隐私不该是卖点而是底线:本地转写该怎么被公开检验

原创2026-11-02 12:19:441,709 阅读
文章标签:桌面应用语音人工智能本地部署音频

隐私不该是卖点而是底线:本地转写该怎么被公开检验

"完全离线、语音不出本机"——这行字如今几乎印在每一个桌面语音转写工具的介绍页上。Handy 是其中被讨论得最多的一个:一个基于 Tauri 的跨平台开源应用,按住快捷键说话,转写结果直接粘贴进当前输入框,README 里写得很直白:"This happens on your own computer without sending any information to the cloud." 各类技术社区对它的报道也反复强调同一件事:音频在本地处理,隐私有保障。

但"隐私"作为宣传语是廉价的,作为工程属性才是昂贵的。一个把麦克风流量接管的桌面应用,凭什么让你相信它真的没往外发数据?答案不是信任作者,而是把"离线"拆成可检验的断言。这篇文章以 Handy 的仓库源码为样本,讨论本地转写工具的隐私主张应该通过哪几个层次被公开检验——以及每个层次上,哪些证据是拿得出手的,哪些是普通人根本够不着的。

一、可验证性分三层:源码、制品、运行时

判断一个"离线"应用是否名副其名,可以沿三个层次递进,每一层都对应不同的检验对象和成本。

第 1 层:源码级——"所有网络出口"是否可枚举

最硬的一层证据是源码本身。Handy 的后端是 Rust(src-tauri/src 下约 3.5 万行),前端是约 2.2 万行 TypeScript,这个规模对认真的审计者来说是可读的,对"随便瞟一眼"则是天方夜谭。但枚举网络出口这件事有捷径:Rust 里发起 HTTP 请求必须走具体的客户端库。

在仓库里搜索 reqwest,全部网络调用集中在三处,且功能彼此独立:

  1. 模型下载(src-tauri/src/managers/model/download.rs):hf-hub 从 Hugging Face 拉取 GGUF 模型,失败后回落到 blob.handy.computer 镜像;
  2. 更新检查(src-tauri/tauri.conf.json 中 plugins.updater.endpoints 指向 releases 页面的 latest.json),由 tauri-plugin-updater 完成,且受 src-tauri/src/settings.rs 中 update_checks_enabled 开关控制,并存在 update_checks_forced_disabled() 这一强制禁用路径;
  3. 可选的后处理 LLM(src-tauri/src/llm_client.rs):把转写文本(不是音频)发给用户自己配置的 OpenAI/Anthropic/OpenRouter 等 API,用于清理错别字之类的后处理。

关键点在于第三处:它默认关闭(src-tauri/src/settings.rs 中 default_post_process_enabled() 返回 false),入口藏在 Debug 设置里(src/components/settings/PostProcessingToggle.tsx),且必须用户显式填 API key、选 provider、选 prompt 才会触发。macOS Apple Silicon 上还有一个 Apple Intelligence provider,走的是系统 SystemLanguageModel,数据留在设备内(src-tauri/src/apple_intelligence.rs)。也就是说,"离线"这条主链路和"你主动选择把文本交给云端"这条旁路,在代码里是两条边界清晰、可分别检验的路径——这比含糊其辞的"我们不上传数据"要诚实得多。

顺带可以确认另一件常被人问的事:全仓库搜不到 telemetry、analytics 之类的调用,没有任何统计上报代码。"没有遥测"和"搜不到遥测代码"是两回事,但至少后者是一个任何人都可以重复执行的检验。

第 2 层:制品级——你装的那个二进制,和这段源码是同一个东西吗

源码审计只保护"仓库里的代码",不保护"你磁盘上的安装包"。这中间的差距由两件事弥补。

其一是发布物的签名链。Handy 的 release 产物用 Tauri 的 updater 签名格式(minisign),公钥直接放在 src-tauri/tauri.conf.json 的 plugins.updater.pubkey 里,README.md 给出了一条完整的离线验证命令:把公钥和随 release 分发的 .sig 文件从 base64 解码后,用 minisign -Vm 校验安装包,成功会打印 Signature and comment signature verified。这条链的意义不只是防篡改——它把"这个安装包由持有签名私钥的 CI 构建"变成了一个可机器判定的命题。

其二是构建纪律。.github/workflows/release.yml 里有一句值得注意的注释:

# Releases always build from scratch — never restore the Rust cache, so a
# stale cached native lib can never be linked into a shipped artifact.
no-cache: true

Release 永远不复用 Rust 编译缓存,就是为了杜绝"陈年缓存里的本地库被链进发布产物"这种难以审计的变异路径。对一个隐私是核心卖点的项目来说,这是把"构建可重现性"当作安全属性来对待的罕见姿态。

第 3 层:运行时级——不看代码,只看行为

前两层都在"信代码",第三层换到"信观察":断网、开防火墙日志、抓包,然后说话。如果一次完整的录音→转写→粘贴全程零出站流量,"离线"就是对用户设备成立的操作性定义,与源码无关。这一层任何用户都能做,而且结论最直观——这也是为什么前两层不能省:抓包只证明"这一版没发",源码和签名链才回答"为什么它不能发"。

二、开源代码审计的现实门槛:仓库只是冰山一角

承认第 1 层价值的前提,是先看清它的成本结构。对 Handy 这样"隐私即卖点"的项目,审计的真实边界不在自己的 3.5 万行 Rust,而在三个地方:

1. 852 个依赖 crate。 src-tauri/Cargo.lock 锁定了 852 个包。转写引擎 transcribe-cpp、音频录制 handy-recorder、按键捕获 rdev、HTTP 客户端 reqwest……任何一个都可能在理论上打开网络通道。审计者必须把 Cargo.lock 当作清单逐项过,而不仅是读 src-tauri/src。

2. 非 crates.io 依赖。 src-tauri/Cargo.toml 里有几个 git 依赖:hf-hub 指向 cjpais/hf-hub 的 cancellable-downloads 分支,tao/tao-macros 通过 [patch.crates-io] 指向 cjpais/tao 的一个特定 rev,rdev 直接指向 rustdesk 的仓库。注释写得很清楚,patch 是为了修复 Windows 关机时 WM_QUERYENDSESSION 的行为异常,并标注了"上游 #1274 合并后重新指回"。这类 fork 正是审计重点——它意味着 crates.io 上公开可查的版本号对不上你实际链进去的代码,只能对着锁定 rev 审查。

3. 编译进二进制的数据。 src-tauri/src/catalog/mod.rs 用 include_str!("catalog.json") 把一份模型目录直接编进二进制:每个模型的 Hugging Face 仓库、锁定的 commit revision、每个量化文件的 SHA256 和字节数,外加基准测试结果。源码注释里有一句很有意味的设计声明:

/// Mirrors are untrusted bit-pipes: the sha256 here
/// (from the catalog compiled into the binary) is the trust anchor.

镜像站被明确视为"不可信的比特管道",编译进二进制的哈希才是信任锚点。但反过来看,审计者也因此要检验这份 catalog 本身:它从哪来?src-tauri/src/catalog/mod.rs 顶部说明它是 @handy-computer/models npm 包的逐字拷贝,package.json 里锁版本,bun run check:catalog(scripts/sync-catalog.ts)保证两边一致——信任链又往前推了一跳,从"仓库里的 JSON"推到"上游包在锁定版本时的内容"。

所以现实是:读一个隐私工具的源码,大约需要读它 50 倍的代码量(852 个 crate 加 fork 加数据清单)。这就是为什么社区里"它是开源的所以安全"几乎总是一个偷懒的论证——开源是审计的前提,不是审计的完成。对没有 Rust 背景的普通用户,这个门槛客观存在,而且短期内不会消失;能做的,是把检验责任分层,把够得着的那一层做到位。

三、普通用户能自己做的最小验证

以下每一步都不要求读代码,总耗时以分钟计,且全部可在本机完成。

1. 验证安装包签名。 下载 release 产物和配套的 .sig,从 src-tauri/tauri.conf.json 抄出 pubkey 存为 handy.pub.b64,按 README.md 的脚本解码后执行:

minisign -Vm "$ARTIFACT" -p handy.pub -x "$ARTIFACT.minisig"

看到 Signature and comment signature verified,你至少确认了"我装的是 CI 用签名私钥签过的那个构建"。README 特意提醒别用 gpg 校验这些 .sig 文件——这也是一个信号:作者在意的是"验证流程被正确执行",而不是"验证动作看起来发生过"。

2. 验证模型文件哈希。 Handy 下载模型后强制做 SHA256 校验,不匹配直接删除文件(src-tauri/src/managers/model/download.rs 的 verify_sha256),并有对应测试断言"哈希不匹配时残留文件必须被删"(src-tauri/src/managers/model/download/tests.rs)。用户侧同样可以拿 sha256sum 对着 catalog 公布值自查模型目录里的文件——这一步同时防下载链路被中间人污染和磁盘静默损坏。值得知道的例外:手动放进 models 目录的自定义模型没有预期哈希,校验会被跳过(expected_sha256 = None 时直接返回 Ok),这是文档化的取舍,但意味着"自己下载的模型"这一环的信任由你自己承担。

3. 用网络层观察替代代码阅读。 用 Little Snitch / iptables 日志 / Wireshark 建一条"handy 进程不得出站"的规则,然后正常使用一次完整转写。若转写功能完好而规则零触发,离线性在你这台机器上就是被证明的,而不是被宣称的。Handy 的 CLI(handy --toggle-transcription、handy --debug)让脚本化这次测试很方便。

4. 确认两个"自愿联网"开关的状态。 检查设置里的 update_checks_enabled(更新检查,默认开启,走 GitHub releases)与后处理开关(默认关闭)。前者决定应用会不会周期性访问 latest.json;后者决定转写文本会不会离开机器。两者都不是隐蔽行为,但"默认开/关"的取舍本身就是隐私设计的一部分——值得每个用户知道自己接受的是哪一种。

5. 对照一次已知事故理解为什么要做以上这些。 Handy 的 README 记录了一个真实的隐私相关事故:旧版本监听 SIGUSR1 信号来触发带后处理的转写,结果与 Linux 上 WebKitGTK 内部用于 JS 垃圾回收的信号冲突,造成"幽灵录音",issue #1660 之后新版本彻底移除了对该信号的监听,并明确警告删除旧的 pkill -USR1 绑定。这类问题恰恰是"只看 README 承诺、不看版本变更"的人最容易踩的:隐私属性不是静态标签,它随每一版构建变化。

Handy 的流式转写覆盖层:说话的同时可以看到正在写入的文本

结语:把"隐私"从形容词改写成动词

回到选题本身:当"离线"成为一个产品的核心卖点,它就不再是营销话术,而是一组可以被逐项检验的断言——网络出口可枚举、构建与签名链可复核、运行时行为可观察、信任锚点(哈希、pin 住的 revision)可公示。Handy 这套仓库给出的样本相对完整:网络调用收敛在三处且各有用途、默认值站在离线一侧、模型目录把哈希而不是 URL 当作信任锚、release 从干净环境构建、签名验证流程写进 README 而不是藏在 wiki 角落。

但同样重要的是承认边界:852 个依赖、三个 git fork、一份来自上游 npm 包的数据清单,构成了"任何人"都无法在几分钟内审完的部分。这正是"可验证性分层"的意义——审计者从第 1 层做到第 3 层,普通用户做第三层的抓包、做第 2 层的签名与哈希校验、核对两个开关,各自在自己的能力半径内形成一道真实的防线,而不是集体退回到"相信它开源所以安全"这句话术里。

隐私不该是卖点,而是底线;底线之所以是底线,正因为它可以被公开检验,而不必被信仰。

登录后查看全文
Handy