fix: volle Bildabdeckung — kein dauerhaft ungeprüftes Bild mehr

Sicherheitslücke: Die Bildanalyse baute keine Abdeckung auf. Nach dem ersten
Budget-Fenster (max_images_per_scan) wurden nur noch Bilder auf GEÄNDERTEN
Seiten oder bereits geflaggte nachgeholt. Bilder auf stabilen Seiten jenseits
des ersten Fensters blieben dauerhaft ungeprüft (real: 10 von 201 analysiert).
Ein Angreifer hätte so ein strafbares Logo (z. B. Hakenkreuz) auf einer
stabilen Firmenseite platzieren können, ohne dass die KI es je inhaltlich prüft.

Fix: Jeder Scan holt zusätzlich noch nicht analysierte Bilder (URL nicht im
Ledger) bis zum Budget nach → volle Abdeckung baut sich über mehrere Scans auf
(wie beim Text). Priorität: geänderte/geflaggte Bilder zuerst, dann Restbudget
für die Abdeckung. Byte-Änderungen bekannter Bilder deckt check-assets ab.

Bewusste Entscheidung GEGEN ai_analysis.image.exclude_paths: ein Pfad-Ausschluss
(z. B. /content/companies/) wäre genau der blinde Fleck — strafbare Logos würden
durchrutschen. Stattdessen: initiales "Gemecker" anhören, legitime Logos einmalig
per ai-dismiss akzeptieren (Quittung am Byte-Hash → ausgetauschtes Bild flaggt neu).

Tests: 255 grün (+1: Abdeckung baut sich über mehrere Scans bis 100% auf).

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

BEDIENUNGSANLEITUNG.md

@@ -1012,6 +1012,25 @@ Wirkung: Der Erst-Scan einer Site (der den ganzen Bestand prüft) wird deutlich
 rate-limited Free-Modelle sofort übersprungen werden und die verbleibenden Anfragen nebenläufig
 laufen.
 
+### Vollständige Bildabdeckung (kein blinder Fleck)
+
+Pro Scan werden maximal `image.max_images_per_scan` Bilder geprüft (Kostendeckel). Damit jenseits
+dieses Fensters **kein Bild dauerhaft ungeprüft** bleibt — sonst könnte ein Angreifer z. B. ein
+strafbares Logo auf einer ansonsten stabilen Seite platzieren —, holt **jeder** Scan zusätzlich
+noch nicht analysierte Bilder nach, bis der gesamte Bildbestand abgedeckt ist. Reihenfolge:
+zuerst Bilder auf geänderten Seiten und bereits geflaggte, dann mit dem Restbudget der noch
+unbekannte Rest.
+
+**Initiale Einrichtung großer Bildbestände:** Hat eine Site sehr viele Bilder (z. B. 200), dauert
+die volle Abdeckung mehrere Scans. Zum schnelleren Aufbau kann `max_images_per_scan` vorübergehend
+erhöht werden. In dieser Phase markiert die KI auch legitime Inhalte (z. B. Marken-/Partnerlogos
+auf Firmenseiten) — diese werden einmalig mit `ai-dismiss --hash <fp>` akzeptiert. Da die Quittung
+am **Byte-Hash** hängt, wird ein später ausgetauschtes Bild (andere Bytes → neuer Hash) automatisch
+neu geprüft und nicht stillschweigend mitakzeptiert.
+
+Hinweis zur Byte-Änderung bekannter Bilder auf stabilen Seiten: Diese deckt die Datei-Prüfung
+(`check-assets`) ab — sie schlägt an, wenn sich der Inhalt einer bekannten Datei ändert.
+
 Audio- und Video-Prüfung sind als abschaltbare Erweiterungspunkte vorbereitet
 (`ai_analysis.audio` / `ai_analysis.video`, default deaktiviert) und können aktiviert werden,
 sobald eine Website solche Mediendateien direkt einbindet.

scanner/ai_analyzer.py

@@ -363,7 +363,6 @@ def _analyze_images(cfg, ai_cfg, api_key, snap, diff, entries, result, router, e
     if not current_img_urls:
         return False
 
-    has_image_entries = any(e.get("kind") == "image" for e in entries.values())
     changed = {pd["url"] for pd in diff.get("page_diffs", [])} | set(diff.get("new_internal_urls", []))
     changed_img_urls = _all_image_urls(snap, only_pages=changed)
     # Markierte Bilder erneut holen: ersetztes Bild → neue Bytes → Neubewertung
@@ -373,13 +372,18 @@ def _analyze_images(cfg, ai_cfg, api_key, snap, diff, entries, result, router, e
         if e.get("kind") == "image" and e.get("category", "clean") != "clean"
         and not e.get("dismissed") and e.get("url") in current_img_urls
     }
+    # Noch nie analysierte Bilder (URL nicht im Ledger): bauen über mehrere Scans die
+    # VOLLE Abdeckung auf — sonst bliebe jedes Bild jenseits des ersten Budget-Fensters
+    # ein dauerhafter blinder Fleck (z. B. ein eingeschleustes strafbares Logo auf einer
+    # ansonsten stabilen Seite). Bytes-Änderungen bekannter Bilder deckt check-assets ab.
+    known_img_urls = {e["url"] for e in entries.values() if e.get("kind") == "image"}
+    coverage_urls = current_img_urls - known_img_urls
 
-    if has_image_entries:
-        fetch_urls = sorted((changed_img_urls | flagged_img_urls) & current_img_urls)
-    else:
-        fetch_urls = sorted(current_img_urls)  # Erstlauf: vollständiger Sweep
-
-    fetch_urls = fetch_urls[: img_cfg.get("max_images_per_scan", 15)]
+    # Priorität: geänderte/geflaggte Bilder zuerst, dann mit dem Restbudget Abdeckung aufbauen.
+    priority = sorted((changed_img_urls | flagged_img_urls) & current_img_urls)
+    coverage = sorted(coverage_urls - set(priority))
+    budget = img_cfg.get("max_images_per_scan", 15)
+    fetch_urls = (priority + coverage)[:budget]
     if not fetch_urls:
         return False
 

tests/test_ai_analyzer.py

@@ -208,6 +208,28 @@ class TestImages:
         assert res["findings"][0]["kind"] == "image"
         assert res["findings"][0]["asset_url"] == "https://x.de/bild.jpg"
 
+    def test_image_coverage_builds_over_scans(self, tmp_path, monkeypatch):
+        """Bilder jenseits des Budgets dürfen kein blinder Fleck sein:
+        jeder Scan deckt weitere, noch nie analysierte Bilder ab."""
+        monkeypatch.setenv("OPENROUTER_API_KEY", "test")
+        bm = BaselineManager(tmp_path)
+        cfg = self._cfg_img()
+        cfg["ai_analysis"]["image"]["max_images_per_scan"] = 2
+        # 5 Bilder auf einer Seite, Budget 2 → volle Abdeckung über 3 Scans
+        imgs = [{"url": f"https://x.de/img{i}.jpg", "class": "internal"} for i in range(5)]
+        snap = _snap("kurz", img=imgs)
+        hashes = {f"https://x.de/img{i}.jpg": {"sha256": f"h{i}", "size": 1, "error": None}
+                  for i in range(5)}
+
+        analysed = set()
+        for _ in range(3):  # drei aufeinanderfolgende Scans
+            with patch("scanner.ai_analyzer.fetch_asset_hashes", return_value=hashes), \
+                 patch("scanner.ai_analyzer._openrouter_chat", return_value=_verdict()):
+                run_ai_analysis(cfg, bm, snap, {})
+            analysed = {e["url"] for e in bm.load_ai_ledger()["entries"].values()
+                        if e.get("kind") == "image"}
+        assert len(analysed) == 5  # nach 3 Scans sind alle 5 Bilder abgedeckt
+
     def test_image_cache_hit_second_scan(self, tmp_path, monkeypatch):
         monkeypatch.setenv("OPENROUTER_API_KEY", "test")
         bm = BaselineManager(tmp_path)