# 溯影

**Repository Path**: Free_520/tracing-shadow

## Basic Information

- **Project Name**: 溯影
- **Description**: 计算机大赛-网络技术赛项目。本项目围绕信息安全 + 计算机视觉方向展开，采用轻量化技术栈实现安全类应用。核心使用 OpenCV 完成图像采集与处理，结合密码学算法，实现像素级数据隐秘传输、内容防篡改校验等功能，不依赖重型大模型，兼顾实用性与创新性。项目可应用于敏感文件加密传输、隐私数据隐蔽存储等场景，整体结构简洁、部署轻便。
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: lyx
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 0
- **Created**: 2026-04-12
- **Last Updated**: 2026-07-23

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 面向敏感图像外发场景的数据防泄漏与防篡改审查认证系统

项目代号：`Tracing-Shadow`

系统面向敏感图像外发、传输和审查认证场景，提供 DLP 策略判断、受控传播留痕、溯源审查认证、篡改检测和基础修复能力。在原有图像防泄漏与防篡改能力基础上，当前版本进一步增强了受控软件实例管理、图内溯源锚点、显示态会话水印、公网观测链路和证据图谱回放能力，使系统能够覆盖“外发前策略判断、外发中受控留痕、外发后责任追溯”的完整流程。

## 核心能力

- 敏感等级、外发通道、接收方和业务用途驱动的 DLP-lite 策略判断
- 基于 trace token 的外发标识、审计日志和证据图谱
- 软件实例注册、激活校验和实例身份管理
- 源头图像注册、图内溯源锚点写入和服务端账本记录
- 受控查看、下载、导出、分享等操作的事件链追踪
- 显示态会话取证水印，用于截图或二次传播后的辅助识别
- 公网观测样本登记，通过锚点、会话水印或感知哈希关联原始图像
- SM2、SM3、SM4 组合的国密工具能力，用于密钥保护、摘要校验和事件完整性表达
- 图像篡改检测、掩膜生成、检测标注和基础块级修复
- Web 控制台与命令行演示双入口

## 技术路线

系统按三层组织：

### `main`

主调度层，负责配置管理、流程编排、服务接口、CLI 演示入口和 Flask Web 控制台。

关键文件：

- `main/config.py`：统一流程配置
- `main/controller.py`：工作流入口
- `main/workflow_factory.py`：受控溯源动作与工作流编排
- `main/service.py`：Web 层调用的业务接口
- `main/run.py`：Flask 服务启动入口
- `main/app/`：路由、表单、模板和静态资源

### `src/Security`

安全与溯源核心层，负责 DLP 策略、软件实例身份、密码学工具、溯源账本、锚点写入、会话水印和证据查询。

关键文件：

- `Crypt.py`：SM2、SM3、SM4、LSB 载荷写入与提取等基础工具
- `traceability.py`：源头注册、受控事件、会话水印、公网观测和证据图谱
- `app_identity.py`：软件实例注册、校验、停用和密钥派生
- `dlp/policy.py`：DLP 策略判断与 trace token 生成
- `dlp/audit.py`：DLP 审计日志写出
- `models.py`：锚点、事件、证据图谱、实例和审计数据结构

### `src/CV`

图像处理支撑层，负责图像读写、数组转换和可视化辅助能力。

关键文件：

- `ImageIO.py`：图像读取与保存
- `RGBConverter.py`：图像与 `np.ndarray` 转换
- `tamper_detect.py`、`visualize.py`：篡改检测、掩膜生成和检测标注

## 主流程

当前默认工作流为 `controlled_trace`。

### 1. 源头注册

1. 读取原始图像
2. 转换为统一的 `np.ndarray[H, W, 3]`
3. 根据敏感等级、外发通道、接收方和业务用途执行 DLP 策略判断
4. 注册或校验软件实例
5. 生成 image_id、root token、actor token、session token 和事件哈希
6. 将溯源锚点写入图像 LSB 区域
7. 写入服务端账本和 DLP 审计日志
8. 输出源头锚定图像与证据图谱

### 2. 受控传播

受控软件对图像执行 `view`、`download`、`export`、`share`、`public_release` 等动作时：

1. 校验软件实例是否注册且激活
2. 提取并校验图像中的溯源锚点
3. 生成本次受控事件
4. 对查看场景生成显示态会话水印图
5. 对下载、导出、分享等外发场景更新图内检查点
6. 将事件追加到账本
7. 返回更新后的证据图谱

### 3. 溯源查询

管理端接收待查询图像后，按优先级尝试：

1. 提取图内文件层溯源锚点
2. 解析显示态会话水印
3. 使用感知哈希匹配公网相似样本
4. 查询服务端账本
5. 汇总源头节点、最后受控节点、受控事件链和公网观测记录

### 4. 公网观测

当外部平台出现疑似泄露样本时，系统可登记平台、账号提示和页面提示，并尝试将样本关联到已有 image_id，补充到公网观测链中。

## DLP 策略

DLP-lite 策略根据敏感等级和外发通道决定是否允许流转：

- `public`：公开图像，可自由流转
- `internal`：内部图像，外发时需要审计并携带溯源能力
- `sensitive`：敏感图像，需要受控传播、审计和密钥保护表达
- `restricted`：限制级图像禁止外部通道传输

当策略阻断时，系统不会继续写入图像处理结果，只生成阻断摘要和审计日志。

## 密码学说明

项目使用 SM2、SM3、SM4 组合表达安全能力：

- SM4：用于会话密钥和对称保护能力表达
- SM2：用于公钥保护会话密钥
- SM3：用于摘要、事件哈希、实例密钥摘要和完整性校验

需要强调的是：图像中不应写入明文密钥；涉及密钥传输时，图像内嵌入的是公钥保护后的 token 或摘要信息。

## 运行方式

### 安装依赖

```bash
pip install -r requirements.txt
```

### 命令行演示

```bash
python examples/demo.py
```

默认会运行 `PipelineConfig()`，即受控溯源源头注册流程，并在终端打印摘要。

### Web 控制台

```bash
python -m main.run
```

启动后访问：

```text
http://127.0.0.1:5000
```

Web 控制台支持：

- 上传图片或输入本地路径
- 生成源头锚定图像
- 解析溯源证据图谱
- 注册和管理软件实例
- 以指定实例执行受控查看
- 执行下载、导出、分享等受控传播动作
- 登记公网观测样本
- 配置 DLP 参数、trace secret 和 master key

## 输出文件

默认输出目录为 `output/`。常见输出包括：

- `traced.png`：源头锚定图像
- `<action>_image.png`：更新检查点后的受控图像
- `<action>_session_preview.png`：显示态会话取证图
- `public_observed_sample.png`：公网观测样本
- `evidence_graph.json`：证据图谱
- `trace_ledger.json` 或 `trace_ledger.db`：服务端溯源账本
- `app_identity_registry.json`：软件实例注册表
- `dlp_audit_<trace_token>.json`：DLP 审计日志

## 测试

```bash
python -m pytest -q
```

测试覆盖 DLP 策略、受控溯源、软件实例身份、密码学工具、图像嵌入工具和兼容流程。

## 当前边界

当前版本已经形成可运行的工程原型，但仍有一些边界需要明确：

- 服务端账本默认是本地 JSON，可通过配置切换 SQLite
- 权限、账户、密钥托管和审计后台仍是简化实现
- 公网观测依赖手动登记样本，不包含自动爬取平台能力
- 感知哈希匹配是轻量级相似图关联，不等同于强鲁棒版权识别
- `legacy_tamper` / `detect_repair` 链路保留为防篡改检测与基础修复的兼容入口

## 后续方向

建议优先迭代：

1. 将发送端、查看端、管理端拆分成更清晰的独立部署形态
2. 将本地账本升级为统一服务端存储和查询接口
3. 接入真实 KMS 或密钥服务，替代 demo 环境默认密钥
4. 增加更系统的审计看板和证据链导出能力
5. 强化公网相似图匹配与截图场景下的鲁棒识别
6. 优化防篡改检测、区域定位和基础修复效果

## 一句话总结

`Tracing-Shadow` 当前形成了一条完整的敏感图像防泄漏、防篡改与溯源审查认证闭环：

**原图输入 -> DLP 策略判断 -> 认证与溯源信息嵌入 -> 软件实例校验 -> 受控传播留痕 -> 会话水印取证 -> 公网样本观测 -> 篡改检测与基础修复 -> 证据图谱回放。**