原创！在文章中添加“文字指纹”，追踪盗版源头

[sillydaddy]

帖子“ 有没有办法防止 app 内资源被提取呢 ”里面提到了对自己著作权内容被盗取的担心。

这个问题的背景就不多说了，说多了都是泪。直接呈上我思考的方案，欢迎点赞+批判：

我的方案

---

1. 要有注册机制，以便区分不同的用户

2. 对于同一篇著作内容，在分发给不同的用户前，都加上独特可区分的水印，一旦出现盗版，可以知道是哪个用户泄露

3. 定位盗版源头后，永封源头用户，钱款不退。提高用户被永封后的直接损失，把走法律诉讼这种高成本的动作转移给对方。

4. 重点讨论给纯文字添加水印的方法，要让这种水印不能轻易被抹除、篡改。方法包括：

   • 文字替换，同义词替换
   • 句子的顺序调换
   • 句子、段落的增+，减-

盗版者的手段和困境

---

抹除水印的方法，说白了就是对带有水印的内容，进行“扭曲变形”，让水印无法再辨别。那么文字的“扭曲变形”，就只能是修改文字自身的内容了。那么，分析一下针对上面 3 种“文字水印”的破环手段和效果：

1. 针对特定的“文字替换，同义词替换”

   只要我把文章中的所有字词都用同义词替换一遍，原有的替换效果就全被破坏了

2. 针对特定的“句子的顺序调换”

   只要我把文章中的句子顺序都打乱，原有的调换效果就被破坏了

3. 针对特定的“句子、段落的增+，减-”

   只要我把文章中的句子段落随机增删，原有的增+减-效果就被破坏了

等一下。。看起来哪里不对劲。。替换文章所有字词还算勉强可行，但随意增+删-，以及调换句子顺序，那文章还能读吗？

对，这就是试图破坏这些水印所面临的困难！也是这些水印可行的原因！

三维水印空间

---

字词替换、句子顺序调换、句子增+减-，这 3 种方法中，每一种下面都有 N 多种具体的选择，都可以选择文章中具体的某个字词、某个句子进行操作。用个比喻的话，这 3 种方法可以看作是文字水印的 3 个维度。而具体的水印，则是这“三维水印空间”中的某 1 点：

• xyz=(替换文章中单个词组，调换文章中的单个句子顺序，向文章中增+减-单个句子)

盗版者并不知道所加水印点的具体位置，所以要破环它，只有尽量扰乱整个水印空间，也就是说，

• 抹除水印=(大量替换文章中的词组 + 大量调换文章中的句子顺序 + 大量增+减-文章中的句子)

这意味着什么呢：

• 如果使用人工破坏水印的方式，这代价基本就是重写整篇文章；
• 如果使用程序破坏水印的方式，这代价就是文章变得不再可读；

而添加水印对创作者的难度呢：

• 人工添加：手动选取 10 组待替换词组，10 组待调换句子，10 组待增+减-句子，10*10*10 可供分发给 1000 个用户，添加水印后的文章浑然天成，毫无破绽
• 程序添加：程序选取 10 组待替换词组，10 组待调换句子，10 组待增+减-句子，10*10*10 可供分发给 1000 个用户，添加水印后的文章有点别扭，但，仅仅是有一点，毕竟只替换了一组。读者就凑合着看吧。
  

大家怎么看

---

可以看出，水印空间的维度越高，破坏水印越困难，而添加水印则越简单。上面给出的是一个 3 维的水印空间，也就是添加“文字水印”的 3 种方法，还有其他的方法吗？

[abersheeran]

@no1xsyzy 逻辑滑坡。

[renmu123]

@sillydaddy 这这个语境下，地方是位置的意思，那在别的语境下，地方可能就是“地址”的意思。

举个例子：两个人在吵架，一个人说，你什么意思。另一个人说：我没什么意思，但你这样有意思吗?
你难道把“意思”统一替换成“含义”，编辑怕不是要发狂了

[imn1]

@sillydaddy #18
亏你还“奇思妙想”，“藏头诗”就只想到诗？哪种文体不能藏头、藏尾、藏中间？

[sillydaddy]

@abersheeran #17 > “我建议楼主多看看文学类的书吧。不能因为你是个程序员，手里有个锤子，看天下所有问题就都要锤一下。”

你让我看文学书有个锤子用啊？
如果在别的事情上自己没有控制权，那只能尽量做自己能做的啊。这个逻辑没问题吧？
我的主题就是说要利用追查盗版来源，然后采取封堵泄露源的问题，提高盗版的源头成本啊。盗 1 篇文章就被封 1 个账号，他不得注册 N 多个账号，然后每个账号都付出一定的成本。

你这一上来就是平台联盟，引擎降权，你倒是说说怎么做到？

[no1xsyzy]

@abersheeran > 只有做盗版也没什么油水可赚，才会没人去做。否则，就算你查到了是谁在盗版你，你又能怎么样？逼他删文？让他赔钱？送他入狱？

这个别扭的方法的前提是：付费方式是长期订阅制，使得在最短订阅周期内发出 N 篇文章。
并且一旦发现一篇盗版，揪出源头封禁。
形成 N 篇文章的钱只能盗走一篇文章。（参考各种 V** 跑路之后那句经典的 “年费价格用一个月”）
除了同义词以外，还有零宽字符、标点符号全半角、韩文平面里的同形字异码字等等

[no1xsyzy]

@abersheeran 请说明：这如何构成逻辑滑坡？
这两个范畴是完全一致的。

[sillydaddy]

@renmu123 #22 你是在说程序自动大规模替换的情形吧？如果是人工替换就不会搞错语境了，程序能替换的可能是那种比较明显的。

@imn1 #23 你说的这话就是藏头诗吧？ 我咋看不懂啥意思。。

[abersheeran]

@sillydaddy 封堵盗版分发口，我说的那两是举例，你是看不懂“比如”两个字吗？我让你看文学书，是让你有点文学素养，替换、调转、增减，都是不可行的办法，这玩意但凡语文课上听讲了都能知道。互联网世界上不是只有计算机专业的博客。


@no1xsyzy 你说的是那种动辄几百万字的网络小说是吧？有这个前提的话，这个方法有一定的可行性。

[renmu123]

@sillydaddy 如果是人工，那这不就是洗稿，而且还要为每一本小说的每一章洗多遍，才能达到指纹的效果。起点有多少小说，一共才多少编辑，全国的编辑都上去洗都不够

[abersheeran]

@no1xsyzy 行，都听你的。它们范畴一致。乖啊。

[sillydaddy]

@abersheeran #28
对于不友善的回复，我一向不会友善回应。我只能说，你的逻辑、语气真让人无语。不想把这个变成吵架，跟你的对话到此为止。

[abersheeran]

@sillydaddy 行，是我的逻辑有问题。我不该否定你们的设想，也不该举反例出来说明你的替换方法无效。

[zerofancy]

你的手段不应该降低正版用户的阅读体验。有多少人愿意做“正版受害者”？你所说的手段，文字替换，同义词替换、句子的顺序调换、句子、段落的增+，减-，到时候正版用户也错字连篇，谁愿意买账……

[learningman]

追踪到了又有什么用呢。。。。把那个泄露的用户号删了，人家再注册一个就好了。

[aristolochic]

自定义字体可以一试，就是要求追踪到用户的话，怕不是每个用户一个字体。当然了，防不过 OCR

[no1xsyzy]

@abersheeran （其实我之前的构想是针对 “音声”，那个比较好做）
而且引了原串是 “试卷”，那 ABCD 顺序换一下也行

[no1xsyzy]

@abersheeran 你主张逻辑滑坡，需要你论证逻辑滑坡的构成。
何况我没有中间桥段，只有一层类比，不可能构成滑坡。

[wangxiaoaer]

人工洗稿你怎么破？

[abersheeran]

@no1xsyzy 如果只是试卷，那这些方法都行。但这个帖子问题在于扩展到了文章版权这个大的范畴。

文章有许多种，有的人写的跟“郑伯克段于鄢”一样微言大义，有的人写的跟古代策论一样一环扣一环。任何对于原文的变更都会导致这种写的很好的文章出现错误，让给了钱的读者变成“正版文章的受害者”。

如果限定于动辄几百万字的灌水网文，那没问题。如果限定于老师出的试卷，也没问题。但对于富有文学性、用词考究、逻辑缜密的文章，就有大问题了。

[no1xsyzy]

@learningman 前提是已经付费了，比如一年一订，一个月被发现并清楚，这样增加盗版成本。
@aristolochic 自定义字体是（前置的）抵抗手段，这里的是（后置的）溯源手段。
@zerofancy 方法论上换为零宽或者同形异码也毫无问题，这两个只会破坏搜索。

除此以外，还有比如在线答题，有些人会自己做完做成标准答案 “分享” 给别人。
通过溯源（反正 ABCD 随便调换），把这些喜欢 “分享” 的人分配到一个单独的（可能更难的）题库中去。