关于联系方式加密的疑惑

[leaveeel]

看到不少帖子在需要进一步交流的时候会提供通过 base64 加密的手机/微信/QQ/email/...我在顺手解码后得到的就是上述联系方式的完整字符串，极少数会加盐后编码。这就导致你的 base64 编码并没有起到增强隐私的作用，而通过真实联系方式加密后直接就能搜索出回复过该编码的帖子。

在仅仅是防止爬虫骚扰的情况下，对一些只爬手机号、email 的可能有效。现在大多留的是微信，我不清楚微信有没有加好友的 api ，即使有在调用之前尝试解码也不费事，手机、邮箱也可以在不需要额外人工的情况下尝试解码后进一步骚扰，和明文区别已经不大了。

而如果加盐后再编码就能很大程度解决这个问题，比如： v2ex 微信号 ABCD => djJleOW+ruS/oeWPt0FCQ0Q=

+括号内微信（ ABCD) => K+aLrOWPt+WGheW+ruS/oe+8iEFCQ0Qp

两个编码都能用于指向同一个微信，也能加大其他个人信息和这次编码产生联系的成本。但是这么做的人不多。

[cmdOptionKana]

其实都泄漏得差不多了，我觉得没必要整复杂，直接暴露原文就行。

[leaveeel]

@cmdOptionKana 现在普遍是原文加密的字符串，尤其是技术论坛。个人觉得这种粗暴的加密多此一举，没法保证隐私也给其他人增加操作，防君子不防小人了。

[cmdOptionKana]

@leaveeel 我觉得就是赶时髦而已，形式主义大于实际意义。

[llxvs]

1. 爬虫可以区分邮箱、手机号、普通文本的 base64 吗？退一步讲，爬虫可以区分 base64 与其他文本吗？
2. base64 可以防止搜索引擎收录，防止根据邮箱/手机号等搜索到你的帖子，尤其是对于不能删帖的本论坛来说。

[leaveeel]

@llxvs 不知道但实际不需要知道，只要爬到的格式非手机邮箱的字母数字符号组合就可以尝试 decode 。
而第二点我在正文提到过，搜索引擎同样会收录 base64 码，不经过处理的号码和编码是一一对应的，想查依然能查到。

[oneisall8955]

我习惯 pastebin

[NoOneNoBody]

@cmdOptionKana #3
并不是，你找个熟人的 email 或微信号去搜索引擎搜一下，看看他的足迹都到过什么地方？

然后想想编程随想

只想到有意收集，思维局限了，其实存在更多的情况是“无意”收集

[NoOneNoBody]

@leaveeel #5
问个问题：
爬了一千万个网页
1.用正则能直接匹配出 email ，确认是 email(是否真实另算)，能占 90%以上
2.那么，base64 呢，不会整个网页都是 base64 吧，先匹配出 base64 的部分，解码，再判断是否 email ，效率应该低于 50%，成本大效率低，且这些爱用 base64 的人，警觉性也略高于前面 1 的
假如你做黑产的话，这两种人都一视同仁么？就算明知会拉高成本也把 2 列为目标？

当绝大部分人都放弃 1 ，采用 2 ，这样两者拉平，成本才会拉平

当然有反向操作的情况，就是专找敌对份子的人，他们会找那些见不得光都爱“加密”的

[cmdOptionKana]

@NoOneNoBody 用 base64 骗自己，还不如用明文提高警觉性，涉黄就隔离身份换个邮箱，涉政那要做的措施就多了。

[NoOneNoBody]

@cmdOptionKana #9
首先，隔离身份是正确的，但跟这个不是一个方向的话题
假如我有三个电话号码，或者邮箱，给不同圈子的人，确实那个圈子的人只会联系其中之一，他们极可能并不会知晓另外两个圈子的身份
但是如果三个圈子都是会在网上公开，且被搜集的，那这三个电话号码都会收到跟这三个圈子毫无关系的广告骚扰，或者诈骗，但如果都用“密文”，就会少很多，所以我说这是两个方向的话题

稍微处理[可以但不是重点]保护真实身份，重点是减少那些漫无目的、无差别的收集行为

[NoOneNoBody]

@cmdOptionKana #9
我再透点隐私帮你扩宽一下思维：
我有个圈子，里面几乎没有会编程的，绝大多数是文字工作者，他们中应该只有少数几个知道 base64
他们用的是什么方式对联络信息遮罩呢？
答案是非常原始的方法 —— 繁体汉字写数字、emoji 、贴图……

其实对于爬虫来说，程序员用 base64 反而是最弱的，越原始的方案工作量越大，哈哈
不是说采集者不能采集、不能“解密”，而是他们要面对很多不同情形做不同的对策，情形越多成本越大

[lloovve]

可以做继续短链接的临时名片

[yvkino]

手机号里随机加个字母就好了

[julyclyde]

没什么用
只是一种文化现象而已