Featured image of post 从像素化截图提取明文字符:恢复隐藏内容的技术验证 | 开源日报 No.800

从像素化截图提取明文字符:恢复隐藏内容的技术验证 | 开源日报 No.800

Depixelization_poc 是一个开源项目,旨在从使用线性盒式滤波器生成的像素化截图中恢复明文内容。该项目通过对比输入图像与预先准备的搜索图像,使用逐块匹配算法恢复被遮挡的文本。项目还提供辅助工具,支持不同的平均方式和背景色过滤,增强了使用的灵活性。

btjawa/BiliTools

Github Repo Stars License: `GPL-3.0` Language: `Unknown`

cover

BiliTools 是一个跨平台的哔哩哔哩工具箱,基于 Tauri v2 构建,支持下载和解析各种哔哩哔哩资源。

  • 支持视频、音频、音乐、历史弹幕和实时弹幕等多种资源格式,包括 4K/8K 高清及杜比视界
  • 提供番剧、课程、电影等内容的封面和字幕下载功能,支持 ASS 与 SRT 格式
  • 集成 AI 总结功能,可生成 Markdown 格式内容,由上海 B 站大模型技术支持
  • 多种登录方式(扫码登录、密码登录、短信登录)及自动刷新状态保障账号安全
  • 国际化支持简体中文、繁体中文(日港)、日语和英语多语言界面
  • 采用 Rust 与 Node.js 开发,本地存储数据使用 SQLite 明文保存,适配 Windows 8.1 以上及 macOS 11.0 以上系统

megadose/toutatis

Github Repo Stars License: `GPL-3.0` Language: `Unknown`

cover

toutatis 是一个用于从 Instagram 账户中提取信息的工具。

  • 支持提取邮箱、电话号码等多种公开和部分隐藏的信息
  • 可通过用户名或 Instagram ID 进行信息查询
  • 提供详细的账户数据,包括全名、验证状态、是否为商业账号、粉丝数及关注数等
  • 显示用户简介、公开号码和邮箱(包括部分掩码形式)以及个人主页链接和 IGTV 帖子数量
  • 使用 Python 3 开发,支持通过 PyPI 安装,易于集成与使用

spipm/Depixelization_poc

Github Repo Stars License: `NOASSERTION` Language: `Unknown`

cover

Depixelization_poc 是一个用于从像素化截图中恢复明文内容的技术验证(PoC)项目。

  • 主要针对使用线性盒式滤波器 (pixelized with a linear box filter) 生成的像素化图像进行处理。
  • 通过对比输入图像与预先准备好的搜索图片(包含 De Bruijn 序列等字符组合),实现对被遮挡文本的还原。
  • 提供了辅助工具,如检测和显示像素块位置 (tool_show_boxes.py) 以及生成模拟像素化图片 (tool_gen_pixelated.py),方便用户调试和测试。
  • 支持不同平均方式(如 gamma 编码平均、线性 sRGB 平均)及背景色过滤,增强适用场景灵活度。
  • 算法基于逐块匹配,通过在搜索图中模拟相同滤波过程寻找对应区域,实现单一匹配结果恢复。

suitenumerique/docs

Github Repo Stars License: `MIT` Language: `Unknown`

cover

docs 是一个基于 Django 和 React 构建的可扩展协作笔记、维基和文档平台。

  • 提供简单易用的在线文本编辑,支持多种格式美化和 Markdown 语法。
  • 支持多种内容块类型及快捷键,方便快速设计页面布局。
  • 支持离线编辑,自动同步更新内容。
  • 集成 AI 功能,如重写、摘要、纠错和翻译,提高写作效率。
  • 实时多人协作编辑,实现团队知识共享与共建。
  • 具备细粒度访问控制保障信息安全,仅向指定人员开放权限。
  • 支持导出为 .odt、.docx 和 .pdf 等多种格式,并可自定义模板样式。
  • 可通过 Kubernetes 或 Docker Compose 简单部署,自托管灵活便捷。

GeeeekExplorer/nano-vllm

Github Repo Stars License: `MIT` Language: `Unknown`

cover

nano-vLLM 是一个轻量级的 vLLM 实现,完全从零开始构建。

  • 提供快速的离线推理速度,与原版 vLLM 相当
  • 代码简洁易读,约 1200 行 Python 代码实现
  • 集成多种优化技术,包括前缀缓存、张量并行、Torch 编译和 CUDA 图等
  • API 接口设计与 vLLM 类似,便于使用和迁移
  • 在 RTX 4070 硬件上对 Qwen3 模型进行基准测试表现出较高吞吐率和更快推理时间
Licensed under CC BY-NC-SA 4.0