🛡 隱私保護與資安 (Privacy & Security)

RenUniversal 處理即時人臉影像，隱私與安全是設計核心。本文件說明前端的臉部打碼機制、後端的資安強化措施，以及對外部署時的建議。

回到 文件中心

---

1. 臉部隱私打碼 (Face Privacy Blur)

系統內建硬體層級的即時臉部馬賽克，於影像處理底層運作：

• 多鏡頭零死角防護：無論主機鏡頭或任意數量的 Wi-Fi 手機副鏡頭，只要畫面偵測到臉部即立刻高斯模糊。
• 超大廣角包覆：依臉部追蹤點邊界向外擴張 150% 防護區，連同頭髮邊緣、耳朵與脖子一併遮蔽。
• 不影響姿態判定：姿態追蹤點（鼻尖、下巴、雙肩等）疊加於模糊層之上，即使臉部完全馬賽克，仍能精準判定低頭或代償動作。
• 即時動態開關：可透過 Web 介面一鍵開關隱私模式，狀態即時同步至 preferences.json 並於下次啟動沿用。

預設啟用隱私模式；以 --disable-privacy 啟動可預設關閉。實作位於 pipeline.py 的 privacy blur 區段。

---

2. 後端資安強化 (Backend Hardening)

以下為已落實的安全措施，對應原始碼如註明。

2.1 規則引擎防注入：AST 白名單求值器

姿態與事件規則來自使用者輸入（API 寫入的 rule_syntax）。系統不使用 eval() 直接執行，而是經 safe_eval.py 的 AST 白名單求值：

• 規則先被解析、子條件替換為 True/False；
• 最終運算式以 ast.parse 解析，僅允許 BoolOp／UnaryOp／And／Or／Not／布林常數／括號；
• 任何函式呼叫、屬性存取、算術運算、名稱參照都會被拒絕並安全失敗（判定為不觸發）。

→ 徹底杜絕透過規則字串進行的任意程式碼執行（RCE）。

2.2 網路來源防護：自動驅逐與數量上限

/upload_frame 接受手機副鏡頭推送的影格，以 source 參數區分來源。為避免惡意端以大量不同 source_id 撐爆記憶體（DoS），state.py 的 update_network_frame：

• 每次寫入時驅逐超過 TTL（10 秒）的過期來源；
• 限制同時最多 16 個來源，超過時淘汰最舊的一筆。

2.3 請求體強健性：統一 JSON 防護

所有寫入型 API（/settings、/control、skills／events 的 create／toggle／delete、/api/settings/update）改用統一的 get_json_or_400() 解析：空 body 或非合法 JSON 會回傳乾淨的 HTTP 400，而非未處理例外造成的 500。

2.4 連線存取控制 (Basic Auth)

當以 --host 0.0.0.0 或 --enable-tunnel 對外開放、卻未提供 --auth 時，系統會以 secrets 模組自動產生 12 字元隨機帳密並顯示於終端機，避免服務無認證裸奔。亦可用 --auth user:pass 自訂。

---

3. 對外部署建議 (Deployment Checklist)

當你打算讓本機以外的裝置連線時，建議：

• 務必設定 --auth：使用高強度自訂帳密，勿長期沿用自動產生值。
• 優先走 HTTPS（埠 8443）：手機副鏡頭因 Secure Context 需求本就走 HTTPS；首次連線需信任自簽憑證。
• --enable-tunnel 謹慎使用：localhost.run 會將服務曝露至公網，僅在必要時開啟，用畢即關閉。
• 信任的外掛來源：安裝外掛等同在本機執行其 logic.py（動態載入）。僅安裝來源可信的外掛，詳見 外掛文件。
• 保護 preferences.json：內含個人化基準與偏好，已列入 .gitignore，勿提交至版本庫。

⚠️ 自簽（adhoc）憑證適用於開發與區網，無法防範進階中間人攻擊；正式對外服務應改用受信任憑證並置於反向代理之後。

---

4. 相關原始碼

檔案	職責
backend/core/safe_eval.py	AST 白名單布林求值器
backend/core/state.py	共享狀態、網路來源驅逐與持久化
backend/core/pipeline.py	影像流水線與臉部隱私打碼
backend/stream_server.py	Flask 路由、Basic Auth、JSON 請求防護