ExposureCheck

Mon, 01 Jan 0001 00:00:00 +0000

一分钟看懂它做什么
#

ExposureCheck 读的，是你自己从平台导出的数据——永远不碰正在运行的账号，也永远不碰别人的。读的时候，它问的正是攻击者会问的那个问题：把这一切凑在一起，能推断出帖子背后那个人的什么？

它会解析你的 Reddit GDPR 导出，以及你的 X / Twitter 存档（一个文件夹，或一个 .zip）。
它跑的是一条不漏弱信号的级联流程（cascade，两遍递进：先用便宜的一遍给每条帖子排序，再用昂贵的一遍精读高优先级的那些），而且弱信号一律保留——那幅马赛克本就由弱信号拼成，扔掉它们，只会换来一种虚假的安心。
它会用确定性的方式抽出元数据这一层——你自填的位置字段、外链、图片的 EXIF / GPS（照片里内嵌的拍摄元数据）、设备型号，还有发帖时段的扎堆规律（这往往会把你的时区供出来）。在 X 上，这一层泄露的往往比正文更多。
它把结果整理成分类别的风险卡片——位置、雇主、家人、作息、财务、账号关联——按风险贡献排序，每一张都配上打码的示例，以及具体的、先做笼统化的改法。

它本地优先，不写任何档案，绝不会把你的画像存到硬盘上。

第一次听说"马赛克式重新识别"？那就先从威胁本身、而不是从工具入手：读一读配套的解说文章用 AI 的眼光，审计你自己的发帖历史，再回到这里。

它刻意不做的那些事
#

不建档。 它绝不会打印出"你住在 X、在 Y 上班、名字叫 Z"。卡片上只有打码的片段；只有当你在当次会话里点进你自己的原帖时，才会看到还原出的值，而且不保存。
不导出发现。不抓取（输入只接受导出数据）。不替你发帖或删帖。不分析任何别人的历史。
它不会让你变匿名。 它只是降低风险。“Low” 不等于"安全"，而且元数据、发帖时间和文风，它也只能覆盖到其中一部分。

哪些会离开你的电脑——哪些不会
#

这是一款隐私工具最该开门见山讲清楚的事，所以放在最前面。推断跑在你选的后端上，而决定哪些数据会外传的，不是工具，正是这个选择：

后端	它是什么	你的数据会离开本机吗？
`local`	本机的 Ollama / llama.cpp / LM Studio 模型	✅ 不会 — 留在你自己的电脑里
`heuristic`	离线的正则桩，几乎什么都拾不到	✅ 不会 — 但只供开发／CI 用，算不上真正的审计
`cloud`	任意 OpenAI-compatible 端点，密钥是你的	⚠️ 会 — 你的帖子会送到那家服务商

工具本身没有服务器，没有任何回传，也没有账号。作者既不掌握你的任何数据，也不掌握任何密钥。一旦你选了 cloud，你的导出就会送到你指定的那家 API 服务商——它的日志、留存期限、训练政策，以及与你密钥绑定的 IP 和付款信息，全都随之适用。ExposureCheck 不会多加一道中转；但你自己选定并接通的那条路径，它也无从替你抹去。

云端唯一真正要紧的那条提醒
#

假设你要审计的，是一个你刻意与真实身份分开来用的化名账号，而且你那个 AI／云端账号是用真名注册、或用真名付费的。那么，一旦把这段历史送上云端，服务商就能在自己那一侧，把真实身份 ↔ 匿名账号对应起来（经由传票、数据泄露或内部人员）。这正是这款工具存在的理由——它就是为了拦住这种去匿名化。

所以——要审计一个严格匿名的账号，就用 --backend local（或者一个匿名开通、匿名付费的云端账号）。审计你的实名／公开账号，那走云端没问题。CLI 会把这一点摆在屏幕上，并在该提醒的场合请你确认。我们从不强制本地——那会把受众缩到一个不剩——我们只是把这道取舍讲明白。

它是怎么运作的
#

export ─▶ parse ─▶ prefilter (drop only TRUE-empty) ─┬─▶ deterministic: profile + EXIF + timing ─┐
 └─▶ cascade: cheap route ─▶ expensive read ─┤
 ▼
 risk-contribution scoring ─▶ category cards ─▶ no-dossier report

之所以要夹一道级联，是为了让一份一到三千条的历史也跑得起、花得起：便宜的那一遍先决定哪些值得拿去精读，而不是把所有帖子一股脑全送过去。随后的风险贡献评分，会按各类别"实际上把你缩窄多少"来排序，而不是按模型输出的原始置信度——这种置信度本身并未经过校准。

安装
#

核心部分——解析、EXIF、级联，以及云端／本地的 HTTP 后端——只用 Python 标准库写成。没有任何第三方包碰得到你的导出，你需要信任的代码范围因此压到最小。

# from source (a PyPI release ships with the first public version):
git clone https://github.com/coraaegis/exposurecheck && cd exposurecheck
pip install -e .

# or run without installing:
python -m exposurecheck --help

# Local model — nothing leaves your machine (recommended for anonymous accounts)
exposurecheck audit \
 --reddit ./reddit_export.zip \
 --twitter ./twitter_export \
 --backend local --expensive-model llama3.1 \
 --i-own-this-data

# Cloud — bring your own key; set it in the ENV, never on the command line
export OPENAI_API_KEY=sk-...
exposurecheck audit --twitter ./twitter_export --backend cloud --i-own-this-data

API 密钥特意从环境变量里读，是有原因的：命令行参数会漏进 shell 历史和进程列表。

ExposureCheck 目前是一款命令行工具，面向在终端里得心应手的人——而最先来检验它的人，也恰好就在终端里。下一个里程碑，是给非技术用户准备的一键应用（一个打包好的版本，自带本地、跑在浏览器里的界面，连 Python 都不用装）；CLI 则继续留给重度用户。

像对待任何隐私工具那样信任它——靠验证，而不是靠相信
#

作者用的是化名，所以别冲着一个名字就信。要信，就信那些你能亲手验证的东西：

读代码。 它是开源的（MIT），且只用标准库，所以你要审计的那棵依赖树，实质上就是标准库本身。
验证每个发行版。 每个发行版都由 Cora Aegis 做了 PGP 签名。通过 WKD 取到密钥，再核验签名：
```
gpg --locate-keys cora@cypherpunkguide.com
gpg --verify exposurecheck-0.1.0.tar.gz.asc
```
SHA-256 校验和随每个发行版一同附上，而且构建是可复现的——从打了标签的源码自己重建一遍，确认产物对得上。
没有身份代码签名证书，这是有意为之——那样一张证书会把项目绑到一个法律身份上，正好与本意相反。一个未签名的 Windows 可执行文件，可能会弹出 SmartScreen 的"未知发布者"提示；这是预料之中的。建议优先用包管理器（pip / Scoop / Homebrew），或者从源码运行，并核验 PGP 签名。
输出的设计本身，就是那道防线。 “不建档"这条规矩是用代码强制的：打码的标签由程序生成，所以哪怕是模型自己的输出，也没法把一个还原出的值带进报告里。防双重用途的几道护栏——以所有权为前提的输入、只输出类别、打码处理，以及一份发布前的滥用评估——具体说明见 ABUSE-EVAL.md。

一张透明的数据流表、一份公开的威胁模型，说的是这工具打算做什么。而源码、签名和那份可复现的构建，才是你用来确认它确实只做这些、别无其他的依据。

几条你该记在心里的局限
#

“Low” 不等于"安全”。 这工具降低风险，但不为匿名背书。
召回率并不完美。 一次漏报（“什么都没标出来”）并不能证明你无从被认出——尤其在 heuristic 后端上，它存在的意义是测试，不是审计。
不在覆盖范围内的： 文风指纹、你导出之外的跨平台关联、网络层的元数据，以及图片里画面本身的内容（v1 只读 EXIF／元数据——详见路线图）。
这工具本身，读的就是你最敏感的数据。 这恰恰是它为什么本地优先、只用标准库、开源且签名：你用来查自己暴露风险的这个工具，本身就该是一个尽可能小、尽可能可审计的攻击面。

常见问题
#

ExposureCheck 会把我的帖子上传到什么地方吗？
#

只有当你选了 cloud 后端时才会，而且也只送到你提供了密钥的那家 API 服务商。用 local 或 heuristic，什么都不会离开你的电脑。工具本身既没有服务器，也没有任何回传。

它会把我的住址或真名告诉我吗？
#

不会。这正是它刻意做成"不建档"的设计。它只展示打码的类别，并把你指引到你自己的原帖那里，让你来决定改什么。它绝不会拼出、也不会保存任何关于你的画像。

我要审计一个匿名账号。用云端后端安全吗？
#

审计严格匿名的账号，就用 --backend local，除非你那个云端账号本身也是匿名的。把一个匿名账号的历史送进一个实名的 AI 账号，会在服务商那一侧把两者对应起来——而这正是这工具帮你找出来的那种风险。

拿我的全部历史来跑，真的安全吗？
#

代码是开源的、只用标准库，所以它做什么你都读得到；发行版有 PGP 签名、可复现，所以你装的是什么你都确认得了；而且它不往硬盘写任何画像。这些请你亲手去验证，别凭信任接受——这就是它从头到尾的姿态。

为什么是命令行，而不是一个应用？
#

最早的那批读者是技术人，而 CLI 是最便于审计的形态。一个打包好的一键应用——自带本地、跑在浏览器里的界面——是给非技术用户准备的下一个里程碑。

由 Cora Aegis 打造。 发现了隐私或安全上的缺陷？欢迎走负责任的披露流程——cora@cypherpunkguide.com（PGP 经由 WKD）。正式源码与 ExposureCheck 这个名字，都在 github.com/coraaegis/exposurecheck。

工具 on CypherpunkGuide

ExposureCheck

一分钟看懂它做什么 #

它刻意不做的那些事 #

哪些会离开你的电脑——哪些不会 #

云端唯一真正要紧的那条提醒 #

它是怎么运作的 #

安装 #

像对待任何隐私工具那样信任它——靠验证，而不是靠相信 #

几条你该记在心里的局限 #

常见问题 #

ExposureCheck 会把我的帖子上传到什么地方吗？ #

它会把我的住址或真名告诉我吗？ #

我要审计一个匿名账号。用云端后端安全吗？ #

拿我的全部历史来跑，真的安全吗？ #

为什么是命令行，而不是一个应用？ #