新闻详情

新闻详情

首页 / 资讯中心 / 详情

Snapzy安全白皮书解读:无遥测、钥匙串凭据与Hardened Runtime如何守护你的隐私

发布时间:2026/11/16 14:44:16来源:尧图网络
Snapzy安全白皮书解读:无遥测、钥匙串凭据与Hardened Runtime如何守护你的隐私
Snapzy安全白皮书解读无遥测、钥匙串凭据与Hardened Runtime如何守护你的隐私【免费下载链接】SnapzyAn open-source native macOS screenshot and screen recording app. A CleanShot X alternative.项目地址: https://gitcode.com/gh_mirrors/sn/SnapzySnapzy 是一款开源的原生 macOS 截图与录屏应用CleanShot X 的免费替代方案它把隐私写进了产品基因不收集任何遥测数据、云凭据只存放在 macOS 钥匙串Keychain中、并启用 Hardened Runtime 加固运行。本文用大白话拆解 SECURITY.md 这份安全白皮书帮你搞懂这三道防线到底如何守护你的屏幕数据。为什么隐私对截图工具如此重要截图和录屏应用天然拥有上帝视角它能看到你屏幕上的每一帧——密码、聊天记录、财务页面都可能被捕获。更关键的是macOS 要求授予它屏幕录制这类高敏感权限。所以选截图工具时比功能多少更重要的是回答三个问题 它会不会偷偷上传数据 它存的账号凭据放在哪里️ 它被攻破后攻击者能走多远Snapzy 的安全白皮书恰好逐条回答了这三个问题。零遥测所有数据都留在你的 Mac 上白皮书在Data Handling章节给出了明确的承诺本地优先——所有截图和录像默认只保存在本地无遥测——不收集任何分析、追踪或使用数据无账号——不注册、不登录没有用户这个概念网络请求受限——出站请求只用于两类场景Sparkle 更新检查HTTPS 签名 appcast和用户主动发起的云上传。即使出现问题需要排查Snapzy 的日志也全部留在本地DiagnosticLogger 只把日志写入~/Library/Logs/Snapzy/目录默认保留 3 天。崩溃报告会打包成一个 zip 放在你的临时文件夹里需要你手动拖去提交应用绝不会自动发送任何日志详见 docs/UPDATES.md 的 Problem reporting 章节。钥匙串凭据你的密钥从不明文落盘如果你用 Snapzy 的云上传功能自带存储AWS S3 / Cloudflare R2 / Google Drive需要填写 Access Key、Secret Key 或 OAuth Token。这些金钥匙放在哪里答案是macOS 钥匙串具体实现在 CloudKeychainStore凭据以kSecClassGenericPassword条目存入数据保护钥匙串data-protection keychain受系统级加密从不写入明文文件也不进 UserDefaults老版本的遗留凭据会被自动迁移到新位置并清理。再往深一层是可选的密码保护机制CloudPasswordService你设置的保护密码先经过SHA-256 哈希才存入钥匙串系统里永远只有哈希值没有明文密码修改、导入、导出云配置前需要验证密码。如果你换 Mac 想迁移配置走的是手动加密导出流程生成.snapzycloud归档文件采用AES-GCM-256 加密 PBKDF2-SHA256 密钥派生30 万轮口令要求至少 12 位。这份加密包由你自己保管和传递Snapzy 服务器从不接触技术细节见 docs/CLOUD.md。Hardened Runtime给高危权限加一道系统级锁Snapzy 有一个容易被误解的点它没有使用 App Sandbox应用沙盒。白皮书说得直白——它运行在你用户账户的权限下。那怎么防止失控靠的就是Hardened Runtime加固运行时 Developer ID 签名 Apple 公证这套组合拳防护项Snapzy 的状态Hardened Runtime✅ 启用代码签名✅ Developer IDApple 公证✅ 已公证并装订stapled库验证Library Validation✅ 保持开启其中库验证最关键它禁止进程加载未签名或第三方签名的代码只有 Snapzy 或 Apple 签名的库才能被加载。也就是说即便有人想往这个手握屏幕录制权限的进程里注入恶意代码也会被系统直接拦下。同时Snapzy.entitlements 只声明了最小必要的权限集出站网络更新检查和用户发起的云上传、本地回环Google OAuth 回调、用户主动选择的文件读写、麦克风录音用、以及读取系统快捷键做冲突检测。没有多余的权限就少被利用的面。三条红线连开发者自己都不许踩白皮书的Contributor Security Best Practices部分相当于给维护者立下的军规也侧面说明项目的安全底线 禁止在源码里硬编码密钥或 Token 禁止引入新的 entitlement 而不写明理由 禁止削弱 Hardened Runtime尤其是不许添加禁用库验证这类开关——因为这会让持有屏幕录制、麦克风、辅助功能权限的进程变得不设防。发布流程同样严格docs/RELEASES.md 记录了构建必须带安全时间戳签名并完成公证更新包在安装前还要经过EdDSA 签名校验从源头杜绝了篡改的更新包。普通用户如何自查三步建立信任你不需要读懂全部源码也可以快速验证上面说的一切看系统弹窗——Snapzy 只会请求屏幕录制必需、麦克风可选、辅助功能可选且都能随时在系统设置 → 隐私与安全性中撤销看钥匙串——打开钥匙串访问搜com.trongduong.snapzy可以看到云凭据条目确认它们不是散落的明文文件看网络行为——把更新检查和云上传都在偏好设置里关掉后Snapzy 基本不再发起任何出站请求。写在最后一款优秀的截图工具标准不只是快和全。Snapzy 用一份透明的安全白皮书证明了自己的姿态数据不出本地、密钥不落明文、进程不装野码。如果你受够了商业截图工具的捆绑与付费墙又在意屏幕上的每一帧都只属于自己这个开源的 CleanShot X 替代方案值得放进你的 Mac 工具栏。【免费下载链接】SnapzyAn open-source native macOS screenshot and screen recording app. A CleanShot X alternative.项目地址: https://gitcode.com/gh_mirrors/sn/Snapzy创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉