JPEG

Struktura pliku w skrócie

Jeśli zdarzyło ci się otworzyć plik JPEG w edytorze heksadecymalnym, wiesz, że składa się z segmentów oddzielonych markerami. Każdy marker zaczyna się od 0xFF, a po nim idzie bajt mówiący, jakiego rodzaju to segment. Dzięki temu JPEG jest stosunkowo łatwy do przeanalizowania: wystarczy szukać bajtów FF i sprawdzać, co idzie dalej.

Z punktu widzenia prywatności najciekawsze jest to, że wszystkie metadane (EXIF, GPS, data i godzina) siedzą właśnie w tych segmentach, całkowicie oddzielone od samych danych obrazu. Dlatego możemy usunąć metadane, nie ruszając pikseli i niczego nie kompresując od nowa.

JFIF kontra EXIF

Oto coś, co myli wiele osób: pliki JPEG często zawierają dwa różne standardy metadanych naraz. JFIF pojawił się pierwszy i zajmuje się podstawami, na przykład rozdzielczością. Potem aparaty zaczęły dopisywać dane EXIF ze wszystkimi szczegółami zdjęcia. Większość dzisiejszych plików JPEG ma jedno i drugie, dlatego zaraz na początku pliku widać markery APP0 i APP1.

Markery APP w szczegółach

Specyfikacja JPEG zarezerwowała 16 markerów „aplikacyjnych” (od APP0 do APP15), żeby producenci mogli używać ich, jak chcą. Przez lata różne organizacje zajęły różne markery pod własne formaty metadanych. Wyszedł z tego niezły bałagan, ale przynajmniej dobrze udokumentowany.

Trudność polega na tym, że ten sam marker może znaczyć co innego w zależności od zawartości. APP1 może na przykład zawierać dane EXIF albo XMP, więc trzeba zajrzeć do środka i sprawdzić identyfikator, żeby wiedzieć, z czym masz do czynienia.

Struktura EXIF

Tu robi się ciekawie (i trochę dziwnie). Dane EXIF to tak naprawdę malutki plik TIFF osadzony w twoim pliku JPEG. Serio. Ma własny nagłówek, własną kolejność bajtów i używa struktury IFD (Image File Directory) z TIFF-a do przechowywania tagów.

Zaraz za identyfikatorem „Exif” znajdziesz nagłówek TIFF, który mówi, czy dane są w porządku little-endian (Intel, „II”), czy big-endian (Motorola, „MM”). Pomyłka na tym etapie sprawia, że wszystkie liczby wychodzą śmieciowe, więc każdy parser sprawdza to jako pierwsze.

Jak PicScrub przetwarza pliki JPEG

Podejście jest dość proste: przechodzimy przez plik marker po markerze, zostawiamy te, które są niezbędne do wyświetlenia obrazu, i pomijamy te, które zawierają metadane. Ponieważ nigdy nie ruszamy skompresowanych danych obrazu, nie ma żadnej straty jakości.

Kluczem jest to, że oparta na markerach struktura JPEG bardzo to ułatwia. Nie musimy rozumieć współczynników DCT ani tablic Huffmana. Wystarczy, że rozpoznamy, które segmenty są metadanymi, a które nie.

Lista tagów EXIF

Nie wszystkie tagi EXIF są tak samo groźne dla prywatności. Niektóre, jak ustawienia ekspozycji, są całkiem nieszkodliwe. Inne, jak numery seryjne czy nazwisko właściciela, mogą jednoznacznie wskazać ciebie albo twój sprzęt. Oto te, które uznajemy za najbardziej ryzykowne:

Lista tagów GPS

Dane GPS siedzą we własnym pod-IFD, na który wskazuje tag 0x8825 w głównym IFD. Jeśli ten wskaźnik istnieje, w twoim zdjęciu są dane o lokalizacji. Dzisiejsze telefony są pod tym względem wyjątkowo skrupulatne i zapisują je z dokładnością wystarczającą, żeby wskazać dokładne miejsce, w którym powstało zdjęcie.

Lista tagów IPTC

IPTC powstało po to, żeby agencje prasowe mogły zapisywać w zdjęciach podpisy, autorów i informacje o prawach autorskich. Siedzi w APP13, z identyfikatorem „Photoshop 3.0” (tak, Adobe je przejęło). Jeśli kiedykolwiek zdarzyło ci się dodać w Lightroomie albo Photoshopie prawa autorskie czy słowa kluczowe, trafiły właśnie tutaj.