JPEG

Come è fatto il file

Se hai mai aperto un JPEG in un editor esadecimale, avrai notato che è fatto di segmenti separati da marker. Ogni marker inizia con 0xFF, seguito da un byte che dice di che tipo di segmento si tratta. Questo disegno rende i JPEG piuttosto facili da analizzare: basta cercare i byte FF e guardare che cosa viene dopo.

La parte interessante per la privacy è che tutti i metadati (EXIF, GPS, data e ora) stanno in quei segmenti, del tutto separati dai dati veri dell'immagine. Ecco perché possiamo rimuovere i metadati senza toccare i pixel e senza ricomprimere niente.

JFIF contro EXIF

C'è una cosa che confonde parecchie persone: i file JPEG spesso contengono due standard di metadati diversi allo stesso tempo. JFIF è arrivato prima e si occupa delle basi, come la risoluzione. Poi le fotocamere hanno iniziato ad aggiungere i dati EXIF con tutte le informazioni di scatto. Quasi tutti i JPEG moderni hanno entrambi, ed è per questo che vedrai sia il marker APP0 sia l'APP1 vicino all'inizio del file.

I marker APP in dettaglio

Le specifiche JPEG hanno riservato 16 marker "applicativi" (da APP0 ad APP15) perché ogni produttore li usasse come voleva. Con gli anni, organizzazioni diverse si sono prese marker diversi per i loro formati di metadati. Il risultato è un piccolo caos, ma almeno è un caos ben documentato.

La parte complicata è che lo stesso marker può voler dire cose diverse a seconda del contenuto. APP1, per esempio, può contenere dati EXIF oppure XMP, quindi devi guardare la stringa identificativa all'interno per capire con quale hai a che fare.

La struttura di EXIF

Qui la cosa si fa interessante (e un po' strana). I dati EXIF sono in realtà un piccolo file TIFF incorporato dentro al tuo JPEG. Sì, davvero. Ha una sua intestazione, un suo ordine dei byte e usa la struttura IFD (Image File Directory) di TIFF per salvare i tag.

La prima cosa che vedrai dopo l'identificatore "Exif" è un'intestazione TIFF che dice se i dati sono little-endian (Intel, "II") o big-endian (Motorola, "MM"). Sbagliare qui significa che tutti i numeri usciranno senza senso, quindi è la prima cosa che controlla qualsiasi parser.

Come PicScrub elabora i JPEG

L'approccio è piuttosto diretto: percorriamo il file marker per marker, teniamo quelli indispensabili per mostrare l'immagine e saltiamo quelli che contengono metadati. Siccome non tocchiamo mai i dati compressi dell'immagine, non c'è nessuna perdita di qualità.

Il punto è che la struttura a marker di JPEG rende tutto facile. Non dobbiamo capire i coefficienti DCT né le tabelle di Huffman. Ci basta riconoscere quali segmenti sono metadati e quali no.

Elenco dei tag EXIF

Non tutti i tag EXIF pesano allo stesso modo sulla privacy. Alcuni, come le impostazioni di scatto, sono piuttosto innocui. Altri, come i numeri di serie o il nome del proprietario, possono identificare te o la tua attrezzatura in modo univoco. Questi sono quelli che consideriamo ad alto rischio:

Elenco dei tag GPS

I dati GPS stanno in un sub-IFD tutto loro, a cui punta il tag 0x8825 dell'IFD principale. Se quel puntatore c'è, nella tua immagine ci sono dati di posizione. Gli smartphone di oggi sono particolarmente insistenti su questo, spesso con una precisione tale da indicare il punto esatto in cui eri.

Elenco dei tag IPTC

IPTC è nato perché le agenzie di stampa potessero incorporare didascalie, crediti e informazioni di copyright. Si salva dentro APP13 con l'identificatore "Photoshop 3.0" (sì, l'ha adottato Adobe). Se hai mai aggiunto informazioni di copyright o parole chiave in Lightroom o Photoshop, è lì che vanno a finire.