Desarrollo y datos
Generador de reglas .htaccess para Apache
Redirecciones 301, HTTPS, URLs limpias, compresión Gzip, caché y seguridad • Desarrollo
Escáner forense y purificador de texto
Pega cualquier texto copiado de un modelo de inteligencia artificial (ChatGPT, Claude, Gemini, Copilot, DeepSeek) o de la web. La herramienta analizará al instante caracteres invisibles, espacios de ancho cero, selectores de variación, códigos de dirección BiDi y etiquetas Unicode de plano 14, descodificando cualquier mensaje oculto y permitiéndote limpiarlo en un clic.
Arrastra un archivo de texto aquí o
Análisis 100 % local en tu navegador (privacidad garantizada)
0
Ancho cero (ZWSP, ZWNJ, BOM)
0
Dirección BiDi (LRO, RLO, LRM)
0
Etiquetas plano 14 (Unicode Tags)
0
Selectores de variación (VS1-VS16)
0
Controles C0/C1 no estándar
0
Separadores especiales y SHY
Guía técnica sobre marcas de agua invisibles y caracteres Unicode
En la era de los modelos masivos de lenguaje (LLMs), la trazabilidad del contenido y la esteganografía de texto se han convertido en un factor crucial para redactores, programadores y analistas de ciberseguridad. A continuación, desglosamos cómo funcionan estas marcas y por qué es vital eliminarlas antes de publicar o integrar texto en entornos de producción.
Tabla de caracteres invisibles y su impacto técnico
| Codepoint | Nombre Unicode | Bytes UTF-8 | Propósito legítimo | Uso en marcas de IA y esteganografía |
|---|---|---|---|---|
| U+200B | Zero Width Space (ZWSP) | 3 bytes (E2 80 8B) | Separación de palabras en escrituras sin espacios (tailandés, jemer). | Espaciado esteganográfico binario (0/1) y huellas de plataforma. |
| U+200C | Zero Width Non-Joiner (ZWNJ) | 3 bytes (E2 80 8C) | Evita ligaduras entre dos caracteres contiguos. | Bit secundario en secuencias binarias ocultas. |
| U+200D | Zero Width Joiner (ZWJ) | 3 bytes (E2 80 8D) | Combina secuencias de emojis (familia, banderas, profesiones). | Modificador binario en palabras y nombres propios. |
| U+2060 | Word Joiner (WJ) | 3 bytes (E2 81 A0) | Impide saltos de línea sin crear espacio visible. | Firma fija de documentos generados por asistentes virtuales. |
| U+FEFF | Byte Order Mark (BOM) | 3 bytes (EF BB BF) | Indica el orden de bytes en flujos UTF-16/32 antiguos. | Inyección invisible en cabeceras o entre párrafos. |
| U+202E | Right-to-Left Override (RLO) | 3 bytes (E2 80 AE) | Invierte visualmente la lectura para idiomas RTL. | Técnica clásica de spoofing para ocultar extensiones maliciosas. |
| U+E0020 - U+E007E | Unicode Tags (Plano 14) | 4 bytes (F3 A0 80 ...) | Etiquetado lingüístico desaconsejado en Unicode moderno. | Incrustación directa de texto ASCII completo sin píxeles visibles. |
| U+FE00 - U+FE0F | Variation Selectors (VS1-16) | 3 bytes (EF B8 80 ...) | Alternar entre presentación monocroma o de color en glifos. | Marcado por canales secundarios en palabras clave. |
¿Qué son las marcas de agua invisibles en textos de IA y cómo se incrustan?
Las marcas de agua invisibles en texto son secuencias de caracteres Unicode no gráficos (como espacios de ancho cero, selectores de variación o etiquetas del plano 14) que se intercalan entre palabras y oraciones. Aunque el ojo humano percibe un texto completamente normal, los programas informáticos, analizadores léxicos y plataformas pueden leer esos bytes ocultos para rastrear qué usuario generó el texto, la hora exacta o el modelo de lenguaje de origen (ChatGPT, Claude, Gemini, Copilot).
¿Por qué los caracteres de ancho cero pueden romper bases de datos, código o terminales?
Aunque no ocupan espacio visual en el navegador, un espacio de ancho cero (U+200B) o un separador (U+200D) representa entre 3 y 4 bytes en memoria UTF-8. Al pegar texto con estos caracteres en terminales de Linux, editores de código (Python, PHP, JavaScript) o campos de bases de datos MariaDB/MySQL, pueden causar errores sintácticos invisibles, fallos en comparaciones de igualdad (string1 === string2 devuelve falso aunque parezcan idénticos) y rotura de claves primarias o tokens API.
¿Qué es la esteganografía Unicode y cómo funciona el descodificador integrado?
La esteganografía es la técnica de ocultar información confidencial dentro de un medio inocuo. En texto digital, se utilizan con frecuencia etiquetas Unicode de plano 14 (U+E0000 a U+E007F) cuyos códigos hexadecimales coinciden exactamente con los caracteres ASCII imprimibles más un desplazamiento fijo. Nuestra herramienta inspecciona automáticamente el flujo de caracteres para reconstruir cualquier mensaje o identificador oculto en texto claro.
¿Afectan los caracteres invisibles al posicionamiento SEO o a los filtros de plagio?
Sí. Los motores de búsqueda como Google procesan el texto en crudo. La presencia masiva de caracteres anómalos o códigos de dirección BiDi puede activar alertas de manipulación o contenido generado automáticamente de baja calidad. Asimismo, muchos detectores de plagio y herramientas de recursos humanos buscan estas huellas para certificar si un informe, currículum o tarea escolar ha sido redactado manualmente o generado mediante IA.
¿Se conservan los saltos de línea, sangrías y espaciados estándar al limpiar el texto?
Totalmente. El algoritmo de saneamiento purga exclusivamente los caracteres no imprimibles y marcas de agua de riesgo (ancho cero, BiDi no deseado, selectores de variación y tags de plano 14). Los saltos de línea (\n), retornos (\r), tabulaciones legítimas (\t) y espacios simples de separación gramatical se conservan intactos, manteniendo tu maquetación original.
