谁泄露的公司内部机密？TextWatermark助你抓出内鬼！
背景2008年，特斯拉还没有出成品车，但公司内部机密消息经常性外泄，对公司造成了严重负面影响，马斯克决心抓出这个内鬼。于是他给全公司所有人员发送了一封邮件，虽然内容看起来相同，但由于空白字符的插入，导 2023-2-24 12:29:48 Author: JDArmy(查看原文) 阅读量:18 收藏

背景
2008年，特斯拉还没有出成品车，但公司内部机密消息经常性外泄，对公司造成了严重负面影响，马斯克决心抓出这个内鬼。于是他给全公司所有人员发送了一封邮件，虽然内容看起来相同，但由于空白字符的插入，导致所有人的邮件都是独一无二的。也因此，最终马斯克成功揪出了公司内鬼。
从DBIR 2022数据来看，每年至少有20%以上的数据泄露是由于内部人员造成的。内鬼已经成为除黑客、合作方外，一条主要的数据泄露途径。
防止数据泄露，从事前、事中、事后来看，分别可以通过防拷贝、防截屏、DLP和水印溯源来进行防御。但因移动办公大行其道，事前和事中防御效果逐渐失效，事后溯源因图片水印对于截屏效果较好，但如果是基于文本的复制粘贴，则显得力不从心。为此我们开源 textwatermark 文本水印python库，寄托此库为文本泄密溯源提供建设和解决方案。
TextWatermark库介绍

文本水印说一千道一万，无非是通过插入、修改、修饰字符来插入特征。为此，本库提供五类水印插入方式，分别是：查找特定字符替换成同形异义字、在指定位置插入不可见字符、对字符进行额外的修饰、对字符添加组合字符，以及二进制方式表示不可见或组合字符，并最终扩展成15种水印模板。
不同模板适用不同场景，譬如：“不可见字符”水印模板在纯文本复制粘贴下效果较好，且隐蔽性极强，但对于截图和屏摄下无能为力；“字体样式”对于截图和屏摄的效果较好，但是隐蔽性较差，在进行纯文本的复制粘贴时会丢失水印信息；“空格字符”在粘贴、截图、屏摄下效果均较好，但在英文文本的表现力好，中文等情况下表现力差；“同形异义-数字”主要使用在手机号、身份证号等极短数字文本场景等。库使用者可以根据自身偏好使用不同的水印模板。当然后续我们也将添加多模板融合使用等功能，力争在各种场景下均能有更佳表现。
我们先来看看使用其中之一水印模板的最终展示效果：
TextWatermark库使用

安装（使用pip）：

$ pip install textwatermark

使用：

命令行调用：

插入水印到文本：
$ textwatermark -v insert -f './tests/text/number.txt' -m ALPHA_NUMERICAL -t HOMOGRAPH_NUMBERS -x 999 -w 123
Ӏ2𝟑𝟒𝟓Ⳓ𝟟890
保存水印参数：
$ textwatermark -v insert -f './tests/text/number.txt' -m ALPHA_NUMERICAL -t HOMOGRAPH_NUMBERS -x 999 -w 123 -e
{"tpl_type": "HOMOGRAPH_NUMBERS", "confusables_chars": [], "confusables_chars_key": "", "wm_base": 7, "method": 1, "wm_mode": 5, "wm_len": 7, "wm_loop": false, "start_at": 0, "version": "0.1.2"}
从文本提取水印：
$ textwatermark -v retrieve -f out.txt -p '{"tpl_type": "HOMOGRAPH_NUMBERS", "confusables_chars": [], "confusables_chars_key": "", "wm_base": 7, "method": 1, "wm_mode": 5, "wm_len": 7, "wm_loop": false, "start_at": 0, "version": "0.1.2"}'
The retrieved watermark is: 123
代码调用：
'''Sample Example'''import os
from textwatermark.defines import WMModefrom textwatermark.main import TextWatermarkfrom textwatermark.template_type import WMTemplateType
# 1.Init TextWatermark instancewm_mode = WMMode.REAL_NUMBERwm = TextWatermark(wm_mode=wm_mode)
# 2.Choose a watermark templatewm.set_tpl_type(tpl_type=WMTemplateType.HOMOGRAPH_NUMBERS)
# 3.Set the maximum value of the watermark stringwm_max = '9'*9wm.set_wm_max(wm_max=wm_max)
# 4.Set the text to be watermarkedwm.set_text_file(path=os.path.abspath('../tests/text/1.txt'))
# 5.Insert watermark string to textwm_str = '123456789'wm_text = wm.insert_watermark(wm_str=wm_str)print(wm_text)
##############################################################
# Save the parameters to retrieve the watermarkparams = wm.export_params()
# retrieve the watermarkwm_out_str = TextWatermark.retrieve_watermark(wm_text=wm_text, params=params)
assert wm_out_str == wm_str
更多参见：https://textwatermark.jd.army/usage/
找回水印
本库内置了一些的简单的方法去找回水印信息，但只适合水印信息没有任何变化的文本。因为文本可能会在复制粘贴中丢失信息、信息被改造（譬如HTML标签的表示发生变化），或因截屏、屏摄变成图片无法自动找回信息。此时就需要人工分析判断来还原水印信息。
譬如上文通过 FONT_COLOR 水印模板生成的含有水印文本图片，就需要我们在ps中通过调整曲线来人工判断和还原水印信息：10010000011000100000101000110000111

再通过调用还原命令即可解析出水印信息。
$ textwatermark -v retrieve -b 10010000011000100000101000110000111 -p '{"tpl_type": "FONT_COLOR", "confusables_chars": [], "confusables_chars_key": "black4", "wm_base": 2, "method": 3, "wm_mode": 5, "wm_len": 35, "wm_loop": false, "start_at": 0, "version": "0.1.2"}'The retrieved watermark is: 123456
结束语
本库没有使用唯一的某一种模板，就是希望建立一种通用型文本水印解决方案来给开发者更多的选择。甚至开发者可以摒弃现有模板，去自定义一种自己独特的模板，以便水印有更强的隐蔽性和强壮性（可参考：https://textwatermark.jd.army/usage/#2）。
最后，希望本库能得到更多的开源力量参与和建议，多谢！
参考：

DBIR 2022：https://www.verizon.com/business/resources/T27b/reports/dbir/2022-data-breach-investigations-report-dbir.pdf#pdfjs.action=download

马斯克在特斯拉总部抓内鬼：https://www.163.com/dy/article/HS1OQ0O2055302A2.html
textwatermark pypi：https://pypi.org/project/textwatermark/
textwatermark website&docs：https://textwatermark.jd.army/
textwatermark github：https://github.com/JDArmy/TextWatermark

点击原文链接跳转到项目Github🔽

文章来源: http://mp.weixin.qq.com/s?__biz=Mzk0ODI2NjUzMQ==&mid=2247484097&idx=1&sn=a1edc49cd43f75ccfce36128b8dc4587&chksm=c36b718df41cf89b0bc3e6414c5f216cbc6cf3e81883ed16fac1e5314bd3bb05e8f37dc9099a#rd
如有侵权请联系:admin#unsafe.sh