Classificare i tracker
Perché è importante Ogni difesa in questa tappa parte da una decisione: questo sito è un tracker? Blocca un sito onesto e le pagine si rompono; lascia passare un tracker e vieni seguito. Il modo in cui un browser prende questa decisione spiega sia i suoi punti di forza sia qualche pagina rotta ogni tanto.
Pensa a tre modi in cui un buttafuori potrebbe decidere chi entra in un locale. Uno ha un elenco stampato di attaccabrighe noti. Uno segue regole pratiche: "si è presentato in ogni locale della città stasera, travestito". Uno ha osservato migliaia di serate e ha sviluppato un fiuto. I browser usano tutti e tre.
Classificatore: qualsiasi cosa che smista elementi in gruppi, qui "tracker" o "non tracker". Può essere un elenco, un insieme di regole o un modello addestrato.
1. Elenchi
Ci sono persone che mantengono elenchi di domini di tracciamento noti e regole di filtro. Gli ad blocker usano elenchi di filtri della comunità come EasyList ed EasyPrivacy, di cui hai analizzato un pezzo nella Tappa 2. La protezione integrata di Firefox si basa su elenchi mantenuti da Disconnect (verificato a ottobre 2026). Gli elenchi di solito includono una mappa delle entità: quali domini appartengono a uno stesso proprietario, così il sito di contenuti di un'azienda e il suo server di immagini non vengono trattati come terze parti l'uno per l'altro.
Gli elenchi sono precisi e facili da spiegare ("bloccato perché è nell'elenco X"). Ma sono aggiornati solo quanto il loro ultimo aggiornamento, e un tracker può sfuggirgli con un nuovo dominio, o nascondendosi sotto il nome del sito stesso (il CNAME cloaking, dalla Tappa 1).
2. Euristiche
Euristica: una regola pratica che di solito ha ragione, come "una terza parte vista su molti siti senza legami, che imposta lunghi ID casuali, probabilmente traccia".
Ne hai scritte alcune nella Tappa 2: terza parte su molti siti, ID ad alta entropia (valori troppo casuali per essere impostazioni), risposte grandi come un pixel. Anche la regola dei rimbalzi della lezione precedente è un'euristica. Le euristiche catturano tracker che nessuno ha ancora messo in elenco, ma fanno due tipi di errore, e ogni euristica scambia l'uno con l'altro.
Falso positivo: un sito onesto chiamato per errore tracker (una pagina si rompe). Falso negativo: un tracker che passa inosservato (vieni seguito).
Per esempio, cdn.example fornisce una libreria a ogni negozio. "Su molti siti" dice tracker, ma non imposta nessun ID: un'euristica che ignora gli ID romperebbe tutti quei negozi.
3. Machine learning
Un modello può imparare da feature come in quanti siti di primo livello compare un dominio, quanto spesso reindirizza, e se ci interagisci mai. WebKit ha descritto Intelligent Tracking Prevention in Safari come basata su un modello sul dispositivo di questo tipo (verificato a ottobre 2026). Se lo fa il dispositivo, le statistiche della tua navigazione non lo lasciano mai.
I modelli possono pesare insieme molti segnali deboli e adattarsi a nuovi trucchi. Ma sono più difficili da spiegare, possono sbagliare in modi sorprendenti, e dentro un browser hanno bisogno di limiti attenti su dimensioni e velocità. Ne addestrerai uno piccolo in Python puro nella Tappa 7.
A confronto
| Elenchi | Euristiche | Machine learning | |
|---|---|---|---|
| Cattura i tracker nuovi | No, finché non sono in elenco | Spesso | Spesso |
| Spiegabile | Molto | Abbastanza | Meno |
| Errori tipici | Non aggiornati | Falsi positivi sui servizi condivisi | Errori sorprendenti |
| Aggirato da | Nuovi domini, cloaking | Restare sotto le soglie | Sembrare siti normali |
Decidere, poi agire
Classificare è solo metà del lavoro. I motori scelgono anche una risposta per ogni classe: bloccare la richiesta, permetterla ma togliere o partizionare i cookie, cancellare lo storage più tardi, o solo segnalarla. Una risposta più leggera per i casi incerti tiene basse le rotture. In pratica la maggior parte dei motori combina gli approcci: un elenco per il blocco sicuro, euristiche per le regole su rimbalzi e storage, ed eccezioni per singoli siti quando qualcosa si rompe.
Un equivoco comune
"Un classificatore più intelligente significa niente tracciamento." Ogni classificatore ha falsi negativi, e un po' di tracciamento (statistiche di prima parte, accessi, fingerprinting) non sembra affatto un tracker separato. Ecco perché la classificazione viene abbinata a difese che funzionano senza di essa, come il partizionamento.
Riepilogo
- Gli elenchi sono precisi e spiegabili ma non vedono i tracker nuovi o mascherati.
- Le euristiche catturano i tracker non in elenco ma scambiano falsi positivi con falsi negativi.
- Il machine learning pesa molti segnali; WebKit ha descritto l'ITP di Safari come basata su un modello sul dispositivo (verificato a ottobre 2026).
- I motori combinano gli approcci e scelgono una risposta più leggera quando sono incerti.
Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione
Questo esercizio si apre presto
Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.
Questo browser blocca i cookie per learn.floati.life, quindi le lezioni che hai finito qui non si possono aprire in ordine. Consenti i cookie per questo sito e ricarica.