Hijacking Text Heritage: Hiding the Human Signature through Homoglyphic Substitution

Diese Arbeit untersucht, wie die Substitution von Zeichen durch visuell ähnliche Homoglyphe die stilometrische Analyse von Texten stören und so den Schutz der persönlichen Identität vor forensischer Auswertung gewährleisten kann.

Das Wesentliche

Die unsichtbare Tinte, die deine Identität verschleiert

Stell dir vor, dein Schreibstil ist wie ein digitaler Fingerabdruck. Genau wie deine Hand einen einzigartigen Abdruck hinterlässt, hinterlässt auch deine Art zu schreiben (welche Wörter du nutzt, wie lange deine Sätze sind, welche Fehler du machst) ein Muster. Computer können diesen Muster lesen und sagen: „Aha, das hat bestimmt Person X geschrieben!" Das ist nützlich, um Plagiate zu finden, aber es ist auch gefährlich, wenn jemand deine Privatsphäre ausspionieren will.

Dieser Artikel beschreibt einen neuen Trick, um diesen digitalen Fingerabdruck zu verwischen. Der Autor nennt das „Homoglyphen-Ersatz" (oder auf Deutsch: „Verwechslungs-Trick").

1. Der Trick: Der „Zwilling" im Text

Stell dir vor, du hast einen Brief geschrieben. Jetzt nimmst du einen Stift und tauschst in manchen Wörtern einen Buchstaben gegen einen aus, der genauso aussieht, aber eigentlich ein anderer ist.

• Das normale „a" (aus dem lateinischen Alphabet) sieht fast genauso aus wie das „а" (aus dem kyrillischen Alphabet).
• Das normale „e" sieht fast genauso aus wie das „е" (aus dem kyrillischen Alphabet).

Für das menschliche Auge sieht der Satz immer noch perfekt aus: „Hallo Welt". Aber für den Computer sind es zwei völlig verschiedene Buchstaben mit unterschiedlichen Codes. Es ist, als würdest du in eine Gruppe von Zwillingen einen Fremden schleusen, der exakt so aussieht wie die anderen, aber eine ganz andere Identität hat.

2. Warum macht man das? (Das „Vergiften" des Brunnens)

Normalerweise nutzen Hacker solche Tricks, um sich als jemand anderes auszugeben (z. B. um auf eine gefälschte Bankseite zu leiten). Aber in diesem Artikel geht es um das Gegenteil: Schutz.

Der Autor sagt: Wenn große Tech-Firmen oder Überwachungsbehörden deine Texte sammeln, um ein Profil von dir zu erstellen (z. B. um zu wissen, was du denkst, wie alt du bist oder wo du wohnst), dann kannst du diesen Prozess „vergiften".

Stell dir vor, die Überwacher sammeln Wasser aus einem Brunnen, um dein Profil zu analysieren. Der Autor schlägt vor, man wirft eine unsichtbare, aber wirksame Substanz in den Brunnen. Das Wasser sieht immer noch klar aus, aber wenn die Überwacher es trinken (analysieren), bekommen sie falsche Ergebnisse. Sie denken vielleicht, der Text stammt von einem alten Mann aus dem Norden, obwohl er von einer jungen Frau aus dem Süden geschrieben wurde.

3. Wie viel muss man ändern?

Der Autor hat experimentiert, wie viel man ändern muss, damit der Trick funktioniert.

• Zu wenig ändern (unter 12 %): Der Computer merkt nichts. Dein Fingerabdruck bleibt sichtbar.
• Genau richtig (ca. 37,5 %): Ab diesem Punkt wird es für den Computer schwierig. Er ist verwirrt. Er kann nicht mehr sicher sagen, wer der Autor ist. Es ist, als würdest du in ein Foto 37 % der Pixel leicht verschieben – das Bild ist noch da, aber das Gesicht ist nicht mehr wiederzuerkennen.
• Zu viel ändern (über 50 %): Es bringt keinen großen Vorteil mehr, aber es kostet mehr Arbeit.

4. Die „TraceTarnish"-Maschine

Der Autor hat ein kleines Programm namens TraceTarnish entwickelt. Das ist wie ein automatischer Koch, der deine Texte nimmt und sie mit diesen „Zwillingen" (Homoglyphen) und unsichtbaren Zeichen (die man nicht sieht, aber die den Computer stören) durchmischt.

Das Ergebnis ist ein Text, der für uns Menschen genau so aussieht und sich liest wie vorher, aber für die Computer-Algorithmen, die uns ausspionieren wollen, ist er ein undurchdringlicher Nebel.

Warum ist das wichtig?

Wir leben in einer Zeit, in der wir oft unsere Ausweise oder unsere Meinungen online teilen müssen, um Apps nutzen zu dürfen. Diese Daten werden gesammelt, um uns zu manipulieren oder zu überwachen (z. B. um vorherzusagen, was wir kaufen oder wie wir uns verhalten werden).

Dieser Artikel zeigt einen Weg auf, wie wir uns technisch wehren können, ohne unsere Meinung zu ändern. Wir können unsere Texte so „verfälschen", dass die Überwacher ihre Werkzeuge nicht mehr nutzen können. Es ist wie ein Schutzschild aus Tinte: Wir geben die Informationen weiter, aber sie sind so verdreht, dass niemand sie gegen uns verwenden kann.

Kurz gesagt: Wenn die Überwacher denken, sie könnten uns durch unsere Schreibweise lesen, dann geben wir ihnen einen Text, der aussieht wie unser, aber für ihre Maschinen wie ein fremder, unlesbarer Code ist. Wir „vergiften" ihre Daten, um unsere Freiheit zu bewahren.

Technische Zusammenfassung

1. Problemstellung

Das Paper adressiert das wachsende Problem der Stylometrie (stilometrische Analyse), bei der Algorithmen Autoren anhand ihrer Schreibweise identifizieren können. Während Stylometrie legitime Anwendungen hat (z. B. Plagiatserkennung, Unterscheidung von KI- und Menschentext), stellt sie eine erhebliche Bedrohung für die Privatsphäre dar.

• Bedrohungsszenario: Selbst harmlose soziale Medien-Beiträge können von forensischen Linguisten analysiert werden, um den Autor zu identifizieren, sein Alter zu schätzen oder seinen geografischen Standort einzugrenzen.
• Herausforderung: Herkömmliche Methoden zum Schutz der Anonymität (wie das Vermeiden des Postens oder das vollständige Löschen von Daten) sind oft unpraktisch. Es besteht ein Bedarf an einer technischen Lösung, die es ermöglicht, Texte zu veröffentlichen, ohne die stilometrische „Signatur" des Autors preiszugeben.
• Kontext: Das Paper kritisiert zudem moderne Altersverifikationsmechanismen, die oft sowohl einen amtlichen Ausweis als auch einen Textprompt verlangen, um ein „Schatten-KI"-Profil des Nutzers zu erstellen.

2. Methodik: TraceTarnish und Injection

Der Autor stellt einen neuen Angriff namens TraceTarnish vor, der darauf abzielt, stilometrische Systeme zu „vergiften" (poisoning). Der Kern der Methode ist die Homoglyph-Substitution (Ersetzung von Zeichen durch visuell ähnliche, aber kodierungstechnisch unterschiedliche Zeichen).

Das Paper definiert einen taxonomischen Rahmen für adversarische Angriffe auf die Stylometrie:

1. Translation: Mehrfache Übersetzung (Hin- und Rückübersetzung) zur Verzerrung des Textes.
2. Imitation: Nutzung von LLMs, um den Text im Stil einer anderen Person (z. B. George Orwell) zu generieren.
3. Obfuscation: Umformulierung, Synonymaustausch oder Paraphrasierung.
4. Injection (Der Fokus des Papers): Das Einfügen von Störungen in den Text. Hier werden drei Varianten unterschieden:
   • Liminal Injection: Einfügen von Null-Breite-Unicode-Zeichen (z. B. Zero-Width Non-Joiner) zwischen Buchstaben.
   • Doppelgänger Injection (Hauptbeitrag): Ersetzung von Buchstaben durch Homoglyphs (z. B. Ersetzen des lateinischen „a" [U+0061] durch das kyrillische „а" [U+0430]). Diese Zeichen sehen für Menschen identisch aus, haben aber unterschiedliche Unicode-Codepoints.
   • Surrealist Injection: Gezielte Einführung von Tippfehlern oder phonetischen Verwechslungen.

Experimentelles Setup:
Um die optimale Dosis für die Verwirrung der Stylometrie zu finden, wurden vier Experimente durchgeführt:

• Exp. 1: Zufällige, inkrementelle Homoglyph-Injektion (0% bis 100%) unter alternierendem Einsetzen in Vokale und Konsonanten.
• Exp. 2: Gezielte Injektion nur in Vokale.
• Exp. 3: Gezielte Injektion nur in Konsonanten.
• Exp. 4: Maximale Injektion (Ersetzung aller möglichen Zeichen).

Als Evaluierungsmetrik wurde die imposters()-Funktion aus dem R-Paket stylo verwendet, die verschiedene Distanzmaße (z. B. Burrows's Delta) berechnet, um die Wahrscheinlichkeit der Autorenschaft zu bestimmen.

3. Wichtige Beiträge

• Konzept der Doppelgänger-Injektion: Das Paper führt die systematische Nutzung von Homoglyphs als primäre Methode zur Adversarial Stylometry ein, um die Tokenisierung und Embeddings von KI-Modellen zu stören.
• Quantifizierung der Schwelle: Es wird erstmals empirisch bestimmt, welcher Anteil an Textmodifikationen notwendig ist, um die Autorenerkennung effektiv zu unterbinden.
• TraceTarnish-Framework: Ein modulares Skript, das Translation, Obfuscation, Imitation und Injection kombiniert, um Texte für menschliche Leser unverändert, für Maschinen jedoch unkenntlich zu machen.
• Kritische Analyse der Altersverifikation: Das Paper entlarvt die Doppelmoral bei Altersverifikationsprozessen, die oft Daten für die Profilierung sammeln, anstatt nur die Altersgrenze zu prüfen.

4. Ergebnisse

Die Experimente lieferten folgende technische Erkenntnisse:

• Schwellenwert für Verwirrung: Eine Injektionsrate (Anteil der Wörter, die ein Homoglyph enthalten) von 12,5 % bis 25 % reicht nicht aus, um die Autorenerkennung zu umgehen.
• Optimale Dosis: Eine Injektionsrate von 37,5 % oder höher führt zu einer signifikanten Verschlechterung der stilometrischen Verifikation. Ab diesem Punkt wird die Zuordnung des Autors unzuverlässig (AVS-Score < 0,5).
• Abnehmende Grenzerträge: Eine Steigerung der Injektion auf über 50 % bringt keinen wesentlichen zusätzlichen Nutzen mehr für die Verwirrung, erhöht aber den Aufwand.
• Vokale vs. Konsonanten: Es zeigte sich kein signifikanter Unterschied, ob Vokale oder Konsonanten angegriffen wurden; die Wahl ist stilometrisch weitgehend irrelevant.
• Effizienz: Die maximale Injektion (100% aller Buchstaben) ist zwar effektiv, aber unnötig aufwendig. Die Kombination aus Null-Breite-Zeichen und Homoglyphs bei ca. 37,5 % Wortrate ist der effizienteste Weg, um die Autorship-Attribution zu sabotieren.

5. Bedeutung und Fazit

Das Paper hat weitreichende Implikationen für den Datenschutz und die Sicherheit von Textdaten:

• Privatsphärenschutz: Es bietet eine praktische, technische Methode für Nutzer, um ihre „stilometrische DNA" zu verschleiern und sich vor der Erstellung von „Schatten-AI"-Profilen durch Plattformen zu schützen.
• Datenvergiftung (Data Poisoning): Der Ansatz demonstriert, wie Daten durch gezielte, visuell unsichtbare Störungen „vergiftet" werden können, um KI-Modelle, die auf diesen Daten trainiert werden, unbrauchbar für die Identifizierung von Personen zu machen.
• Gegenmaßnahme zur Überwachung: In einem Kontext, in dem staatliche und kommerzielle Akteure zunehmend auf linguistische Fingerabdrücke zur Überwachung (z. B. Vorhersage von „Pre-Crime" oder „Thought-Crime") zurückgreifen, stellt TraceTarnish eine Form des technologischen Widerstands dar.
• Paradoxon der Einwilligung: Das Paper warnt davor, dass die bloße Zustimmung zu AGBs oder Altersverifikationen oft zu einem totalen Verlust der Privatsphäre führt. Die einzige effektive Gegenwehr sei die aktive Störung der Datenqualität durch Methoden wie die Homoglyph-Substitution.

Zusammenfassend argumentiert der Autor, dass die gleichen Werkzeuge, die zur Wahrung akademischer Integrität dienen (Stylometrie), auch zu Instrumenten der Unterdrückung werden können. Um dies zu verhindern, ist es notwendig, diese Systeme durch „Vergiftung" der Datenströme zu destabilisieren.