Metadaten-Hygiene: EXIF, PDF und Office vor der Veroffentlichung saubern

Ein anonymer Forscher veroffentlichte ein zwolfseitiges PDF, das einen Unternehmensbetrug enthullte. Innerhalb von 48 Stunden stand sein Name auf Twitter. Es war kein Social Engineering: Es war das Feld Author im PDF, automatisch von LibreOffice gesetzt, plus ein Anderungszeitstempel, der zu seinen Arbeitszeiten passte. Metadaten sind die Achillesferse jeder sensiblen Veroffentlichung, und die meisten Office-Suiten betten identifizierende Informationen standardmassig ein, ohne zu warnen. Dieser Beitrag geht Format fuer Format durch, mit konkreten Kommandos, und endet in einem reproduzierbaren Reinraum-Flow und einer Pipeline, die den Fehler ein fuer alle Mal automatisiert.

Warum Metadaten die Achillesferse sind

Metadaten sind Daten ueber die Datei: wer sie erstellt hat, mit welcher Software, wann, an welchem Ort und manchmal auf welcher Hardware. Sie werden fuer legitime Zwecke gepflegt, aber fuer einen Deanonymisierer sind sie ein Geschenk, weil sie oft praeziser sind als der Inhalt selbst. Das Basilisk-Team behandelt Metadaten-Sanitisierung als Pflichtkontrolle vor jedem offentlichen Drop, auf gleicher Ebene wie die Prufung von IPs und Browser-Fingerprints. Wer aus der Praxis von OPSEC fuer Security-Researcher: Persoenliches Bedrohungsmodell kommt, weiss schon: der technische Teil ist der einfache, die Disziplin ist der schwere.

EXIF in Bildern

Beginnen Sie mit den Basics. Ein modernes Smartphone-JPEG tragt GPS-Koordinaten mit 5 Metern Genauigkeit, Geratemodell, Objektivseriennummer und sogar Gyroskop-Orientierung im Moment der Aufnahme. Standardwerkzeug bleibt Phil Harveys ExifTool. Fur Audit: exiftool -a -G1 -s datei.jpg zeigt die Gruppen EXIF, XMP, IPTC, MakerNotes und ICC_Profile. Fur aggressives Saubern loscht exiftool -all= -overwrite_original *.jpg alles, aber bewahren Sie eine unberuhrte Kopie ausserhalb des Veroffentlichungsverzeichnisses auf, denn das Original brauchen Sie moeglicherweise noch fuer die eigene Beweisfuehrung.

PNG und seine Text-Chunks

Bei PNG sind tEXt- und zTXt-Chunks das Problem, die Photoshop oder GIMP hinterlassen, oft mit Benutzername und vollem Pfad der Quelldatei - ein Pfad wie C:\Users\vorname.nachname\Desktop deanonymisiert sofort. Auch das tIME-Chunk und eingebettete ICC-Profile tragen Information. exiftool raeumt PNG ebenso auf, aber pruefen Sie danach explizit mit exiftool -a -G1 -s bild.png nach, dass keine Software-Signatur uebrig blieb, bevor Sie das Bild verwenden.

PDF: drei Ebenen von Metadaten

PDF ist das tuckischste Format, weil es Metadaten auf drei Ebenen tragt: /Info-Dictionary, XMP-Stream und inkrementelle Objekteigenschaften, wenn die Datei ohne Linearisierung bearbeitet wurde. exiftool deckt die ersten beiden ab, fur die dritte brauchen Sie qpdf --linearize --object-streams=generate aus.pdf ein.pdf, das die gesamte Struktur neu schreibt und Revisionshistorie verwirft. Es gibt auch den Fall von PDFs aus Firmenscannern: viele betten die Seriennummer des Multifunktionsgerats im Producer-Feld ein. Wenn das Dokument gedruckt und gescannt wurde, denken Sie auch an den Tracking-Dots-Angriff gelber Laserdrucker, dokumentiert von der EFF und essentiell fur die Praxis aus Personenschutz fuer Exponierte Ziele: Journalisten, Aktivisten und Fuehrungskraefte.

Office-Dokumente: ein Zoo aus XML

DOCX, XLSX und PPTX sind tatsachlich ZIP-Archive mit XML, und docProps/core.xml listet Autor, letzte Anderung, Revision und Firma. Word pflegt zusatzlich rsid (revision save IDs), die das Korrelieren von Textfragmenten zwischen verschiedenen Dokumenten desselben Autors erlauben, ein Angriff namens rsid fingerprinting. Fur zuverlassige Reinigung: Word's Inspect Document gefolgt von Remove All, oder LibreOffice File > Properties > Reset Properties kombiniert mit Tools > Options > Security > Remove personal information on saving. Fur Batch-Automatisierung decken oxml-document-cleaner in Python oder mat2 95 Prozent der Falle ab, ohne eine GUI zu offnen.

mat2: das Werkzeug fuer echte Bedrohungsmodelle

mat2 verdient eigenes Rampenlicht, weil es von Leuten gebaut wurde, die in realen Bedrohungsmodellen denken, gepflegt vom Tails-Team. mat2 --inplace dokument.pdf wirkt auf uber 30 Formate inklusive SVG, MP4, FLAC und EPUB. Der --check-Modus listet, was ubrig bleibt, und der --lightweight-Modus schont Formate, die eine vollstaendige Neucodierung nicht vertragen. Kombinieren Sie es mit torsocks beim Upload via Tor, gemass der Praxis aus Echte Anonymitaet mit Tor: Was Funktioniert und was Mythos ist 2026.

JPEG sauber halten: jpegtran vs ImageMagick

Fur Bilder direkt aus dem Telefon erwagen Sie ein Zwischenformat. JPEG durch ImageMagick mit -strip entfernt ICC-Profile und EXIF, aber ImageMagick ordnet auch Quantisierungsbytes auf identifizierbare Weise um, was selbst zu einem Fingerprint werden kann. Fuer ernste Falle besser jpegtran -copy none, das die Original-Quantisierungstabelle erhaelt und die Metadaten verlustfrei entfernt, ohne das Bild neu zu codieren. Der Unterschied klingt akademisch, ist aber genau die Art Detail, an dem eine forensische Zuordnung haengt.

Fallen, die kein Werkzeug fangt

Screenshots von Monitoren mit variabler Bildwiederholrate hinterlassen Codec-Mikroartefakte, die das GPU-Modell identifizieren. LaTeX-generierte PDFs betten die Signatur des hyperref-Pakets inklusive Kompilierungsdatum in UTC ein, was die Zeitzone verrat. MP4-Videos tragen ein moov-Atom mit dem Dateisystem-Timestamp des Erstellers. Kein automatisches Werkzeug faengt diese semantischen Leaks zuverlaessig - hier hilft nur, das Erstellungsumfeld selbst neutral zu halten, statt hinterher zu putzen.

Der Basilisk-Reinraum-Flow

Fur vollstandige Reinigung lautet der Flow: Inhalt in wegwerfbarer VM mit UTC-Zeitzone erzeugen, via Clipboard oder isoliertem Netzwerkshare exportieren, mit mat2 auf dem Host sanitisieren, mit exiftool -a -G1 -s validieren und erst dann veroffentlichen. Dasselbe Muster taucht in Digitale Kompartimentierung: Getrennte Identitaeten ohne Metadaten zu lecken und in Tails, Whonix oder Qubes OS: Welches fuer Welches OPSEC-Szenario auf. Der Kern: die Identitaet leakt an der Quelle, nicht erst beim Upload.

Adversariale Validierung

Adversariale Validierung schliesst den Kreis. Vor der Veroffentlichung laden Sie die finale Datei zu einem offentlichen Inspektionsdienst wie metadata2go hoch oder fuhren Sie pdfid.py und pdf-parser.py von Didier Stevens aus. Vergleichen Sie die Ausgabe mit Ihrer Erwartung: idealerweise keine Autorenfelder, Timestamps auf null oder 1970-01-01 gesetzt und keine eingebetteten Streams uber das Notige hinaus. Dokumentieren Sie die Checkliste und versionieren Sie sie zusammen mit dem Inhalt, damit ein Reviewer den Zustand vor dem Drop nachvollziehen kann.

Automatisieren statt erinnern

Metadaten sind nicht nur ein Veroffentlichungsproblem. E-Mails, Slack-Anhange und sogar Uploads in offentliche S3-Buckets tragen dasselbe Risiko. Reife Teams behandeln Sanitisierung als Pipeline, nicht als manuellen Schritt. Integrieren Sie mat2 in Pre-Commit-Hooks von Repos, die anonyme Beitrage akzeptieren, und in Upload-Gateways von Whistleblower-Plattformen. Praktischer Take-away: bauen Sie einen Shell-Alias namens clean-doc, der mat2 --inplace gefolgt von exiftool -a -G1 -s auf dem Ergebnis ausfuhrt, und veroffentlichen Sie nie etwas, ohne diesen Alias laufen zu lassen und die Ausgabe zu lesen.

Video und Audio gruendlich saeubern

Bild und Dokument sind nur die Haelfte. Ein MP4 traegt neben dem moov-Atom oft ein encoder-Tag mit exakter Software- und Versionsangabe, GPS im udta-Container und einen Creation-Timestamp in lokaler Zeit statt UTC. Der zuverlaessige Weg ist ffmpeg -i in.mp4 -map_metadata -1 -c copy out.mp4, das saemtliche Container-Metadaten entfernt, ohne neu zu codieren. Achtung: -map_metadata -1 raeumt den Container, aber Stream-Level-Tags koennen bleiben, also pruefen Sie mit ffprobe -show_format -show_streams nach. Bei FLAC und MP3 sitzen die Spuren in Vorbis-Comments beziehungsweise ID3-Tags, die mat2 ebenfalls abraeumt. Denken Sie auch an eingebettete Thumbnails: viele Formate betten ein kleines Vorschaubild mit eigenem, ungesaeubertem EXIF ein, das die Deanonymisierung durch die Hintertuer erlaubt. Ein PDF-Export aus einer Praesentation schleppt zudem oft eingebettete Schriftarten mit Lizenz- und Erstellernamen mit sich, und ein aus mehreren Clips geschnittenes Video kann pro Segment unterschiedliche Encoder-Signaturen behalten, die zusammen ein noch schaerferes Geraeteprofil ergeben als eine einzelne Datei.

Der Leak, den kein Tool sieht: Stilometrie und Rhythmus

Die gefaehrlichste Metadate steht nicht in der Datei, sondern in Ihrem Verhalten. Wortwahl, Satzbau, wiederkehrende Tippfehler und Interpunktion bilden einen stilometrischen Fingerabdruck, den moderne Klassifikatoren mit erschreckender Genauigkeit einem bekannten Autor zuordnen. Dazu kommt der Rhythmus: die Uhrzeit Ihrer Veroffentlichungen verraet die Zeitzone praeziser als jeder EXIF-Timestamp, und ein konsistentes Muster - nie zwischen 2 und 8 Uhr, Pause am Wochenende - grenzt Wohnort und Beruf ein. Gegenmassnahmen sind muehsam, aber real: Texte vor der Veroffentlichung stilistisch neutralisieren oder durch Uebersetzungs-Roundtrips glaetten, Posts ueber einen Scheduler zeitversetzt und in einem breiten Zeitfenster absetzen und pro Identitaet einen eigenen Schreibstil disziplinieren. Metadaten-Hygiene, die bei der Datei aufhoert und das Verhalten ignoriert, ist nur die halbe Miete. Ergaenzend lohnt eine sprachliche Trennung: wer auf Deutsch schreibt und auf Englisch veroeffentlicht, sollte die Uebersetzung nicht selbst mit den eigenen typischen Formulierungen anfertigen, sondern neutralisieren lassen, damit weder Muttersprache noch Dialektfaerbung durchscheinen und der stilometrische Klassifikator ins Leere greift.

FAQ: Reicht ein Screenshot, um Metadaten loszuwerden?

Nur teilweise. Ein Screenshot entfernt zwar die EXIF- und Autorenfelder des Originals, erzeugt aber neue Metadaten: die Aufloesung und der Farbraum verraten das Anzeigegeraet, das Screenshot-Tool schreibt seine eigene Software-Signatur, und der Dateiname enthaelt oft Zeitstempel und Benutzernamen. Behandeln Sie den Screenshot als frisches Artefakt und jagen Sie ihn durch denselben clean-doc-Alias, bevor er das System verlaesst.

FAQ: Schuetzt Metadaten-Hygiene vor einem Staat?

Nein, und diese Ehrlichkeit ist wichtig. Metadaten-Hygiene schutzt Sie nicht vor einem staatlich ausgestatteten Gegner mit Zugriff auf Netzbetreiber, Endpunkt-Kompromittierung oder Stilometrie. Aber sie eliminiert die gesamte Klasse selbstverschuldeter Fehler, die Forscher zu Fall bringt, bevor die Ermittlung uberhaupt beginnt - und genau diese banalen Fehler sind statistisch die haeufigste Ursache fuer Deanonymisierung, nicht die exotische Kryptoanalyse.

Fazit: einmal anwenden, immer automatisieren

Metadaten-Hygiene ist keine einmalige Aufgabe, sondern eine Gewohnheit, die Sie in Werkzeuge giessen. Drei Sekunden Disziplin schlagen drei Jahre Gerichtsverfahren. Halten Sie Ihren clean-doc-Alias aktuell, validieren Sie adversarial vor jedem Drop, halten Sie die Quelle Ihrer Dokumente neutral und automatisieren Sie die Sanitisierung ueberall dort, wo anonyme Inhalte fliessen. Einmal anwenden, immer automatisieren - das ist der ganze Trick.