obscura/research/uncontrollable/indexobscura/research/uncontrollable/index

Un'Analisi Tecnica dei Segnali Hardware, Comportamentali e Inerenti del Browser che Non Possono Essere Falsificati a Livello di Rete

Ricerca Obscura: Luglio 2026

---

Abstract

Gli strumenti di privacy a livello di rete come Obscura possono falsificare efficacemente header HTTP, fingerprint TLS, query DNS e proprietà del browser accessibili tramite JavaScript. Tuttavia, una classe significativa di vettori di fingerprinting opera sotto, sopra o al di fuori della portata del proxy. Questi vettori derivano da caratteristiche fisiche dell'hardware, dettagli implementativi del browser, modelli di comportamento dell'utente e l'asimmetria intrinseca della corsa agli armamenti del rilevamento.

Questo documento cataloga questi vettori incontrollabili, analizza i loro punti di forza e debolezza dal punto di vista di un attaccante, e propone strategie di mitigazione, sia nell'ambito di Obscura che attraverso strumenti complementari.

---

1. Introduzione

1.1 Il Gap del Proxy

Obscura opera ai livelli OSI 3-7 (dalla rete all'applicazione). Segnali che originano a:

• Livello 0-2 (hardware fisico, GPU, chip audio, CPU)
• Livello 7+ (motore di rendering del browser, comportamento utente)
• Incoerenze tra livelli (mancate corrispondenze tra segnali falsificati e non falsificabili)

...sono al di fuori del controllo diretto del proxy.

1.2 Classificazione

1.3 Il Problema dell'Asimmetria

L'asimmetria fondamentale: il servizio di fingerprinting ha bisogno di un solo vettore riuscito per identificare o correlare un utente. Il difensore deve bloccare tutti i vettori.

Questo documento non pretende di risolvere questa asimmetria. Documenta il rischio residuo.

---

2. Fingerprinting GPU e Pipeline di Rendering

Documento completo: gpu-rendering.md

2.1 Perché Funziona

La pipeline di rendering GPU è fisicamente deterministica: lo stesso input produce sempre lo stesso output sullo stesso hardware. Le differenze derivano da:

• Microarchitettura GPU (conteggio ALU, unità rasterizer, TMU, ROP)
• Versione del driver e ottimizzazioni del compilatore
• Differenze di precisione in virgola mobile negli shader
• Algoritmi di anti-aliasing
• Ordine di rendering subpixel (RGB vs BGR)
• Matrici di conversione spazio colore

2.2 Vettori

2.3 Vantaggi dell'Attaccante

• Nessuna dipendenza dalla rete: Il rendering è locale, nessuna richiesta necessaria
• Ancorato all'hardware: Non può essere cambiato senza hardware diverso
• Cross-browser: La stessa GPU produce fingerprint simili su Chrome/Firefox/Safari
• Passivo: L'utente non può sapere di essere fingerprintato

2.4 Debolezze (dal punto di vista dell'attaccante)

• Il blocco è facile per l'utente: I flag di Firefox privacy.resistFingerprinting e CanvasBlocker funzionano
• Tor Browser lo sconfigge: Il rendering software (SwiftShader) normalizza tutto l'output
• Gli aggiornamenti del driver cambiano il fingerprint: Instabilità periodica
• L'iniezione di rumore funziona: L'iniezione di pixel casuali di CanvasBlocker rompe la ripetibilità
• Il rilevamento statistico della manipolazione è imperfetto: Gli attaccanti possono solo indovinare se il rumore è stato iniettato

2.5 Mitigazioni Proposte

Il meglio che Obscura può fare: Blocca + iniezione rumore tramite JS. Non può eguagliare il rendering software di Tor Browser.

---

3. Fingerprinting Hardware Audio

Documento completo: audio-hardware.md

3.1 Perché Funziona

L'elaborazione audio coinvolge:

• Implementazione del driver audio (ALSA, PulseAudio, PipeWire, CoreAudio, WASAPI)
• Caratteristiche DAC/ADC hardware
• Algoritmi di conversione frequenza di campionamento
• Comportamento della compressione dinamica
• Gestione del buffer audio

Questi producono differenze consistenti e misurabili nell'output dell'oscillatore e nel comportamento del compressore.

3.2 Vettori

3.3 Vantaggi dell'Attaccante

• Coerente tra sessioni: Stesso hardware = stesso fingerprint audio
• Difficile da rilevare manipolazione: Il sito può confrontare letture multiple
• Funziona in background: Nessuna interazione utente necessaria

3.4 Debolezze

• Il comportamento DynamicsCompressor cambia tra versioni del browser
• Può essere bloccato completamente (Firefox resistFingerprinting blocca AudioContext)
• Appiattire l'output è rilevabile ma non può essere distinto da hardware reale con comportamento identico

3.5 Mitigazioni Proposte

Il meglio che Obscura può fare: Blocca AudioContext tramite iniezione JS.

---

4. Fingerprinting CPU e Piattaforma

Documento completo: cpu-platform.md

4.1 Perché Funziona

La CPU è il componente di sistema più fondamentale. Il suo comportamento è deterministico e misurabile da JavaScript:

• Precisione aritmetica in virgola mobile (la conformità IEEE 754 varia leggermente)
• Risoluzione performance.now() (dipende dal timer hardware, SO)
• Rilevamento funzionalità basato su Wasm (SIMD, AES-NI, AVX, BMI1/BMI2, POPCNT)
• Canali laterali di temporizzazione cache (anche se mitigati nei browser)
• Velocità di esecuzione WebAssembly (benchmark prestazionale relativo)

4.2 Vettori

4.3 Vantaggi dell'Attaccante

• Ancorato all'hardware: Le funzionalità CPU non cambiano
• Wasm è veloce: Rilevamento binario in <1ms
• Non può essere falsificato a livello di proxy: Wasm viene eseguito localmente

4.4 Debolezze

• Precisione performance.now() ridotta nei browser (altalena 1ms → 100s → 5s)
• Il rilevamento funzionalità Wasm dipende dal browser che lo espone
• hardwareConcurrency è falsificabile tramite JS: già elencato come controllabile
• Il fingerprint matematico ha entropia molto bassa: utile solo in combinazione

4.5 Mitigazioni Proposte

Il meglio che Obscura può fare: Accettare o bloccare Wasm (drasticamente).

---

5. Funzionalità Inerenti del Browser e Stranezze Implementative

Documento completo: browser-features-quirks.md

5.1 Perché Funziona

Ogni motore del browser (Blink, Gecko, WebKit) ha un insieme unico di:

• API Web supportate (100+ funzionalità binarie)
• Supporto proprietà CSS
• Bug e stranezze implementative
• Impostazioni predefinite (dimensione font, larghezza scrollbar, stile moduli)
• Comportamento rendering Unicode
• Versione supporto emoji

5.2 Vettori

5.3 Vantaggi dell'Attaccante

• Non può essere cambiato: Sono inerenti al browser/SO
• Nessun permesso necessario: Nessun consenso utente richiesto
• Difficile da bloccare: Bloccare le funzionalità cambia il vettore delle funzionalità stesso

5.4 Debolezze

• Identifica principalmente famiglia browser + versione, non singoli utenti
• Bassa entropia all'interno della stessa versione del browser (tutti gli utenti Chrome 120 appaiono simili)
• Gli script di rilevamento funzionalità possono essere bloccati via DNS prima che vengano caricati

5.5 Mitigazioni Proposte

Il meglio che Obscura può fare: Blocco DNS dei domini di fingerprinting noti.

---

6. Biometria Comportamentale

Documento completo: behavioral-biometrics.md

6.1 Perché Funziona

I modelli di comportamento dell'utente sono altamente individuali:

• Traiettorie del movimento del mouse (velocità, accelerazione, jitter)
• Dinamiche di battitura (tempo di pressione tasto, intervalli tra tasti, pattern di errore)
• Pattern di scroll (velocità, accelerazione, comportamento di pausa)
• Gesture touch (su mobile: angolo di swipe, pressione, velocità)
• Pattern di lettura (ritmo scroll-poi-pausa)
• Temporizzazione e preferenze di posizione del click/tap

6.2 Vettori

6.3 Vantaggi dell'Attaccante

• Autenticazione continua: Non un'istantanea, ma continuativa
• Difficile da falsificare: Imitare il comportamento di un altro utente è estremamente difficile
• Nessuna restrizione API JS: Tutto leggibile dagli event listener JS

6.4 Debolezze

• Richiede interazione utente significativa: Non può fingerprintare passivamente
• Alta varianza: Il comportamento cambia con umore, stanchezza, contesto
• Tempo di raccolta lungo: Necessita di minuti di interazione
• Apprendimento automatico richiesto: L'hashing semplice non funziona
• Facilmente interrotto: Qualsiasi script che interferisce con la temporizzazione lo rompe

6.5 Mitigazioni Proposte

Il meglio che Obscura può fare: Molto limitato. Tor Browser è la soluzione pratica.

---

7. Fingerprint Residui a Livello di Rete

Documento completo: residual-network.md

7.1 Perché Funziona

Anche con spoofing TLS e HTTP, i segnali di rete residui rimangono:

• Parametri stack TCP/IP (ereditati dal SO del container)
• Tempo di andata e ritorno di rete (RTT) e la sua varianza
• Scoperta percorso MTU
• TTL del pacchetto (rivela conteggio hop approssimativo)
• Clock skew tra client e server
• Parametri di trasporto HTTP/3 QUIC (se non bloccato)

7.2 Vettori

7.3 Vantaggi dell'Attaccante

• Sempre presente: I segnali di rete sono inevitabili
• Possono essere combinati: Incrociare più segnali deboli aumenta l'entropia
• Stabili: Il percorso di rete cambia raramente

7.4 Debolezze

• Bassa entropia individuale: TCP/IP da solo raramente identifica
• Ambiente container condiviso: Più utenti dietro lo stesso container appaiono simili
• Lo spoofing TLS elimina il segnale più identificativo

7.5 Mitigazioni Proposte

Il meglio che Obscura può fare: Spoofing TLS + HTTP/2. Il TCP/IP è accettato.

---

8. Rilevamento di Proxy e Incoerenze di Spoofing

Documento completo: proxy-detection.md

8.1 Perché Funziona

L'atto dello spoofing crea pattern rilevabili:

• Incoerenza del profilo: User-Agent Chrome + stack TLS Go + piattaforma Win32 + font non Windows
• Segnali mancanti: API bloccate (WebGL restituisce null) creano un fingerprint "bloccato" unico
• Anomalie di temporizzazione: Il MITM aggiunge latenza misurabile
• Fingerprint dei certificati: I certificati CA auto-firmati sono rilevabili
• Normalizzazione header: Header eccessivamente puliti/coerenti (i browser reali hanno variazione)
• Rilevamento override JavaScript: Object.getOwnPropertyDescriptor() può rilevare override di Object.defineProperty

8.2 Tecniche di Rilevamento

8.3 Vantaggi dell'Attaccante

• Lo spoofing aumenta la superficie rilevabile: Più cambi, più c'è da rilevare
• Analisi statistica: Il confronto con grandi dataset rivela anomalie
• Apprendimento automatico: Può trovare pattern che gli umani non vedono

8.4 Debolezze

• Il rilevamento è probabilistico, non deterministico
• Falsi positivi: Aggiornamenti legittimi del browser sembrano spoofing
• Gli strumenti privacy sono usati da milioni di persone: Essere rilevati come "utente privacy" non è unico
• Gatto e topo: Il rilevamento degli override può essere contrastato da override più profondi

8.5 Mitigazioni Proposte

Il meglio che Obscura può fare: Test rigorosi di coerenza del profilo e aggiornamenti continui.

---

9. Il Problema dell'Agregazione

9.1 Entropia Individuale vs Combinata

Un'intuizione cruciale: i singoli vettori incontrollabili hanno bassa entropia da soli, ma combinati diventano identificativi.

$$H_{totale} = \sum_{i=1}^{n} H_i - H_{correlazione}$$

Dove $H_i$ è l'entropia individuale e $H_{correlazione}$ tiene conto delle dipendenze tra vettori.

Per i soli vettori incontrollabili (GPU + Audio + CPU + Funzionalità + Rete + Comportamentale):

$$H_{incontrollabile} \approx 5 + 8 + 4 + 12 + 6 + 15 \approx 50 \text{ bit}$$

Questo è sufficiente per identificare univocamente un utente tra ~$10^{15}$.

9.2 Implicazioni

• Anche lo spoofing perfetto dei vettori controllabili da parte del proxy è insufficiente se quelli incontrollabili rimangono
• Il blocco DNS è critico: Impedisce alla libreria di fingerprinting di vedere i vettori incontrollabili
• Difesa in profondità: Ogni vettore bloccato riduce l'entropia aggregata

---

10. Direzioni di Ricerca Proposte

10.1 A Breve Termine (Obscura v1)

1. Coerenza perfetta del profilo: Strumenti di validazione automatica
2. Manutenzione blocklist DNS: Feed dei domini di fingerprinting
3. Iniezione rumore Canvas: Algoritmo da CanvasBlocker
4. Blocco informazioni debug WebGL/WebGPU: Iniezione JS
5. Blocco AudioContext: Iniezione JS

10.2 A Medio Termine

1. Apprendimento automatico per rilevamento anomalie: Rilevare quando le modifiche di Obscura creano pattern rilevabili
2. Selezione adattiva del profilo: Scegliere il profilo che meglio corrisponde all'hardware reale dell'utente (non dichiarare Safari su Windows)
3. Degradazione graduale: Tornare a uno spoofing meno aggressivo se il rischio di rilevamento è alto

10.3 A Lungo Termine / Fuori Ambito

1. Modifica del browser: Build browser personalizzata che normalizza i fingerprint (approccio Tor Browser)
2. Normalizzazione GPU a livello hardware: Intercettazione rendering a livello di driver
3. Offuscamento comportamentale: Pattern di mouse/tastiera generati da AI
4. Fingerprinting resistente ai quantistici: Prepararsi per il futuro contro nuove tecniche

---

11. Conclusione

I vettori incontrollabili documentati qui rappresentano il limite fondamentale dell'anti-fingerprinting a livello di rete. Nessun proxy può eliminarli completamente perché derivano da:

• Fisica: Rendering GPU, elaborazione audio, deriva dell'orologio
• Biologia: Modelli di comportamento dell'utente
• Ingegneria: Scelte implementative del browser

L'approccio di Obscura è pragmatico:

1. Controlla ciò che può essere controllato (header, TLS, DNS, API JS) ~55% della superficie
2. Blocca ciò che non può essere falsificato (canvas, audio, WebGL) impedisce l'osservazione
3. Accetta il rischio residuo: documenta e monitora

L'alternativa, la protezione perfetta, richiede Tor Browser, che la raggiunge normalizzando ogni segnale al costo di funzionalità, prestazioni e convenienza. Entrambi gli approcci hanno il loro posto.

---

Riferimenti

1. Acar, G. et al. (2014). "The Web Never Forgets: Persistent Tracking Mechanisms in the Wild." CCS 2014.
2. Mowery, K. & Shacham, H. (2012). "Pixel Perfect: Fingerprinting Canvas in HTML5." WOOT 2012.
3. Eckersley, P. (2010). "How Unique Is Your Web Browser?" PETS 2010.
4. Englehardt, S. & Narayanan, A. (2016). "Online Tracking: A 1-million-site Measurement and Analysis." CCS 2016.
5. Tor Browser Design Document (2024). "The Design and Implementation of the Tor Browser."
6. FingerprintJS (2026). "Browser Fingerprinting Techniques." fingerprintjs.com.
7. FoxIO (2024). "JA4: TLS Client Fingerprinting." GitHub.
8. Laperdrix, P. et al. (2020). "Browser Fingerprinting: A Survey." ACM TOIT.