Hijacking Text Heritage: Hiding the Human Signature through Homoglyphic Substitution

Este artigo explora como a substituição homoglífica, que troca caracteres por visualmente similares, pode degradar sistemas de estilometria e ocultar a assinatura humana em textos para prevenir o vazamento de informações pessoais.

O essencial

Imagine que a sua escrita é como a sua impressão digital. Assim como ninguém tem duas digitais iguais, ninguém escreve exatamente da mesma maneira. A "estilometria" é a ciência que usa computadores para analisar essas marcas únicas (como o tamanho das frases, as palavras que você mais usa e a pontuação) para descobrir quem escreveu um texto, mesmo que você não tenha assinado.

Este artigo, escrito por Robert Dilworth, é como um manual de sobrevivência para quem quer manter essa impressão digital escondida. O autor propõe uma técnica para "envenenar" o texto e confundir esses computadores, impedindo que eles descubram quem é o autor.

Aqui está a explicação do conceito, usando analogias simples:

1. O Problema: A "Digital" Invisível

Você já postou algo na internet, como um tweet ou um comentário, achando que era inofensivo? O autor diz que, mesmo sem revelar seu nome ou endereço, o estilo da sua escrita pode ser usado para adivinhar sua idade, onde você mora e até quem você é. É como deixar rastros de pegadas na areia; o computador pode seguir o caminho de volta até você.

2. A Solução: O "Truque do Espelho" (Homoglyphs)

Para esconder essas pegadas, o autor sugere usar Homoglyphs (homoglyphs).

• A Analogia: Imagine que você tem uma letra "a" normal. Agora, imagine uma letra "a" que vem de um alfabeto diferente (como o russo ou grego), que parece exatamente a mesma coisa para os seus olhos, mas é um "gêmeo malvado" para o computador.
• O Truque: O computador vê "a" e "a" como coisas totalmente diferentes, porque têm códigos secretos distintos por trás. O autor sugere trocar algumas letras do seu texto por esses "gêmeos malvados".
  • Exemplo: Trocar o "h" normal por um "h" que parece igual, mas é de outro alfabeto.
  • Para você e para um humano lendo, o texto continua legível e normal.
  • Para o computador que tenta analisar seu estilo, o texto parece um caos de erros e padrões quebrados.

3. A "Dose de Veneno" (O Experimento)

O autor fez testes para ver quanto desse "veneno" é necessário para cegar o computador.

• Ele descobriu que trocar apenas algumas letras não é suficiente.
• A Regra de Ouro: Você precisa substituir cerca de 37,5% das palavras no seu texto por essas versões "gêmeas" para que o computador perca completamente a capacidade de identificar quem escreveu.
• É como tentar disfarçar um perfume forte misturando-o com muitos outros odores; se você misturar pouco, o cheiro original ainda aparece. Se misturar o suficiente, o cheiro original desaparece.

4. Por que fazer isso? (A Motivação)

O autor não quer usar isso para cometer crimes. Ele quer proteger a privacidade.

• O Cenário Distópico: Imagine que um aplicativo de rede social pede sua foto de identidade e depois pede para você escrever um pequeno texto sobre "o que você mais teme".
• O Perigo: Eles podem usar esse texto para treinar uma Inteligência Artificial que cria um "duplo digital" de você. Essa IA pode prever o que você vai comprar, como vai reagir a notícias ou até se você é um "perigo" para o governo, tudo baseado no seu estilo de escrita.
• A Resistência: Ao "envenenar" seu texto com essas trocas de letras, você quebra o modelo da IA. Você está dizendo ao sistema: "Aqui está meu texto, mas ele não pertence mais a mim. Ele é um caos".

5. A Metáfora Final: O Fogo e a Cinza

O autor usa uma metáfora poderosa:

• A vigilância é como um fogo que queima e consome sua privacidade.
• A técnica proposta é como jogar água ou veneno nesse fogo.
• Ele cita o filósofo Dostoiévski: "Fale besteira, mas fale a sua própria besteira". A ideia é que, ao corromper o texto de forma inteligente, você recupera o direito de ser um ser humano único, e não apenas um conjunto de dados previsíveis para uma máquina.

Resumo em uma frase:
O paper ensina como usar "letras fantasmas" que parecem normais para os olhos, mas que confundem os computadores, permitindo que você escreva na internet sem deixar rastros digitais que possam ser usados para te identificar ou vigiar.

Resumo técnico

Resumo Técnico: Hijacking Text Heritage

1. O Problema: A Ameaça da Estilometria e a Privacidade

O artigo aborda o risco crescente da estilometria (análise forense de texto) como ferramenta de vigilância. Enquanto vazamentos de dados governamentais (como passaportes) são óbvios, a exposição de informações pessoais através de postagens em redes sociais é frequentemente subestimada.

• O Risco: A estilometria permite que analistas forenses extraiam "impressões digitais" digitais de um autor, estimando idade, localização geográfica e identificando a autoria de textos anônimos com base em padrões linguísticos (frequência de palavras, sintaxe, pontuação).
• O Cenário Distópico: O autor argumenta que sistemas de verificação de idade em plataformas sociais, combinados com prompts de escrita e IA, podem ser usados para criar "IAs de sombra" (shadow AIs) que perfilam usuários psicologicamente, prevendo comportamentos ("pré-crime") e pensamentos ("crime de pensamento").
• A Necessidade: É necessário um mecanismo para "envenenar" esses dados, tornando a atribuição de autoria estatisticamente impossível sem alterar o significado legível do texto para humanos.

2. Metodologia: A Técnica de "Doppelgänger Injection"

O artigo propõe e avalia uma técnica de estilometria adversária chamada Doppelgänger Injection. Diferente de métodos anteriores que focavam em tradução, imitação ou ofuscação por paráfrase, esta técnica utiliza a substituição de caracteres.

• Conceito Central (Homoglyphs): Utiliza-se a substituição de caracteres por homoglyphs (caracteres visualmente idênticos ou muito similares, mas com pontos de código Unicode diferentes).
  • Exemplo: Substituir o "h" latino (U+0068) pelo "һ" cirílico (U+04BB).
• Mecanismo de Ataque: O script TraceTarnish injeta esses caracteres homoglyphs no texto. Como os algoritmos de estilometria e os tokenizadores de IA dependem da correspondência exata de caracteres (ou de seus códigos Unicode), a introdução desses "gêmeos" engana o sistema, alterando a assinatura estatística do texto sem que o leitor humano perceba a diferença.
• Configuração Experimental: O estudo realizou quatro experimentos para determinar a dose letal de "veneno" necessária:
  1. Injeção aleatória de homoglyphs em palavras (0% a 100%).
  2. Injeção direcionada apenas em vogais.
  3. Injeção direcionada apenas em consoantes.
  4. Injeção máxima (substituição de todos os caracteres possíveis).
• Avaliação: Utilizou-se o pacote R stylo e a função imposters() para medir a eficácia da ofuscação através de diversas métricas de distância (Delta de Burrows, Euclidiana, Cosseno, etc.).

3. Contribuições Chave

• Novo Vetor de Ataque: O artigo preenche uma lacuna na literatura ao focar especificamente na eficácia da substituição de homoglyphs para ofuscação de autoria em sistemas estilométricos, diferenciando-se de ataques de zero-width characters (invisíveis) ou paráfrase.
• Taxonomia de Injeção: O autor categoriza as técnicas de injeção em três variantes:
  • Liminal Injection: Inserção de caracteres de largura zero (steganografia).
  • Doppelgänger Injection: Substituição por homoglyphs (o foco deste trabalho).
  • Surrealist Injection: Introdução de erros ortográficos intencionais.
• Ferramenta Prática (TraceTarnish): Apresentação de um script modular que combina tradução, ofuscação, imitação e injeção para criar um pipeline de proteção de privacidade.
• Crítica à Verificação de Idade: Uma análise crítica sobre como a verificação de idade via IA e prompts de escrita pode ser uma porta de entrada para vigilância massiva e perfilamento psicológico.

4. Resultados

Os experimentos forneceram métricas quantitativas sobre a eficácia do ataque:

• Taxa de Substituição Crítica: Uma taxa de substituição de 37,5% (ou seja, 37,5% das palavras contendo pelo menos um homoglyph) é o limiar onde a ofuscação de autoria se torna eficaz.
• Retornos Decrescentes: Aumentar a injeção acima de 50% não melhora significativamente a proteção, indicando um ponto de saturação onde o esforço adicional não traz benefícios proporcionais.
• Vogais vs. Consoantes: A escolha entre atacar vogais ou consoantes mostrou-se inconsequente para a eficácia da ofuscação estilométrica; ambos os métodos funcionam igualmente bem.
• Eficácia do Ataque: Com uma taxa de 37,5%, a pontuação de verificação de autoria (AVS) cai para níveis de incerteza ou falha, impedindo que o sistema identifique o autor original com confiança.
• Combinação com Zero-Width: A combinação de homoglyphs com caracteres de largura zero (invisíveis) aumenta a toxicidade do texto, tornando-o ainda mais resistente à análise.

5. Significado e Implicações

O artigo conclui que a proteção da privacidade na era da IA exige não apenas salvaguardas legais, mas contramedidas técnicas.

• Envenenamento de Dados (Data Poisoning): O uso de homoglyphs é apresentado como uma forma de "envenenar o poço". Ao corromper os dados de treinamento ou os conjuntos de dados públicos com ruído visualmente imperceptível, os usuários podem tornar os modelos de IA e sistemas de vigilância ineficazes para rastreamento.
• Resistência Não-Violenta: A técnica é enquadrada como um ato de resistência não-violenta contra a vigilância estatal e corporativa, permitindo que indivíduos mantenham o anonimato em um mundo onde a linguagem é cada vez mais monitorada.
• Futuro da Privacidade: O trabalho sugere que, sem tais técnicas de ofuscação, a distinção entre "metadados" e "conteúdo" se dissolve, permitindo que a estilometria seja usada para reidentificar indivíduos anônimos e prever comportamentos, transformando a liberdade de expressão em um risco de segurança.

Em suma, o artigo demonstra que a substituição de homoglyphs é uma ferramenta viável, eficiente e necessária para quebrar a correlação entre um texto e seu autor, protegendo a identidade humana contra a extração algorítmica de assinaturas estilísticas.