
【Sieve-Tray】複数の観測空間を統合するローカル検証フロントエンド
汎用観測ツール — Sieveシリーズのデスクトップフロントエンド
Sieve Lensの不可視コンテンツ観測、 Sieve Scopeのコード類似度検知、 Sieve Refereeのテキストパラフレーズ検知を、 1つのデスクトップアプリに統合しました。提出物のフォルダを指定するだけで、 不可視のコンテンツや隠されたプロンプトを含む文書、構造的に疑わしく似ているコードペア、 言い換え・流用の疑いがあるテキストペアを、一度にまとめて検出、報告します。

💡 コンセプト
Sieve は、決定的・ゼロ依存・完全ローカルという共通の設計原則を共有する エンジン群です。各エンジンが 1 つのリスクの観測または排除を担い、 相互に接続します:
Sieve Lensは「この文書には、人間には 見えないがパーサには読める何かが含まれていないか」を、 Sieve Scopeは「この2つのソースコードは、 偶然とは思えないほどロジックが似ていないか」を、 Sieve Refereeは「このテキストは、 あちらのテキストを言い換えただけではないか」を、それぞれ観測します。いずれも Sieveシリーズらしい、外部依存ゼロ・決定論的な観測エンジンですが、提出物フォルダを 実際にチェックするには、これらを別々に走らせ、結果を自分で突き合わせる必要が ありました。
Sieve Trayはその手間をなくします。1提出者につき1サブフォルダ、という構造の フォルダを指定するだけで、ファイルごとに適切なエンジンへ自動的に振り分けます (文書はSieve Lensへ、.pyファイルはSieve Scopeのペア比較へ、プレーンテキスト (.txt/.md)はさらにSieve Refereeのペア比較へ)。結果は1つのウィンドウに まとまり、履歴が残るので再スキャンは不要、さらにどの観測軸が反応し、その根拠が 何だったかまで詳細表示で確認できます。単なる「白黒の判定」ではなく、エンジンが 実際に観測した事実だけを提示します。
他のSieveシリーズ同様、これは観測ツールであって、判定ツールではありません。 フラグが立つことは「人間が確認すべき」という意味であり、「不正が確定した」という 意味ではありません。
1. はじめに
複数の文書やソースコードを確認するとき、問題は一つとは限りません。
文書の中に、人間には見えにくい文字列や隠された指示が含まれているかもしれません。ソースコード同士に、偶然とは言い切れない構造的な類似性があるかもしれません。文章が、別の文章を言い換えたり、流用したりしている可能性もあります。
これらは、それぞれ異なる観測対象です。
一つのツールですべてを判断しようとするのではなく、観測対象ごとに役割を分け、それぞれの結果を同じ場所で確認できれば、調査の手間を減らせます。
Sieve Trayは、Sieveシリーズの複数の観測エンジンを統合し、フォルダ単位でファイルを走査して、結果の確認・履歴管理・レポート出力までを一つのデスクトップアプリで行うためのフロントエンドです。
GitHubリポジトリ:
https://github.com/neguseatama/sieve-tray
Sieve Trayが目指すのは、すべてのファイルに対して一つの万能な判定を下すことではありません。
それぞれのエンジンが観測した内容を一か所に集約し、人間が根拠を確認できる状態にすることです。
2. 個別の観測エンジンを、ひとつの作業環境へ
Sieveシリーズでは、観測対象ごとにエンジンの責務を分けています。
Sieve-Lens — 不可視コンテンツの観測
Sieve-Lensは、人間が通常の表示で読んだときには気付きにくい文字や、文書内に含まれる特定の表層的な特徴を観測します。
HTML、PDF、Office文書、画像などを対象に、不可視コンテンツや隠されたプロンプトにつながる可能性のある証拠を調べます。
Sieve-Scope — コード構造の類似性
Sieve-Scopeは、ソースコード同士の構造的な類似性を観測します。
Sieve Trayでは、Pythonの.pyファイルを対象として、ファイル同士のペア比較を行います。
Sieve-Referee — テキストの類似性と言い換え
Sieve-Refereeは、文章同士の言い換えや流用に関係する表層的な特徴を観測します。
Sieve Trayでは、.txtと.mdのプレーンテキストを対象に、文章同士のペア比較を行います。
Sieve-Redact — 対象領域のマスキング
Sieve-Redactは、指定されたルールに従って、テキストなどの対象領域をマスキングし、処置結果のレシートを生成するエンジンです。
Sieve Trayには、選択したフォルダ内の.txtや.mdをサニタイズする機能が組み込まれています。出力には機械可読なレシートが付随し、マスク件数やバイト完全性の検証結果を確認できます。
それぞれのエンジンは、異なる対象を扱います。Sieve Trayは、それらを一つの作業フローにつなぎます。
主な特徴
フォルダ1つで全部チェック — .pyファイルはSieve Scopeへ、プレーンテキスト (.txt、.md)はさらにSieve Refereeへ、全ての文書(.html、.docx、.pdf、 画像を含む)はSieve Lensへ、拡張子で自動的に振り分け
バックグラウンドスレッドで動くGUI — 大量の提出物でもスキャン中にウィンドウが 固まらない
英語・日本語UI — 設定画面からいつでも切り替え可能(デフォルトは英語)。なお Sieve Refereeが生成する判定理由の説明文は、エンジンの閾値調整が日本語前提のため、 UI言語に関わらず常に日本語で出力されます。詳細ダイアログにはその旨を明記した上で 表示します
ソート・フィルタ可能な結果テーブル — 列見出しクリックで並び替え、ファイル名や 「フラグのみ表示」で絞り込み可能
詳細ダイアログ — 行をダブルクリックすると、マスク文字列だけでなく観測軸ごとの 結果と、エンジンが記録した根拠・スコア・理由まで確認できる
ローカル履歴 — スキャンのたびにローカルのSQLiteデータベース (~/.sieve_tray/history.db)に自動保存。再スキャンせずに過去の結果を見返せる
設定可能 — レポートの保存先フォルダ、履歴の保持件数、UI言語を、設定画面から 変更可能
自己完結型HTMLエクスポート — どの結果も、共有・保管しやすい単体のHTML レポートとして書き出せる
テキストのサニタイズ — 選択フォルダ内の.txt/.mdファイルに対し、 ルールファイルを指定して同梱のSieve Redactエンジンを実行。出力ごとに 機械可読なレシートが生成され、サマリにはマスク件数とバイト完全性の 検証結果が常に表示されます
画像のサニタイズ — PNG(8bit RGB/RGBA)を1枚選び、エディタ上で矩形をドラッグして指定すると、同梱のSieve Redactエンジンがその領域をマスキング。マスキング結果は本物のエンジンによるプレビューでその場で確認でき、設定ファイル(region行)として保存・再利用も可能。出力には機械可読なレシートが付随し、サマリにはマスク件数と画素完全性の検証結果が常に表示されます(画像はPNG再エンコードが伴うため、バイト完全性は「測定対象外」と正直に表示されます)
完全ローカルで動作 — スキャンは100%お使いの端末内で完結します。提出物の中身が 外部に送信されることはなく、クラウドへのアップロードもAPI通信も一切発生しません
コアはゼロ依存 — スキャンエンジン本体(sieve_tray.py)はPython標準ライブラリと Sieve Lens / Sieve Scope / Sieve Refereeのみに依存。GUIはその上に載る任意のレイヤー (PySide6)として分離してあり、Sieveシリーズ全体の「外部依存ゼロ・オフライン・ 決定論的」という設計思想をコア部分では保っています
クロスプラットフォーム配布 — CIがPyInstallerでWindows・macOS(Apple Silicon / Intel)向けの単体アプリを自動ビルド。実行にPythonのインストールは不要
📦 インストール
方法1: ビルド済みアプリをダウンロード(推奨)
Pythonのインストールは不要です。 Releasesページから、 お使いの環境に合ったものをダウンロードしてください。
Windows : SieveTray-windows.zip
MacOS(Apple Silicon / M系) : SieveTray-macos-arm64.zip
MacOS(Intel): SieveTray-macos-intel.zip
展開してSieveTray.exe / SieveTray.appを起動してください。初回起動時、macOSでは 「開発元を確認できません」という警告が出ます(未署名ビルドのため想定内です)。 システム設定 → プライバシーとセキュリティから「このまま開く」を選んでください。 Windowsでも同様にSmartScreenの警告が出ることがあります。「詳細情報 → 実行」を 選んでください。
方法2: ソースからインストール
git clone https://github.com/neguseatama/sieve-tray.git
cd sieve-tray
python3 -m venv .venv && source .venv/bin/activate
pip install -e ".[gui]"
python3 sieve_tray_gui.pyPython 3.10〜3.13が必要です(PySide6はまだ3.14に対応していません)。
コアのみ(GUIなし、CLI利用・スクリプト用途向け):
pip install -e .💻 クイックスタート
GUI
アプリを起動
「フォルダを選択...」から、1提出者につき1サブフォルダという構造のフォルダを選択
「Run Scan」をクリック
「Documents」「Code Pairs」「Text Similarity」タブで結果を確認 — 列見出しで 並び替え、ファイル名で絞り込み、行をダブルクリックで観測軸ごとの詳細を表示
「Export HTML Report」で共有可能なレポートを出力。過去のスキャンは常に 「History」タブから確認できます
(UI言語のデフォルトは英語です。設定画面から日本語に切り替えられます。切り替えは 再起動後に反映されます)
CLI
python3 sieve_tray.py path/to/submissions -o report.html1提出者につき1サブフォルダという構造のディレクトリを想定しています。
submissions/
student_a/
essay.docx
solution.py
student_b/
essay.docx
solution.py
ライブラリとして
from pathlib import Path
from sieve_tray import run_scan, render
result = run_scan(Path("submissions"), progress=print)
print(result.doc_results) # path / mask / flagged / h_states / evidence
print(result.code_pairs) # a / b / mask / h_states / scores
print(result.text_pairs) # a / b / signal / mask / pattern_name / reason / h_states / scores
Path("report.html").write_text(render(result))🖼️ スクリーンショット


3. 拡張子に応じた自動振り分け
Sieve Trayの基本操作は、対象フォルダを指定してスキャンを実行することです。
フォルダは、原則として提出者や対象単位ごとにサブフォルダを分けた構成を想定しています。
たとえば、次のような構造です。
submissions/
├── submission_a/
│ ├── essay.docx
│ ├── notes.md
│ └── solution.py
└── submission_b/
├── essay.pdf
├── notes.txt
└── solution.pySieve Trayは、ファイルの拡張子に応じて、適切な観測エンジンへ処理を振り分けます。
文書や画像などは、Sieve-Lensによる個別観測へ。
.pyファイルは、Sieve-Scopeによるコードペア比較へ。
.txtと.mdは、Sieve-Refereeによるテキストペア比較にも使用。
必要に応じて、.txtと.mdにはSieve-Redactによるサニタイズを実行。
この振り分けにより、利用者が各エンジンを個別に起動し、別々の結果を手作業で突き合わせる負担を減らします。
ただし、ファイル形式ごとの処理は同じではありません。たとえば、PDFやDOCXはSieve-Lensによる個別観測の対象になりますが、Sieve-Refereeのテキスト比較用に自動でプレーンテキストへ抽出する機能は、現行版では提供していません。
一括処理とは、すべての形式に同じ分析を適用することではなく、それぞれの形式を、対応する観測処理へ適切に振り分けることです。
4. 結果をひとつの画面に集約する
個別のエンジンを実行するだけなら、コマンドラインからでも可能です。
しかし、実際に複数のファイルを確認するときには、結果を比較し、必要な項目を探し、根拠を読み、記録を残す作業が発生します。
Sieve Trayは、この作業を支援するために、結果を一つのデスクトップ画面へ集約します。
Documents
文書ごとの観測結果を確認します。
観測マスクや各観測軸の状態、Evidenceなどを確認し、どの文書に追加の確認が必要かを絞り込みます。
Code Pairs
Sieve-Scopeによるコードペアの比較結果を確認します。
ファイル名で絞り込み、比較結果やスコア、観測軸ごとの状態を確認できます。
Text Similarity
Sieve-Refereeによるテキストペアの比較結果を確認します。
文章間で観測された特徴やスコア、エンジンが記録した理由を参照しながら、確認すべき組み合わせを探せます。
詳細ダイアログ
結果の行をダブルクリックすると、より詳しい情報を確認できます。
単にフラグの有無やビットマスクだけを表示するのではなく、観測軸ごとの状態や、エンジンが記録したEvidence・スコア・理由などを参照できます。
これにより、利用者は結果の一覧から詳細な根拠へと移動し、必要な項目を段階的に調査できます。
5. 「フラグ」と「判定」を分ける
Sieve Trayを説明するうえで、最も重要な原則があります。
フラグが立ったことは、不正が確定したことを意味しません。
コードの構造が似ていても、それだけで盗用が証明されるわけではありません。文章の類似性が高くても、共通の資料や課題条件が原因かもしれません。不可視コンテンツが見つかった場合も、その存在だけで作成者の意図を確定することはできません。
Sieve Trayは、こうした違いを一つの判定スコアにまとめて、機械的に白黒を決めるためのアプリではありません。
それぞれのエンジンが観測した事実を示し、人間が追加確認すべき対象を見つけるためのツールです。
この考え方は、Sieveシリーズに共通する「Observer, not Arbiter(観測者であって、裁定者ではない)」という設計姿勢につながっています。
観測結果と最終判断を分離することで、利用者が根拠を確認する余地を残します。
6. 決定論・ローカル処理・データの扱い
Sieve Trayは、Sieveシリーズの設計思想を引き継ぎ、スキャンを利用者の端末内で実行します。
提出物をクラウドへアップロードしたり、外部のAI APIへ送信したりすることなく、ローカル環境で観測を進められます。
また、スキャン結果はローカルのSQLiteデータベースに保存されます。過去のスキャンを履歴から開き直せるため、毎回すべてを再実行しなくても、以前の結果を参照できます。
主な機能は次のとおりです。
ローカル履歴 — 過去のスキャン結果を保存し、後から再確認できる。
ソートとフィルタ — ファイル名やフラグの状態などを使って、確認対象を絞り込める。
HTMLレポート — スキャン結果を単体で閲覧できるHTMLとして出力できる。
バックグラウンド処理 — スキャン中もGUIの操作を継続しやすい。
日英UI — 設定画面からインターフェースの言語を切り替えられる。
ここでいうローカル処理は、データを外部サービスへ送らずに実行するという意味です。結果の完全性や観測の正しさを、それだけで保証するものではありません。観測の範囲は、各エンジンの仕様と実装に依存します。
7. HTMLレポートによる共有と記録
観測結果は、アプリの画面で確認するだけでなく、自己完結型のHTMLレポートとして出力できます。
レポートは、結果の共有や保管に利用できます。スキャンを実行した環境とは別の場所で内容を確認したい場合にも役立ちます。
このとき重要なのは、レポートが単なる「問題あり/なし」の一覧にとどまらないことです。
Sieve Trayは、各エンジンが記録した観測軸の状態や根拠を確認できるようにしています。これにより、結果を受け取った人が、必要に応じて元のファイルや詳細情報へ戻り、確認を進めることができます。
レポートは判断を自動化するための最終結論ではなく、観測内容を確認・共有するための記録です。
8. 観測から処置へ:Sieve-Redactとの連携
Sieveシリーズでは、観測と処置を分けて考えます。
Sieve-Lensが文書内の不可視コンテンツなどを観測し、Sieve-Redactが指定された対象をマスキングする。Sieve Trayは、この「観測から処置へ」という流れを、実際のファイルを扱う作業環境につなぎます。
現行のSieve Trayでは、同梱のSieve-Redactエンジンを使い、選択したフォルダ内のプレーンテキストファイルをサニタイズできるほか、PNG画像を1枚選んで矩形領域をマスキングできます。画像の場合は、エディタ上でドラッグした矩形がregion設定として書き出され、プレビューには実際にエンジンを一時実行した結果が表示されます — 手描きの模倣ではなく、決定論的な処置そのものを見せるためです。
処置の対象は、指定されたルールに基づきます。処置後には機械可読なレシートが生成され、サマリでマスク件数とバイト完全性の検証結果を確認できます。
ただし、現行版のSanitize機能はテキスト(.txt/.md)とPNG画像(8bit RGB/RGBA・非インターレース)を対象としています。PDFやOffice文書をSieve Tray上で直接マスキングする機能は、同梱エンジンのこの操作には含まれていません。また、画像のレシートが示す完全性は画素単位の検証であり、テキスト処理のようなバイト単位の完全性は、PNGの再エンコードが伴う性質上、測定対象として扱っていません。
また、マスキングのレシートが示す完全性は、実装で定義された検証範囲に限られます。レシートがあることだけをもって、あらゆる機密情報が取り除かれたと保証するものではありません。
観測した内容を確認し、必要な処置を行い、その処置の記録を残す。
この分離と連携が、Sieve Trayを単なる結果一覧アプリにとどめない要素です。
9. GUIとCLI、そしてライブラリとしての利用
Sieve Trayは、デスクトップアプリとして使えるだけでなく、コマンドラインやPythonコードからも利用できます。
デスクトップアプリ
ビルド済みアプリは、GitHubのReleasesページから取得できます。
WindowsとmacOS(Apple SiliconおよびIntel)向けの配布物が用意されており、通常の利用ではPythonを別途インストールする必要はありません。
コマンドライン
ソースからセットアップした環境では、次のようにスキャンを実行し、HTMLレポートを出力できます。
python3 sieve_tray.py path/to/submissions -o report.htmlPythonライブラリ
Pythonコードから利用する場合は、スキャン結果を受け取り、必要に応じてHTMLレポートを生成できます。
from pathlib import Path
from sieve_tray import run_scan, render
result = run_scan(Path("submissions"), progress=print)
Path("report.html").write_text(
render(result),
encoding="utf-8",
)GUIで結果を確認したい利用者にも、既存のスクリプトへ組み込みたい利用者にも、同じ観測基盤を提供する構成です。
インストール方法や実行条件の詳細は、リポジトリのREADMEを参照してください。
10. 現行版の制限
Sieve Trayは、複数の観測エンジンを統合していますが、すべての形式やすべての判断を扱えるわけではありません。
現行版では、次の点に注意が必要です。
コード比較の対象はPythonの.pyファイルです。
テキスト類似度比較の対象はプレーンテキストの.txtと.mdです。
.docxや.pdfからテキストを抽出して、Sieve-Refereeのペア比較へ回す機能はありません。
Sieve-Refereeが生成する理由の説明文は、日本語テキストを前提とした調整により、UI言語に関わらず日本語です。
Sanitize機能はテキスト(.txt/.md)とPNG画像を対象とし、PDFやOffice文書のマスキングには対応していません。画像の完全性検証は画素単位で、バイト単位の完全性は測定対象外です。
WindowsおよびmacOS向けの配布ビルドは未署名のため、初回起動時にOSの警告が表示されることがあります。
観測結果は、人間による確認を支援するものであり、不正や悪意を確定するものではありません。
これらの制限は、利用前に理解しておくべき仕様です。対応していないファイル形式を、対応済みの形式と同じ精度で扱えると考えるべきではありません。
11. SieveエコシステムにおけるSieve Trayの役割
Sieveシリーズは、観測対象を分割し、各エンジンの責務を明確にすることで構成されています。
Sieve-Coreは基盤となるロジックを担い、Sieve-Lensは不可視コンテンツ、Sieve-Scopeはコードの構造的類似性、Sieve-Refereeはテキストの類似性、Sieve-Redactは指定領域のマスキングを担当します。
Sieve Trayは、それらを実際のファイル群に対して利用するための統合インターフェースです。
個々のエンジンが何を観測するかを変えるのではなく、ファイルの振り分け、結果の集約、履歴、レポート、そして一部の処置操作をつなぎます。
この構造によって、観測エンジンを個別に使うことも、複数の結果を一つの作業環境で確認することもできます。
12. おわりに
Sieve Trayは、複数の観測エンジンを一つのデスクトップ環境へ統合する、Sieveシリーズのフロントエンドです。
フォルダを指定すれば、ファイルの種類に応じて処理が振り分けられ、文書、コード、テキストの観測結果を同じ画面で確認できます。ローカル履歴とHTMLレポートによって、過去の結果を再確認し、記録として共有することもできます。
さらに、Sieve-Redactによるテキストのサニタイズを通じて、観測だけでなく、指定された対象への処置と、その結果の記録までを一つの作業フローに組み込んでいます。
しかし、Sieve Trayは最終判断を自動化するためのシステムではありません。
フラグが立った理由を確認し、Evidenceを読み、必要なら元のファイルへ戻る。観測された事実と、それに対する人間の判断を分けることが重要です。
Sieve Trayが目指すのは、複数のエンジンの判断を一つにまとめることではなく、複数の観測結果を、根拠とともに扱えるようにすることです。
観測を統合し、記録を残し、人間が確認できる場所へ届ける。
それが、Sieve Trayの役割です。
Sieveシリーズに共通する設計方針は、観測できた証拠を決定論的に記録し、その根拠を人間が追跡できるようにすることです。
Observer, not Arbiter — 観測者であって、裁定者ではない。
Sieve Trayは、その原則を複数のエンジンと実際のファイル処理をつなぐ作業環境へと展開します。
関連リンク
Sieve エコシステム
Sieveシリーズ全体の設計思想、各エンジンの役割、観測空間の関係については、アーキテクチャインデックスを参照してください。
GitHub リポジトリ
Sieve-Core — 決定論的な構造集約・確信度評価の基盤エンジン
Sieve-Referee — テキストの構造・流用・言い換えを観測するエンジン
Sieve-Scope — ソースコードの構造的類似性を観測するエンジン
Sieve-Lens — 不可視コンテンツや隠蔽要素を観測するエンジン
Sieve-Redact — 指定領域の決定論的マスキングと完全性検証
Sieve-Order — プロンプトの表層構造を6-bit観測空間で観測するエンジン
Sieve-Tray — 各エンジンを統合するローカルフロントエンド
note 技術記事
設計の記録(有料記事)
Sieve シリーズの数理モデル — 導出法と安定性
シリーズの各式が「壊れ方の実測」からどう導かれたかを、
手計算で追える粒度で解説。導出の 3 段手順と設計チェックリスト付き。Sieve シリーズの構造設計 — 依存方向がアーキテクチャを決める
単一ファイル・プラグイン・カタログ界面・byte pin。5 つの構造判断の
理由と反例、そしてテセウスの船から始まった開発経緯。