obscura/research/uncontrollable/behavioral-biometricsobscura/research/uncontrollable/behavioral-biometrics

Categoria: Comportamento Utente / Interazione Uomo-Macchina

---

1. Descrizione

La biometria comportamentale misura come un utente interagisce con il proprio dispositivo. A differenza dei fingerprint hardware, questi sono dinamici: variano con umore, contesto, stanchezza e pratica. Tuttavia, sono anche altamente individuali: le dinamiche di battitura da sole possono identificare un utente con >95% di precisione in ambienti controllati.

---

2. Vettori

2.1 Dinamiche di Battitura

document.addEventListener('keydown', event => {
  console.log({
    key: event.key,
    timestamp: performance.now(),
    code: event.code,
    location: event.location
  })
})
document.addEventListener('keyup', event => {
  console.log({
    key: event.key,
    timestamp: performance.now(),
    holdTime: performance.now() - keydownTime, // Durata pressione tasto
  })
})

Caratteristiche misurabili:

• Tempo di pressione tasto: Durata tra keydown e keyup (tipicamente 50-150ms)
• Intervallo tra tasti: Tempo tra pressioni successive
• Pressione tasto (su dispositivi supportati): Pressione touch per ogni tasto
• Pattern di errore: Uso del backspace, comportamento di correzione
• Velocità di digitazione: Caratteri al minuto (varia per attività)
• Ritmo: Pattern coerenti di intervalli lunghi/corti

Entropia: ~15-25 bit (altamente individuale)

Stabilità: Moderata: influenzata da stanchezza, emozione, dispositivo, tipo di tastiera

2.2 Pattern di Movimento del Mouse

document.addEventListener('mousemove', event => {
  console.log({
    x: event.clientX,
    y: event.clientY,
    timestamp: performance.now(),
    button: event.buttons,
    movementX: event.movementX,
    movementY: event.movementY
  })
})

Caratteristiche misurabili:

• Traiettoria: Curvatura del percorso, linearità, overshoot
• Profilo velocità-accelerazione: Come la velocità cambia durante il movimento
• Comportamento click: Tempo tra mouse-down e mouse-up, precisione posizione
• Pattern hover: Dove il mouse si ferma
• Accoppiamento scroll: Movimento del mouse durante lo scroll

Entropia: ~10-20 bit (moderatamente individuale)

Stabilità: Bassa-Moderata: influenzata da superficie, dispositivo, attività

2.3 Pattern di Scroll

document.addEventListener('scroll', event => {
  console.log({
    scrollY: window.scrollY,
    timestamp: performance.now(),
    deltaMode: event.deltaMode,
    deltaY: event.deltaY
  })
})

Caratteristiche misurabili:

• Velocità di scroll: Pixel per evento scroll
• Accelerazione: Come cambia la velocità di scroll
• Frequenza pausa: Quanto spesso lo scroll si ferma
• Ritmo: Scroll regolare vs a raffica
• Pattern leggi-poi-scroll: Tempo tra l'arresto dello scroll e lo scroll successivo

Entropia: ~8-12 bit

Stabilità: Bassa: dipendente dall'attività (articolo vs risultati di ricerca vs social media)

2.4 Gesture Touch (Mobile)

element.addEventListener('touchstart', e => { /* inizio tocco */ })
element.addEventListener('touchmove', e => { /* traiettoria tocco */ })
element.addEventListener('touchend', e => { /* fine tocco, velocità */ })

Misurabili:

• Angolo di swipe, velocità, accelerazione
• Pressione tocco (su dispositivi supportati)
• Pattern pinch-zoom
• Coordinazione multi-dito
• Dimensione tocco (area di contatto del dito)

Entropia: ~12-18 bit

Stabilità: Moderata: influenzata da dispositivo, presa, postura

---

3. Punti di Forza dell'Attaccante

---

4. Debolezze dell'Attaccante

---

5. Rilevamento della Manipolazione

---

6. Mitigazioni per Obscura

6.1 Cosa Può Fare Obscura

6.2 Cosa Non Può Fare Obscura

6.3 Approccio Raccomandato

1. Arrotonda timestamp eventi a granularità 50ms  (riduce precisione temporizzazione)
2. Accetta: la biometria comportamentale richiede infrastruttura ML  (la maggior parte degli attaccanti non l'avrà)
3. Usa Tor Browser per navigazione ad alta sensibilità  (Tor disabilita molti eventi)

Nota: La biometria comportamentale è principalmente una preoccupazione per target di alto valore (settore bancario, social media) con significativi investimenti in ML. Per la navigazione tipica, questo vettore è raramente sfruttato.

---

7. Riferimenti di Ricerca

• Monaco, J. et al. (2018). "Behavioral Biometrics: A Survey." ACM Computing Surveys.
• Teh, P. et al. (2014). "A Survey on Keystroke Dynamics." ACM Computing Surveys.
• Yampolskiy, R. et al. (2011). "Behavioral Biometrics: A Survey and Classification." International Journal of Biometrics.
• Acar, G. et al. (2014). "The Web Never Forgets": menziona il tracciamento comportamentale nel contesto della correlazione cross-site.