerá homóglifos, caracteres de largura zero e outros caracteres sutis. Esta ferramenta também tentará identificar grafias únicas de palavras que possam revelar a localização de um indivíduo.
Para usar o SafeText, execute:
python safetext.py inputfile
Exemplo de saída:
λ python safetext.py TestFile.txt
[*] Cleaning TestFile.txt to TestFile.txt.safe ...
[!] FOUND HOMOGLYPHIC CHARACTER CYRILLIC_large_H ON LINE 1
The message said: "(Н)ey, let's hang out!"
[!] FOUND a SPACE ON LINE # 2
Lorem*Ipsum*Dolor*Sit
[!] WARNING - Use of spelling (colour) that identifies country on line 3
[!] FOUND HOMOGLYPHIC CHARACTER GREEK_B ON LINE 5
[!] FOUND HOMOGLYPHIC CHARACTER GREEK_C ON LINE 5
Subject: (Β)udget (Ϲ)uts
[*] Output file closed
Nota: Os caracteres relevantes serão sublinhados – não delimitados por parênteses. O SafeText gerará a saída como infile.safe.