全本地运行的隐私防线：Hx0 数据卫士如何实现浏览器敏感信息与输入防泄漏
1. 引言：两个常被忽视的泄漏入口
日常安全工作中，敏感数据泄漏并不总是来自「被攻破」，更多时候来自 复制粘贴太快 和 前端遗留线索：
- 把日志、配置、接口返回、堆栈直接贴进 AI 对话框时，API Key、数据库连接串、客户手机号、内网地址可能一并送出，且往往 无法撤回；
- 前端页面、外链脚本、HTML 注释、路由片段里，可能残留测试 Token、调试接口、Webhook、内网路径，直到被他人扫描才发现。
企业级 DLP 部署重、成本高；纯手工 grep 又跟不上页面动态加载和 AI 办公节奏。本文介绍我们开源/发布的浏览器扩展 Hx0 数据卫士 （Hx0 DataGuard）在 浏览器侧 如何做两件事：
| 方向 | 能力 | 一句话 |
|---|---|---|
| 往外看 | 页面敏感信息扫描、脚本与 API 路径提取 | 在授权范围内本地分析当前页 DOM / 脚本 / 请求线索 |
| 往里守 | 输入防泄漏（输入监测 + 粘贴前检查） | 在网页输入框、AI 对话框发送前识别并提醒 / 拦截 |
核心链路：Scan → Detect → Guard → Report （扫描 → 检测 → 防护 → 报告）。下文按 威胁场景 → 技术实现 → 实践配置 → 局限 展开，不涉及商业促销内容。
项目与安装（按需自取）：
- 产品说明：www.hx0.store/products/dataguard
- Chrome 商店：安装链接
- 离线包： Gitee Releases · GitHub Releases
2. 威胁模型与工具定位
2.1 工具解决什么、不解决什么
| 场景 | 工具做法 |
|---|---|
| AI / 在线文档 / 工单系统误粘贴 Key、连接串、PII | 输入与发送前检测，轻提醒 / 居中拦截 / 一键脱敏 |
| 授权测试范围内梳理前端暴露面 | 本地扫描 DOM、注释、脚本，输出命中上下文 |
| 外链 JS 中的 API、Webhook、可疑路径 | 提取路径资产，可选 HTTP 探测（需授权） |
| 扫描结果需交付整改 | 导出 HTML / Markdown / JSON |
| 不希望检测过程上传整页到云端 | 默认本地计算与本地存储 |
明确边界：
- 输出是 线索系统（clues） ，供人工复核，不能替代 正式渗透测试、代码审计或合规结论；
- 扫描与 HTTP 探测 仅限 已授权系统、自有资产或靶场；
- 命中可能是注释诱饵、测试样例或误报，需结合上下文判断。
2.2 与常见方案对比（简要）
| 方案 | 优点 | 局限 |
|---|---|---|
| 企业 DLP / 网关 | 策略集中、审计完整 | 部署重、成本高、难覆盖浏览器内 AI 对话框 |
| 手工审查 / grep | 灵活 | 跟不上 SPA、动态脚本、粘贴链路 |
| 浏览器扩展（本文） | 贴近用户操作面、本地优先、开箱即用 | 受页面权限、CORS、扩展 API 约束 |
3. 页面扫描：先快出结果，再渐进补全
3.1 扫描流水线
在 已获得授权 的页面点击扫描后，扩展按预算执行多阶段采集，策略为 「先快出结果，再渐进补全」：
- 页面快扫：尽快返回 DOM 文本、内联脚本、注释等命中；
- 脚本与路径补全：分析外链脚本、SourceMap 线索、路由与请求调用；
- 合并报告：写入侧栏同一份任务，展示来源、风险等级、上下文。
主要技术点：
- 动态 DOM 扫描：采集文本、内联脚本、隐藏注释；短时间窗口监听 DOM 变化，降低异步注入漏报；
- 脚本与路径资产 ：外链脚本、SourceMap、路由片段、
fetch/XHR等调用链路上的路径提取； - 轻量反混淆：对 Base64 文本、简单拼接、字典式隐藏做预处理后再进规则引擎；
- 响应头指纹 ：被动解析
Server、X-Powered-By、内部主机名等泄露线索； - 运行时探针：结合 DOM 变化与运行时请求，补静态扫描盲区。
3.2 四种扫描模式（资源预算）
| 模式 | 适用场景 |
|---|---|
| 快速 | 超大页面或日常初筛，最小预算 |
| 性能 | 默认：速度、覆盖率、资源占用均衡 |
| 兼容 | 慢站点、内网、不稳定网络，降低并发 |
| 全面 | 尽量多扫脚本与内容，耗时与内存更高 |
3.3 报告状态语义
| 状态 | 含义 |
|---|---|
complete |
预算内任务全部完成 |
partial |
部分外链脚本因权限、CORS、证书、超时、体积被跳过；页面快扫仍有效 |
failed |
核心流程未能完成 |
常见命中类型（需人工研判）：明文密钥 / Token、PII 样例、内网地址、管理或调试接口、Webhook、SourceMap、响应头指纹等。
4. 输入防泄漏：在「发送」之前介入
4.1 覆盖范围与排除
- 覆盖：任意网页 的
input/textarea/contenteditable等输入面（含主流 AI 对话页）； - 排除：登录 / 注册 等账号密码页，减少对正常认证的干扰。
4.2 双通道检测
弹窗提供两个 独立开关：
| 开关 | 触发时机 | 行为 |
|---|---|---|
| 输入与发送监测 | 输入停顿约 1s；点击发送 / Enter / 表单提交 | 按强度：右上角提醒或居中拦截 |
| 剪切板粘贴监测 | Ctrl+V 写入输入框之前 |
命中后 一律 居中确认（与强度无关） |
4.3 拦截强度
| 强度 | 规则范围 | 发送时行为 |
|---|---|---|
| 轻提醒 | mainly 高危（身份证、手机号、密钥等） | 多为角标提醒，一般不拦 |
| 标准（推荐） | 高危 + 中危 | 规则标记为「拦截」的命中 → 居中确认 |
| 强拦截 | 高 / 中 / 低危 | 较严重命中常在发送时拦截 |
粘贴命中弹窗支持：一键脱敏 （按勾选项替换正文中所有相同敏感串）、仍粘贴原文、取消。动作记入侧栏「输入防泄漏」日志，便于本机复盘。
4.4 可信站点例外
- 白名单：域名级长期跳过；
- 免打扰：当前站点 24 小时内不再提示。
推荐配置 ：输入监测 开 + 粘贴监测 开 + 强度 标准。
5. 规则引擎、去重与侧栏研判
5.1 规则中心
内置类别包括：密钥、令牌、个人信息、网络资产、API/Webhook、AI Key 等；支持自定义正则（含 flags）、分类、风险等级、脱敏替换文案。规则可导入 / 导出，便于团队统一策略。
报告层对 同一规则类型 + 同一原始命中值 去重，避免 HTML 注释、动态节点、多脚本片段重复告警。
5.2 侧栏模块划分
| 模块 | 用途 |
|---|---|
| 总览 | 任务状态、风险统计、阶段与耗时 |
| 页面敏感信息 | 按规则 / 风险 / 来源浏览命中 |
| JS 泄漏与 API 检测 | 路径资产、运行时请求、探测结果 |
| 规则中心 | 内置 + 自定义规则管理 |
| 输入防泄漏日志 | 本机拦截 / 脱敏 / 放行记录 |
| 设置 | 扫描模式、强度、白名单等 |
| 报告 | 预览与导出 |
弹窗适合 开关与发起任务 ；侧栏适合 筛选、复核、导出。
6. API 路径提取与 HTTP 探测（授权场景）
从脚本与运行时请求中提取 URL 后，可在侧栏发起 可选 探测（会产生真实流量）：
- 单条或批量选择 URL；
- 配置 GET/POST、自定义 Header、重定向、Host/Origin 重写；
- 查看状态码、最终 URL、响应头片段、耗时、包大小等摘要。
务必 仅在书面授权或自有资产范围内使用；探测结果同样是线索，需与业务逻辑交叉验证。
7. 本地优先架构
设计原则：默认不把整页正文上传到开发者自营后台。
| 数据 | 默认处理方式 |
|---|---|
| 页面文本 / 脚本片段 | 本机扫描与暂存 |
| 规则、设置、报告 | 浏览器扩展本地存储 |
| 输入防泄漏日志 | 本机记录 |
| 账号 | 无需注册；扩展生成本地 用户 ID 用于配置与授权校验绑定 |
非纯本地 的例外（实现上需知情）：用户主动发起的 HTTP 探测、浏览器/商店更新机制、扩展自身的授权校验请求等。
报告导出（HTML / Markdown / JSON）可能含敏感上下文，请按组织规范存储与流转。
8. 典型实践场景
8.1 AI 对话与在线协作
向 ChatGPT、文心、豆包、Kimi、飞书文档等粘贴日志 / 配置前，用粘贴监测 + 发送拦截降低 Key、连接串、PII 外泄概率；需要继续对话时可先 脱敏 再发送。
8.2 授权渗透 / 红队初筛
流程示例：打开目标页 → 扫描 → 侧栏复核页面敏感信息与 API 资产 → 导出 Markdown 进工单。强调：线索 ≠ 漏洞结论。
8.3 开发联调与上线前自查
检查测试环境地址、临时 Token、调试接口、示例数据是否混入生产构建；比上线后被第三方扫到再救火成本更低。
8.4 整改闭环
导出 HTML 归档、Markdown 进项目文档、JSON 进内部流水线，形成「发现 → 研判 → 修复 → 留痕」。
9. 安装与快速验证（工程向）
9.1 Chromium 系（Chrome / Edge / Brave）
商店安装（自动更新）：见上文 Chrome 链接。
离线 .crx：扩展管理页 → 开发者模式 → 拖入 Hx0-DataGuard-chrome-*.crx。
9.2 Firefox
.xpi：about:addons → 从文件安装；或拖入浏览器窗口。AMO 审核期间可用 Release 离线包。
| 渠道 | 地址 |
|---|---|
| Gitee | 离线包 |
| GitHub | 离线包 |
9.3 最小验证清单
- 固定扩展图标，阅读隐私政策；
- 打开测试页，执行「扫描当前页面敏感信息和 API」，观察
complete/partial状态； - 在 AI 对话框粘贴一段含伪造 Key 的文本，确认粘贴弹窗与脱敏流程；
- 导出一份 Markdown 报告，检查去重与上下文是否满足研判需求。
10. 局限性与合规声明
- 工具输出仅供 辅助研判与安全自检；
- 扫描、探测 禁止 用于未授权系统；
- 截图与示例数据均为 虚构，不得当作真实泄漏事件；
- 问题反馈：hx0studio@foxmail.com
11. 小结
Hx0 数据卫士尝试在 不加重运维负担 的前提下，把敏感信息治理推到用户最常操作的两条链路上：页面暴露面 与 输入/粘贴/发送。技术上通过本地规则引擎、渐进式扫描预算、双通道输入监测和可导出报告，把「扫到了什么」和「差点发出什么」变成可复核、可留痕的工程产物。
若你在实践中有更好的规则集、误报处理或 AI 场景适配思路，欢迎 Issue 或邮件交流。
