Programma Lezione 147 di 156 · Misurare il web come un ricercatore
Misurare il web come un ricercatore

Trova i tracker nascosti

Perché è importante I tracker che preoccupano di più i ricercatori sono quelli che si nascondono: dietro il nome del tuo stesso sito, dentro un reindirizzamento che non noti mai, o in uno script che non imposta mai un cookie. Un semplice conteggio delle terze parti li perde. Questo laboratorio ne trova tre tipi nei dati della tua esplorazione.

Pensa a un negozio in cui la guardia di sicurezza indossa la divisa del negozio ma in realtà lavora per qualcun altro. Un visitatore che conta il "personale esterno" non la noterebbe mai. I tracker nascosti funzionano così.

1. CNAME cloaking

DNS: la rubrica di internet: trasforma un nome come m.calmriver.example nell'indirizzo di un computer.

CNAME: un record DNS che dice "questo nome è in realtà un altro nome". m.calmriver.example può essere un CNAME per c.cloakco.example, quindi la richiesta sembra di prima parte ma raggiunge un tracker.

CNAME cloaking: un tracker che si nasconde dietro un sottodominio del sito stesso tramite un CNAME, così le blocklist e le regole sui cookie di terze parti vedono un nome di prima parte.

Nei record dell'esplorazione, ogni richiesta ha cname: dove il DNS dice che punta davvero l'host, oppure None. Una richiesta mascherata ha un host sul sito della pagina stessa, e un CNAME su un tracker in elenco. Attenzione: molti siti fanno puntare i sottodomini a una rete di distribuzione dei contenuti come edge.cdn.example. È normale, quindi controlla il sito del CNAME rispetto a TRACKER_LIST.

Safari limita a 7 giorni i cookie impostati tramite risposte mascherate con CNAME, e Firefox permette alle estensioni di blocco di cercare i CNAME per smascherarli; le estensioni di Chrome non possono fare quella ricerca (verificato a ottobre 2026).

2. Catene di rimbalzo

Quando fai clic su un link, può passare per il reindirizzamento di un tracker lungo la strada, permettendogli di impostare o leggere il proprio cookie di prima parte. Hai incontrato il bounce tracking nella Tappa 6; qui lo conti su larga scala. Ogni record ha click_chain: gli URL da cui è passato il crawler dopo aver fatto clic sul primo link in uscita della pagina. Un salto in mezzo è un rimbalzo se il suo sito è diverso sia dal sito di partenza sia da quello finale. Un sito che reindirizza attraverso la propria pagina /out non è un rimbalzo.

3. Script di fingerprinting

Un crawler strumentato registra quali funzioni del browser ha usato ogni script, in scripts. Seguendo l'approccio degli studi pubblicati, uno script è sospetto quando sia rilegge un disegno o un suono (CANVAS_READS) sia legge almeno 4 caratteristiche diverse del dispositivo (TRAIT_APIS). Un'app di disegno che si limita a esportare la tua immagine usa il canvas ma legge poche caratteristiche, quindi non conta.

from watched.leg7b_web import CANVAS_READS, TRAIT_APIS
apis = ["canvas.toDataURL", "navigator.userAgent", "screen.width",
        "navigator.languages", "Intl.timeZone"]
reads_canvas = any(a in CANVAS_READS for a in apis)
traits = {a for a in apis if a in TRAIT_APIS}      # a set: each trait once
print(reads_canvas, len(traits))                   # True 4

Fai attenzione al fingerprinting servito dall'host del sito stesso. Nessun elenco di terze parti lo prenderebbe; solo il comportamento sì.

Un equivoco comune: "Se il mio blocker mostra zero tracker di terze parti, niente mi traccia." Tracker mascherati, che fanno rimbalzare e di fingerprinting di prima parte sfuggono tutti a un elenco di nomi di terze parti. I controlli basati sul comportamento, come quelli che scrivi qui, sono il modo con cui browser e ricercatori li trovano.

In altri linguaggi

La regola del fingerprinting in JavaScript e PHP:

// JavaScript
function isFingerprinting(apis) {
  const readsCanvas = apis.some(a => CANVAS_READS.includes(a));
  const traits = new Set(apis.filter(a => TRAIT_APIS.includes(a)));
  return readsCanvas && traits.size >= 4;
}
// PHP
function is_fingerprinting(array $apis): bool {
    $reads = count(array_intersect($apis, CANVAS_READS)) > 0;
    $traits = count(array_unique(array_intersect($apis, TRAIT_APIS)));
    return $reads && $traits >= 4;
}

Riepilogo

  • Il CNAME cloaking nasconde un tracker dietro un sottodominio del sito stesso; controlla dove punta davvero il CNAME.
  • Un rimbalzo è un salto di reindirizzamento su un sito che non è né quello di partenza né quello di arrivo.
  • Il fingerprinting si vede dal comportamento: una rilettura del canvas o dell'audio più molte caratteristiche del dispositivo.
  • Il comportamento trova ciò che gli elenchi di nomi perdono, compreso il fingerprinting di prima parte.
Tocca a te

Scrivi cinque funzioni sui record dell'esplorazione:

  1. cloaked_hosts(load, tracker_list): la lista ordinata degli host distinti delle richieste sul sito della pagina stessa il cui cname è impostato e il cui sito del CNAME è in tracker_list.
  2. bounce_hops(load): da load["click_chain"], i siti dei salti in mezzo che sono diversi sia dal sito del primo URL sia da quello dell'ultimo (una lista vuota se la catena è più corta di 3).
  3. is_fingerprinting(apis): vero se una qualsiasi API è in CANVAS_READS e almeno 4 API diverse sono in TRAIT_APIS.
  4. fingerprinting_scripts(load): gli URL degli script in load["scripts"] che superano quel test.
  5. hidden_report(loads, tracker_list): un dict che conta i siti con ogni tipo: "cname_cloaking", "bounce", "fingerprinting" e "first_party_fingerprinting" (uno script di fingerprinting sul sito della pagina stessa).
Poi imposta report per tutta l'esplorazione. I test esplorano anche altri web simulati.

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.