零宽字符隐写 - Zero-Width Steganography

一、什么是零宽字符隐写？

这是一个非常有趣且隐蔽的信息隐藏技术，结合了“零宽字符”和“隐写术”两个领域。

1. 隐写术 (Steganography)：
   顾名思义，“隐写”就是将秘密信息隐藏起来书写。它不同于加密（Cryptography）。加密是将信息变成一堆乱码，让人一看就知道是秘密，但无法破译内容；而隐写术是试图将秘密信息的存在本身都隐藏起来，让它看起来像普通、无害的信息（如一段文字、一张图片、一个视频）。“藏木于林” 是对隐写术最形象的比喻。

2. 零宽字符 (Zero-Width Characters)：
   这是Unicode标准中一类特殊的控制字符。它们的特性是不可见（不占任何视觉空间），即在文本中显示时没有宽度，不会打断或改变文本的可见内容。但它们确实存在于文本的编码中。

   • 常见的零宽字符包括：
     • 零宽空格 (Zero-Width Space, U+200B)：用于在某些复杂的脚本中表示单词边界，但不可见。
     • 零宽非连接符 (Zero-Width Non-Joiner, U+200C)：用于阻止两个字符之间的连笔（例如在阿拉伯语中）。
     • 零宽连接符 (Zero-Width Joiner, U+200D)：用于鼓励两个字符之间的连笔（例如在阿拉伯语或emoji序列中，如 👨‍👩‍👧‍👦 家庭表情就是由多个emoji用ZWJ连接而成的）。
     • 左至右标记 (Left-to-Right Mark, U+200E) / 右至左标记 (Right-to-Left Mark, U+200F)：用于控制文本方向，但本身不可见。

3. 什么是零宽字符隐写？

零宽字符隐写就是利用这些不可见的零宽字符作为载体，将秘密信息编码并嵌入到一段普通的可见文本中的隐写技术。

简单来说，你看到的一段话（A），实际上里面还隐藏着另一段话（B），而B是用你看不见的字符写的。

二、工作原理（如何隐藏信息？）

1. 编码秘密信息：
   首先，需要将想要隐藏的秘密信息（如“secret”）转换成一种可以由0和1表示的二进制格式（例如，使用ASCII或Unicode编码）。s -> 01110011。

2. 用零宽字符表示二进制：
   选择两种零宽字符来分别代表二进制的 0 和 1。

   • 例如，规定：
     • U+200C (零宽非连接符) 代表 0
     • U+200D (零宽连接符) 代表 1
   • 那么，秘密信息“s”的二进制 01110011 就可以被编码成一串零宽字符序列：[U+200C, U+200D, U+200D, U+200C, U+200C, U+200C, U+200D, U+200D]

3. 嵌入载体文本：
   将这一长串代表秘密信息的零宽字符序列，插入到一段普通文本（称为“载体文本”）的任意位置。比如插入到句首、句尾、单词之间，甚至是某个单词的字母之间。

   • 载体文本：“这是一条普通的问候信息，你好吗？”
   • 嵌入后：“[零宽字符序列]这是一条普通的问候信息，你好吗？” 或者 “这[零宽字符序列]是一条普通的问候信息，你好吗？”

对于阅读这段文字的人来说，他们看到的仍然是：“这是一条普通的问候信息，你好吗？”，完全察觉不到隐藏信息的存在。只有知道编码规则的人，才能从文本中提取出这些零宽字符，并将其解码回原始的秘密信息。

三、实际应用与例子

• 水印与溯源：公司可以在内部文档中嵌入隐藏的员工ID或时间戳。如果文档被泄露，可以通过提取这个隐藏信息来追踪泄密源头。
• 绕过审查：在一些言论受限制的环境中，人们可以用这种方式在公开的社交媒体帖子中传递秘密信息，而审查系统可能无法检测到。
• 社交工程与恶意攻击：
  • 网络钓鱼：攻击者可能会在看似合法的URL（例如，模仿 www.apple.com）中插入零宽字符，使其在浏览器中显示为正确域名，但实际上指向恶意网站。虽然现代浏览器对此有防护，但仍是潜在威胁。
  • 混淆恶意代码：在某些支持Unicode的编程环境中，可能被用来隐藏恶意代码片段。

四、如何检测和防范？

1. 文本编辑器：将可疑文本复制到代码编辑器（如VS Code、Sublime Text）或纯文本编辑器（如记事本++）中，这些编辑器有时会以特殊方式（如一个小点、一个高亮）显示零宽字符。
2. 在线检测工具：有很多网站提供零宽字符检测和去除功能，只需将文本粘贴进去即可分析。
3. 编程检测：可以写简单的脚本（如JavaScript、Python）来遍历字符串，检查是否包含Un码位在U+200B到U+200F之间的字符。
4. 保持警惕：不要随意复制粘贴来历不明的文本并直接执行（比如在命令行中），尤其是从社交媒体或即时通讯软件中收到的信息。

总结

特性	描述
本质	一种数字隐写术
载体	零宽字符（Unicode中不可见的控制字符）
原理	用零宽字符代表二进制0和1，将秘密信息编码后嵌入普通文本
优点	高度隐蔽，视觉上无法察觉，兼容性高
缺点	可通过专业工具或代码检测， payload（有效负载）相对较小
用途	水印、秘密通信、绕过审查（也可用于恶意目的）

五、回车CR 和 换行LF 是零宽字符吗？

不，回车（Carriage Return, CR）和换行（Line Feed, LF）符不属于零宽字符。 它们属于控制字符，但它们的“不可见”方式和零宽字符有本质区别。

下面我们来详细解释一下它们的区别：

核心区别：功能 vs. 空间

特性	零宽字符 (Zero-Width Characters)	回车(CR) / 换行(LF) 符
Unicode 类别	主要属于“格式字符”（Formatting Characters）范畴。	属于“控制字符”（Control Characters）范畴。
主要作用	修饰文本的格式、排序或连接方式，但不产生任何布局空间。	控制文本的布局和格式，产生布局上的变化（换行）。
“不可见”的含义	本身不占据任何视觉空间，像一个“看不见的墨水标记”，插入在字符之间却不拉开距离。	没有具体的字形（glyph），所以不显示为一个可见符号，但它们的功能效果是可见的（即文本换到了新的一行）。
类比	像一种隐形墨水，写在纸上不会撑开其他字，但能用特殊方式读到。	像打字机的一个机械动作：回车（把打字头移回行首）和换行（把纸卷上一行）。你看不到这个动作，但能看到动作的结果。

---

详细解释

1. 回车（CR, \r, ASCII 13）和换行（LF, \n, ASCII 10）

这些是来自早期打字机和电传打字机的遗产。

• 换行 (LF)：命令打印机或显示器“将纸张向下移动一行”（换行）。
• 回车 (CR)：命令打印机或显示器“将打印头移回行首”（回车）。

在现代计算中，它们共同作用来表示一行的结束和下一行的开始（在Windows系统中是\r\n，在Unix/Linux/macOS中是\n）。

虽然你在屏幕上看不到CR或LF这个符号本身，但它们执行了一个强大的、可见的格式功能——创建新行。因此，它们不是“零宽”的，而是“具有功能效应的不可见控制字符”。

2. 零宽字符 (如 U+200B, U+200C, U+200D)

这些字符是Unicode标准为了处理复杂文本排版（如阿拉伯语、天城文连字）而引入的。

• 零宽空格 (U+200B)：表示一个可以断字的词边界，但不像普通空格那样有宽度。
• 零宽非连接符 (U+200C)：阻止两个字符正常连接。
• 零宽连接符 (U+200D)：鼓励两个字符连接（如生成复杂的emoji序列）。

它们不执行任何像换行那样改变整体布局的命令。它们的作用范围仅限于其插入点的局部相邻字符，并且完全不影响文本的宏观流。这才是“零宽”的真正含义——不改变布局，不占用空间。

---

一个很好的类比：文本编辑器视图

你可以在任何先进的文本编辑器（如VS Code、Sublime Text、Notepad++）中清晰地看到这种区别：

1. 显示所有字符：

   • 当你开启“显示所有字符”或“显示不可见字符”选项时。
   • 换行符 (LF \n)：通常会显示为一个↵ (向下再向左的箭头) 或 ⏎ (回车符号) 。它占据了一个视觉位置。
   • 零宽字符：可能会显示为一个非常特殊的、单独的符号（例如，VS Code中零宽空格显示为一个˽，零宽非连接符显示为一个‌，零宽连接符显示为‍）。关键点在于：即使它们被“显示”出来，编辑器也会明确告诉你这些符号本身是“零宽”的，并且它们不会导致后面的文本被“推開”。

2. 选择文本：

   • 当你用光标在文本中移动时，光标会跳过一个换行符（因为它占据了一个“位置”），但光标不会在零宽字符处停留（因为它们没有宽度，光标会直接滑过）。

总结

行为	换行符 (LF \n)	零宽空格 (U+200B)
在编辑器中可见化	显示为 ↵ 或 ⏎	显示为一个特殊的字符（如 ˽）
光标导航	光标会在此停留	光标直接滑过，无法停留
主要效果	宏观布局：创建新行	微观修饰：定义单词边界而不占空间

所以，所有的零宽字符都是控制字符（或格式字符），但并非所有的控制字符（如回车换行）都是零宽字符。

判断的关键在于：这个字符是否会产生一个“布局上的效果”（如换行、制表符缩进）？如果是，它就不是零宽的。如果它只在局部修饰文本而不影响布局流，那它就是零宽的。