Caratteri invisibili e sicurezza: omoglifi, Trojan Source e difese
Il legame tra caratteri invisibili e sicurezza è il rischio creato da caratteri Unicode che non si vedono o che sembrano identici ad altri: possono far apparire un testo diverso da quello che un programma legge davvero. Servono per phishing con indirizzi contraffatti, codice sorgente ingannevole (Trojan Source) e istruzioni nascoste nei testi dati alle IA. La difesa principale è renderli visibili.
Il rapporto tra caratteri invisibili e sicurezza nasce da un fatto semplice: quello che vedi sullo schermo non è sempre quello che il computer legge. Un carattere senza disegno, o una lettera di un altro alfabeto identica alla nostra, può cambiare il significato di un testo senza lasciare tracce visibili. Il rilevatore qui sopra serve proprio a questo: incolli un testo e ti mostra ogni carattere insolito con il suo codice.
Questa pagina spiega i rischi principali in chiave difensiva, per riconoscerli e proteggerti.
Omoglifi: lettere uguali che non lo sono
Un omoglifo è un carattere che appare identico, o quasi, a un altro. L’esempio classico è la “а” cirillica (U+0430, CYRILLIC SMALL LETTER A), indistinguibile dalla “a” latina (U+0061) nella maggior parte dei font. Lo stesso vale per la “о” cirillica (U+043E), la “ο” greca (U+03BF) e molte altre.
Il rischio concreto è il phishing: un indirizzo web o un nome utente che sembra quello della tua banca o di un amico, ma contiene una lettera di un altro alfabeto. Per i nomi di dominio internazionali, molti browser mostrano la forma tecnica che inizia con xn-- quando rilevano un mix sospetto di alfabeti, proprio per smascherare questi casi.
Il Consorzio Unicode pubblica uno standard dedicato, l’Unicode Technical Standard #39, “Unicode Security Mechanisms” (versione 18.0 del 27 agosto 2026), con i dati sui caratteri “confondibili” e un algoritmo che riduce due stringhe a uno “scheletro” comune: se gli scheletri coincidono, le stringhe si confondono facilmente. Lo stesso documento descrive come rilevare le stringhe che mescolano più alfabeti.
Trojan Source: quando il codice non è quello che sembra
Il 1° novembre 2021 Nicholas Boucher e Ross Anderson dell’Università di Cambridge hanno pubblicato la ricerca “Trojan Source” (The Register, 1° novembre 2021). Hanno mostrato che i caratteri di controllo bidirezionale di Unicode, nati per scrivere correttamente testi che mescolano arabo o ebraico con lingue da sinistra a destra, possono essere usati per far apparire il codice sorgente in un ordine diverso da quello in cui il compilatore lo legge.
I caratteri coinvolti sono, tra gli altri, U+202E RIGHT-TO-LEFT OVERRIDE e gli “isolati” da U+2066 a U+2069. Un revisore umano legge una cosa, il programma ne esegue un’altra. Due identificativi CVE descrivono il problema:
| CVE | Tecnica | Nota |
|---|---|---|
| CVE-2021-42574 | Controlli bidirezionali che riordinano il testo visualizzato | Punteggio NVD CVSS 3.1: 8,3 (alto); segnalata come “disputed” |
| CVE-2021-42694 | Omoglifi negli identificatori, come i nomi delle funzioni | Riguarda le definizioni dei caratteri fino a Unicode 14.0 |
La voce di CVE-2021-42574 nel database NVD è contrassegnata come contestata: il comportamento descritto è previsto dallo standard, e la responsabilità di mostrarlo in modo sicuro spetta a editor, compilatori e piattaforme di revisione. Dopo la pubblicazione, diversi progetti hanno aggiunto avvisi: il compilatore di Rust, per esempio, è stato aggiornato in pochi giorni.
Testo nascosto per le IA e i filtri
Un rischio più recente riguarda i caratteri tag di Unicode, nell’intervallo da U+E0000 a U+E007F. Quasi nessuna interfaccia li mostra, ma restano nel testo che il software elabora. Secondo un articolo di The New Stack del 4 settembre 2026, una campagna di phishing li ha inseriti dentro parole come “loan” e “credit” per sfuggire ai filtri che cercano termini esatti; i ricercatori di sicurezza descrivono una tecnica simile, chiamata “ASCII smuggling”, per nascondere istruzioni nei testi dati ai modelli linguistici (The New Stack).
Le contromisure indicate sono pratiche: rimuovere quei caratteri prima che il testo arrivi al modello, se l’applicazione non ne ha bisogno, e controllare sempre la versione ripulita invece di analizzarne una e inviarne un’altra. C’è però un’eccezione importante: le bandiere di Inghilterra, Scozia e Galles sono emoji costruite proprio con sequenze di caratteri tag, quindi una pulizia indiscriminata può rovinarle.
La normalizzazione Unicode (NFC o NFD) non elimina i caratteri tag né i caratteri a larghezza zero. Per trovarli servono un controllo esplicito o uno strumento come il rilevatore di caratteri invisibili.
Caratteri invisibili e sicurezza nella vita di tutti i giorni
Non serve essere programmatori per incontrare questi problemi. Alcuni esempi comuni:
- Nomi utente quasi identici: un profilo che imita quello di un amico con una lettera cirillica o con uno zero width space in mezzo.
- Link nei messaggi: un indirizzo che sembra giusto ma contiene un omoglifo nel dominio.
- Testi copiati: documenti, PDF o pagine web che portano con sé caratteri a larghezza zero e rompono ricerche, password o formule.
- Nomi file: un controllo bidirezionale può far sembrare un eseguibile un innocuo documento, invertendo la parte finale del nome.
La conoscenza di come funzionano i caratteri invisibili e di come Unicode assegna i punti di codice è la base per riconoscere questi trucchi.
Caratteri invisibili e sicurezza: come difendersi
- Rendi visibile l’invisibile: incolla testi sospetti nel rilevatore in cima a questa pagina e guarda i codici che compaiono.
- Digita gli indirizzi importanti (banca, posta, pagamenti) invece di cliccare sui link ricevuti.
- Usa un gestore di password: compila le credenziali solo sul dominio giusto e non si lascia ingannare da un omoglifo.
- Per chi sviluppa: attiva negli editor e nei sistemi di revisione la visualizzazione dei caratteri bidirezionali e invisibili, e rifiuta nei commit quelli non necessari.
- Per chi gestisce app e IA: filtra i caratteri tag e i controlli bidirezionali in ingresso, salvo dove servono davvero, e verifica i nomi utente con i dati sui confondibili di UTS #39.
Errori comuni
- Fidarsi dell’aspetto di un link o di un nome: due stringhe identiche a vista possono essere diverse.
- Pensare che la normalizzazione basti: NFC e NFD non tolgono caratteri invisibili e tag.
- Eliminare tutti i caratteri speciali alla cieca: rompi emoji composte, bandiere e testi in lingue che usano ZWJ e ZWNJ.
- Usare i caratteri invisibili per imitare altri utenti: è impersonificazione, vietata dalle piattaforme e potenzialmente illecita.
- Ignorare gli avvisi dell’editor sui caratteri bidirezionali: sono stati introdotti proprio dopo Trojan Source.
Domande frequenti
Che rischio c’è tra caratteri invisibili e sicurezza?
Un testo può apparire diverso da come lo legge un programma. Questo permette link di phishing contraffatti, codice ingannevole e istruzioni nascoste nei testi elaborati da filtri o IA.
Che cos’è un omoglifo?
È un carattere che sembra identico a un altro, come la a cirillica U+0430 e la a latina U+0061. Viene sfruttato per imitare indirizzi web e nomi utente.
Che cos’è Trojan Source?
È una ricerca dell’Università di Cambridge del novembre 2021 che mostra come i controlli bidirezionali di Unicode possano far apparire il codice sorgente diverso da come viene eseguito. È registrata come CVE-2021-42574.
Come trovo i caratteri invisibili in un testo?
Incolla il testo nel rilevatore di questa pagina: evidenzia ogni carattere invisibile o insolito con il suo punto di codice e ti permette di rimuoverlo.
La normalizzazione Unicode elimina i caratteri nascosti?
No. NFC e NFD non rimuovono caratteri a larghezza zero né caratteri tag: servono filtri espliciti.
Fonti
- NVD: CVE-2021-42574
- Unicode Technical Standard #39: Unicode Security Mechanisms
- The Register: Trojan Source (1 novembre 2021)
- CERT.dk: CVE-2021-42694
- The New Stack: Unicode tag characters e ASCII smuggling (settembre 2026)