先讲个相关的故事:匿名黑客的"复仇行动"
2010年12月10日，黑客组织匿名者发布了一条消息，解释了他们发起最近一次代号为”复仇行动”的攻击的大致动机(Prefect,2010)。由于被那些放弃支持维基解密网站的公司所激怒，匿名者组织号召要通过对涉及的一些机构进行分布式拒绝服务攻击(DDoS)以实现报复。这个稿子上既没有签名，也没有标注消息来源，只是以PDF(Portable Document Format，便携式文档格式)文件的形式被发布出来。
这是当时的文件,为了满足好奇心，被我刨出来了...
PDF原文件第一页
PDF原文件第二页
虽然没有署名,但用脚本很快查到了文档的元数据(这里演示的ANONOPS_The_Press_Release.pdf就是真实的原文件,文件的元数据还被保留着...)
查看元数据
几天后，希腊警方逮捕Alex Tapanaris 先生...
Alex Tapanaris 先生的"复仇行动"提前结束了
这个例子告诉我们，就算技术不好,也不要让别人知道,是你做的种子...
在当下，敏感元数据,在国内资源网站依然大量存在
以博主从国内各大资源网站下载到的技术类书籍资源为例:
(不要问我资源是哪里来的,作为程序员,对于获取资源的套路还是懂一些的...)
为避免小伙伴们在 "某度文库" 发"资源"赚积分的时候成为第二个Alex Tapanaris先生,下面放出博主刚完成的批量清除pdf元数据的脚本,以及使用方法:
快速清除PDF元数据
快速清除PDF元数据
清除后的效果
清除后的效果
批量获取文档元数据(查别人):
import PyPDF2
from PyPDF2 import PdfFileReader
import sys
import os
import re
#获取目录下所有的pdf文件目录
def getFiles():
files = os.listdir()
# 如果输入了单个pdf文件,则只输出单个pdf元数据
try:
if sys.argv[1]:
files = [sys.argv[1]]
except:
pass
pdf_files = list()
for file_name in files:
try:
result = re.match(r".*\.pdf$", file_name)
if result:
pdf_files.append(file_name)
except Exception as e:
pass
return pdf_files
# 打印文件的元信息
def printMeta(files):
for filename in files:
try:
pdfFile= PdfFileReader(open(filename, "rb"))
docInfo = pdfFile.getDocumentInfo()
print ("===文件%s的元信息为:"%filename)
for metaItem in docInfo:
print(metaItem,":",docInfo[metaItem])
except Exception as e:
print("---文件%s元数据无法读取,已经跳过!"%filename)
if __name__ == "__main__":
filenames = getFiles()
printMeta(filenames)
清除源信息(藏自己):
import sys
import os
import re
from PyPDF2 import PdfFileReader, PdfFileWriter
#获取目录下所有的pdf文件
def getFiles():
files = os.listdir()
pdf_files = list()
for file_name in files:
try:
result = re.match(r".*\.pdf$", file_name)
if result:
pdf_files.append(file_name)
except Exception as e:
pass
return pdf_files
def get_page_num(file_name):
#获取一个pdfFileReader对象
my_pdf = PdfFileReader(open(file_name,"rb"))
# 获取页数
page_num = my_pdf.getNumPages()
print("PDF文件%s的页数为%s"%(file_name, page_num))
return page_num
def create_new_pdf(file_names):
try:
os.mkdir("./pure")
except Exception as e:
pass
for file_name in file_names:
try:
# 获取原pdf的信息
my_pdf = PdfFileReader(open(file_name,"rb"))
# 创建一个PdfFileWriter对象
new_pdf = PdfFileWriter()
for i in range(0, get_page_num(file_name)):
page_info = my_pdf.getPage(i)
new_pdf.addPage(page_info)
new_pdf.write(open("./pure/%s"%file_name, "wb"))
print("文件%s已清除元数据!"%file_name)
except Exception as e:
print("文件%s编码有问题,已自动跳过!"%file_name)
if __name__ == "__main__":
create_new_pdf(getFiles());
