不可視文字検出 - AIテキストクリーナー

ゼロ幅UnicodeステガノグラフィとAIテキストフィンガープリンティングの構造

Unicode標準では、複雑な文字のシェーピング、双方向テキスト制御、および不可視の単語区切りのために設計された数十のフォーマットおよび制御コードポイント（一般カテゴリ `Cf` および `Zs`）が定義されています。ゼロ幅スペース（`U+200B`）、ゼロ幅非接合子（`U+200C`）、ゼロ幅接合子（`U+200D`）、ワードジョイナー（`U+2060`）などの文字は、UTF-8メモリ内で3バイトを占有しますが、ウェブブラウザやワープロでは水平方向の送り幅ゼロでレンダリングされます。

これらのコードポイントは、ウェブアプリ、Microsoft Word、Google Docs、CMSエディタ間での標準的なCtrl+C / Ctrl+Vのクリップボード操作を生き延びるため、デジタルステガノグラフィやAIテキストのウォーターマークに広く使用されています。単語間に `U+200B` と `U+200C` を交互に配置してバイナリシーケンスをエンコードすることで、プラットフォームはドキュメントに不可視の指紋を付与できます。Multinookのフォレンジックパーサーは、`String.prototype.codePointAt()` を介して生のコードポイントを検査し、サブミリ秒単位で非印刷マーカーをすべて検出し、切除します。

LLMやPDFからのコピペがソースコードやデータベースを破損させる理由

ソフトウェアエンジニア、データアナリスト、DevOpsチームは、LLMのチャットインターフェース、Slack、またはPDFドキュメントから設定ブ��ックやコードスニペットをコピーする際によく、不可解な構文エラーに遭遇します。JSONキー、環境変数、またはSQLクエリの中に埋め込まれたたった1つのバイトオーダーマーク（`U+FEFF`）や狭い改行なしスペース（`U+202F`）により、パーサーは難解なエンコーディング例外を出してファイルを拒否します。

さらに悪いことに、ユーザーメールや製品SKUの内部にある本番データベースに隠し文字が入り込むと、保存された文字列に実際には `ABC-\u200B123` が含まれているため、完全一致クエリ（`WHERE sku = 'ABC-123'`）がサイレントに失敗します。クリップボードのテキストをMultinookのサニタイザーに通すことで、100%純粋で決定論的なUTF-8文字列が保証されます。

ライター、パブリッシャー、エンジニアのためのクライアントサイドによるエアギャップ型サニタイズ

多くのオンライン「AIテキストクリーナー」やウォーターマーク除去ツールは、貼り付けられた記事をバックエンドのクラウドサーバーに送信するため、未発表のジャーナリズム、クライアントのコピーライティング、専有ソースコードにとって深刻な機密性のリスクを生み出します。Multinookは、すべてのUnicode検査、X線ハイライト、正規表現によるサニタイズを、ネットワークリクエストなしでブラウザのローカルRAM内でのみ厳格に実行します。