JPEG

Visión general de la estructura

Si alguna vez has abierto un JPEG en un editor hexadecimal, habrás visto que está formado por segmentos separados por marcadores. Todos los marcadores empiezan por 0xFF, seguido de un byte que indica qué tipo de segmento es. Este diseño hace que los JPEG sean relativamente fáciles de analizar: basta con buscar bytes FF y comprobar qué viene después.

Lo interesante en cuanto a privacidad es que todos los metadatos (EXIF, GPS, fecha y hora) viven en esos segmentos, completamente separados de los datos reales de la imagen. Por eso podemos eliminar los metadatos sin tocar los píxeles ni recomprimir nada.

JFIF frente a EXIF

Hay algo que confunde a mucha gente: los archivos JPEG suelen contener dos estándares de metadatos distintos al mismo tiempo. JFIF llegó primero y se ocupa de lo básico, como la resolución. Después, las cámaras empezaron a añadir datos EXIF con toda la información detallada de la toma. La mayoría de los JPEG modernos llevan los dos, y por eso verás marcadores APP0 y APP1 cerca del principio del archivo.

Los marcadores APP en detalle

La especificación de JPEG reservó 16 marcadores de "aplicación" (de APP0 a APP15) para que cada fabricante los usara como quisiera. Con los años, distintas organizaciones se fueron apropiando de marcadores diferentes para sus formatos de metadatos. El resultado es un pequeño caos, pero al menos es un caos bien documentado.

Lo complicado es que un mismo marcador puede significar cosas distintas según su contenido. APP1, por ejemplo, puede contener datos EXIF o XMP, así que hay que mirar la cadena identificadora del interior para saber con cuál estás tratando.

La estructura de EXIF

Aquí es donde la cosa se pone interesante (y un poco rara). Los datos EXIF son en realidad un pequeño archivo TIFF incrustado dentro de tu JPEG. Sí, en serio. Tiene su propia cabecera, su propio orden de bytes y usa la estructura IFD (Image File Directory) de TIFF para guardar las etiquetas.

Lo primero que verás después del identificador "Exif" es una cabecera TIFF que indica si los datos son little-endian (Intel, "II") o big-endian (Motorola, "MM"). Equivocarse aquí significa que todos los números saldrán mal, así que es lo primero que comprueba cualquier analizador.

Cómo procesa PicScrub los JPEG

El enfoque es bastante directo: recorremos el archivo marcador a marcador, conservamos los que son imprescindibles para mostrar la imagen y saltamos los que contienen metadatos. Como nunca tocamos los datos comprimidos de la imagen, no hay ninguna pérdida de calidad.

La clave está en que la estructura de marcadores de JPEG lo pone fácil. No necesitamos entender los coeficientes DCT ni las tablas de Huffman. Solo tenemos que identificar qué segmentos son metadatos y cuáles no.

Referencia de etiquetas EXIF

No todas las etiquetas EXIF son iguales en cuanto a privacidad. Algunas, como los ajustes de exposición, son bastante inofensivas. Otras, como los números de serie o el nombre del propietario, pueden identificarte a ti o a tu equipo de forma inequívoca. Estas son las que consideramos de alto riesgo:

Referencia de etiquetas GPS

Los datos GPS viven en su propio sub-IFD, al que apunta la etiqueta 0x8825 del IFD principal. Si ese puntero existe, hay datos de ubicación en tu imagen. Los móviles actuales son especialmente insistentes con esto, y a menudo con precisión suficiente para señalar el punto exacto en el que estabas.

Referencia de etiquetas IPTC

IPTC se diseñó para que las agencias de noticias pudieran incrustar pies de foto, créditos e información de copyright. Se guarda dentro de APP13 con el identificador "Photoshop 3.0" (sí, Adobe lo adoptó). Si alguna vez has añadido información de copyright o palabras clave en Lightroom o Photoshop, es ahí donde acaban.