- L'offuscamento tramite caratteri invisibili è un metodo di elusione delle email utilizzato da molto tempo. Il blocco dei tag Unicode è diventato ampiamente noto grazie alla ricerca sull’iniezione di prompt nell’intelligenza artificiale, ma la proprietà che lo rende utile in quel contesto è che si tratta di testo invisibile all’occhio umano ma comunque elaborabile dal software. Quella stessa proprietà consente agli autori degli attacchi di frammentare le parole in modo che i sistemi di rilevamento non le individuino, mentre i lettori non se ne accorgono.
- Mimecast ha osservato l’utilizzo di questa tecnica in campagne di phishing finanziario su larga scala, in esche che sfruttano le credenziali di account compromessi, in URL di invito all’azione e nello spoofing di marchi, inclusi inserimenti nel mezzo delle parole, oggetti saturi e nomi visualizzati omoglifi.
Nascosto in bella vista: come l’Unicode invisibile aiuta a eludere i filtri
Di Il team di ricerca sulle minacce di Mimecast
Punti chiave
Panoramica sulle minacce
Il testo offuscato è antico quanto l’elaborazione del testo stessa, e da decenni gli autori degli attacchi ricorrono a omografi, riempimento di caratteri, corpi costituiti esclusivamente da immagini e frammentazione HTML. Ciò che è cambiato è il vocabolario. Negli ultimi mesi, Mimecast Threat Research continua a osservare l’uso di varie tecniche di offuscamento, compreso l’impiego di caratteri Unicode invisibili. Si tratta di punti di codice che occupano una posizione nel flusso di byte grezzo ma che, in un normale client di posta, non vengono visualizzati, inseriti all’interno di parole chiave esca.
L’effetto è una divergenza intenzionale tra due lettori dello stesso messaggio. Il destinatario vede le parole. Un motore di rilevamento che esegue una corrispondenza letterale delle stringhe vede qualcosa di diverso. Non viene sfruttata alcuna vulnerabilità; la tecnica in sé non veicola alcun payload e il costo per l’operatore è una semplice operazione di “trova e sostituisci” in un modello.
Di cosa si tratta
Il veicolo principale è il blocco dei tag Unicode (U+E0000–U+E007F). Ogni punto di codice si trova a un offset fisso rispetto a un carattere ASCII stampabile (U+E0020 per uno spazio, U+E0043 per la “C”), ma i font e i client di posta più comuni non ne visualizzano nessuno. Il blocco è stato progettato per l’assegnazione di tag linguistici, un utilizzo che è stato successivamente abbandonato.
Poiché ogni carattere ASCII ha un gemello invisibile, un aggressore può scrivere istruzioni che un revisore umano non vede mai, ma che un modello linguistico legge come testo normale. Ecco perché questo blocco è così importante nella ricerca sull’iniezione di prompt.
Nell’evasione delle email l’obiettivo è diverso. L’autore dell’attacco non sta nascondendo un messaggio. Inserisce un carattere invisibile nel mezzo di una parola chiave in modo che le corrispondenze di stringhe contigue non vengano più attivate.
Perché funziona
Molti controlli antispam e anti-phishing si basano ancora su elenchi letterali di parole chiave o espressioni regolari. Inserire un carattere invisibile nel mezzo di una parola elude tali controlli senza modificare un singolo glifo visibile: Tre proprietà rendono questa tecnica allettante per un operatore:
- Non è richiesta alcuna vulnerabilità. Il comportamento è la corretta gestione Unicode da parte di ogni componente nel percorso. Nulla è malformato, quindi non ci sono errori.
- Il costo è trascurabile. Una modifica al modello applica la tecnica all’intera campagna, e il carattere può essere spostato in una posizione diversa all’interno della parola ad ogni invio per vanificare la creazione di firme.
- Inoltre, compromette anche i classificatori di apprendimento automatico. Senza normalizzazione, un tokenizzatore che incontra un punto di codice sconosciuto potrebbe suddividere un termine significativo come “credit” in frammenti privi di senso. Ciò indebolisce sia i classificatori di apprendimento automatico che le regole basate sulle parole chiave.
Come viene codificato
Lo stesso punto di codice può raggiungere una casella di posta in diverse rappresentazioni e il sistema di rilevamento deve tenerne conto tutte. Utilizzo di U+E0020 (TAG SPACE) come nella Tabella 1.
| Rappresentazione | Forma | Dove si osserva |
|---|---|---|
| Punto di codice Unicode | U+E0020 | Solo notazione |
| UTF-8 grezzo | F3 A0 80 A0 | Parte del corpo HTML, codificata in base64/quoted-printable |
| Entità decimale HTML | | Parte del corpo in testo semplice |
| Entità esadecimale HTML | | Parte del corpo HTML |
| Parola codificata MIME | =?UTF-8?B?…?= / =?UTF-8?Q?…?= | Intestazioni "Oggetto" e "Da" |
Tabella 1: Rappresentazione di U+E0020 osservata nelle e-mail
Campagne osservate
Campagna uno: inserimento minimo di parole chiave finanziarie nel corpo dell’e-mail.
L’uso più diffuso osservato da Mimecast è anche il più economico. I messaggi pubblicizzano finanziamenti aziendali non richiesti, linee di credito e prodotti di finanziamento anticipato, inserendo un singolo SPAZIO TAG all’interno di ciascuna parola chiave finanziaria anziché codificare alcun messaggio nascosto.
In una campagna, sette parole chiave sono state frammentate con U+E0020 in un corpo HTML di 14.283 caratteri, con un’impronta di offuscamento ben al di sotto dello 0,1%, mirata precisamente ai termini che una regola basata sulle parole chiave cercherebbe:
| Stringa grezza | Visualizzata dal destinatario |
|---|---|
| Cre + U+E0020 + dit | Credit |
| ter + U+E0020 + ms | termini |
| ra + U+E0020 + tes | tassi |
| acc + U+E0020 + ess | accesso |
| Ac + U+E0020 + cess | Accesso |
| fa + U+E0020 + st | fast |
Tabella 2: Suddivisioni delle parole chiave con U+E0020 e relative forme visualizzate
Figura 1: Campagna di phishing frammentata con U+E0020
Si noti la selezione. Ogni termine frammentato è una parola chiave del vocabolario relativo ai finanziamenti o un modificatore di urgenza. I testi circostanti, quali Bridge Funding, commissioni di pagamento anticipato e la qualifica professionale del mittente, sono stati lasciati intatti, il che indica un elenco di sostituzioni curato piuttosto che una randomizzazione indiscriminata.
Campagna due: offuscamento per saturazione nell’oggetto da un account compromesso
Un secondo modello, notevolmente più aggressivo, è stato osservato nei messaggi inviati da una casella di posta compromessa del settore dell’istruzione nei mesi di giugno e luglio 2026. In questo caso l’operatore non ha frammentato parole chiave selezionate, ma ha saturato l’intera riga dell’oggetto.
| Metrica | Esca «Scadenza account» (giugno 2026) | Esca relativa alla busta paga (luglio 2026) |
|---|---|---|
| Oggetto così come visualizzato | L'accesso all'account e-mail dell'università scadrà a breve 372508BQB | È stata generata la tua busta paga 361432LWA |
| Caratteri visibili | 53 | 41 |
| Punti di codice invisibili | 324 | 261 |
| Proporzione invisibile | 85,9% | 86,4% |
| Caratteri invisibili distinti | 34 | 34 |
| Rapporto tra caratteri invisibili e visibili | 6,1 : 1 | 6,4 : 1 |
Tabella 3: Densità dei caratteri invisibili nelle righe dell’oggetto saturate
Figura 2: Campagna di phishing che utilizza caratteri invisibili
Ogni confine tra caratteri visibili contiene una sequenza casuale da sei a otto punti di codice invisibili, misti tra tutte e tre le famiglie. Un singolo confine tratto dal campione di giugno illustra la struttura:
| 'S' + [U+00AD, U+2063, U+FEFF, U+2060, U+00AD, U+FE00] + 'o' -> "So" 'n' + [U+2063, U+2064, U+00AD, U+2061, U+2061, U+FEFF, U+2062, U+FE0B] + 'g' -> "ng" |
Questo impedisce la corrispondenza di sottostringhe di lunghezza superiore a un carattere e, cosa fondamentale, compromette anche gli identificatori alfanumerici della campagna aggiunti all’oggetto (372508BQB, 361432LWA) che altrimenti raggrupperebbero la campagna in modo banale.
I caratteri dei tag presenti in questi oggetti non formano un messaggio nascosto coerente. La loro conversione in ASCII produce rumore di punteggiatura come +&**#( '''$!)), a conferma del fatto che l’obiettivo è la frammentazione piuttosto che il contenuto nascosto — una distinzione significativa rispetto al caso d’uso dell’iniezione di prompt da parte dell’IA che condivide la stessa primitiva.
Figura 3: Campagna di phishing con contenuto minimo nel corpo del messaggio
Nel corpo in testo semplice dello stesso campione relativo all’accesso all’università, l’offuscamento non si limitava all’oggetto. Subito dopo il saluto, il MIME ha utilizzato il formato quoted-printable per inserire punti di codice invisibili che il destinatario legge comunque come una normale riga “Hello Corinne”:
| Hell=E2=80=8Co Corinne, =C2=AD=E2=80=8E=E2=80=8E=E2=80=8D=E2=80=8F=E2=81=A1=C2=AD=E2=81=A3=E2=80=8F= =E2=81=A0=EF=B8=87=EF=B8=83=EF=B8=80=EF=B8=85=F3=A0=80=A5=F3=A0=80=A7=F3=A0= =80=A6--=20 |
Figura 4: Saluto in formato quoted-printable e punti di codice invisibili
Una volta decodificato, il risultato è:
- Hell + U+200C (ZERO WIDTH NON-JOINER; QP =E2=80=8C) + o Corinne, → l’utente vede Hello Corinne,
- poi una sequenza compatta e invisibile prima del separatore della firma --:
Quindi il corpo del messaggio contiene sia un'unione ZWNJ a metà parola in Hello sia un cluster invisibile che include il blocco "Tags", lo stesso insieme di strumenti osservato nell'oggetto frammentato, pur rimanendo visivamente innocuo in un normale client di posta.
Carico utile
Ogni messaggio conteneva un documento Word che utilizzava come esca un documento relativo alla scadenza dell’account, con un avviso Microsoft “Rivedi o aggiorna il tuo account Microsoft” in cui si affermava che la casella di posta Office 365 del destinatario sarebbe stata disattivata. Il documento relativo alla busta paga riproduceva una notifica del portale paghe dei dipendenti e rimandava a un sottodominio di Cloudflare Workers.
Campagna tre: caratteri omografi nel nome visualizzato del mittente nell’intestazione MIME
Una terza variante applica l’offuscamento all’identità del mittente anziché al contenuto del corpo del messaggio. In un campione di avviso bancario dell’agosto 2026, il nome visualizzato era codificato come parola codificata MIME:
| Da: =?UTF-8?Q?B=C9=91nk_of_America?= <ealerts.backofamerica@pedro-tuning[.]sk> |
La sequenza quoted-printable =C9=91 si decodifica in U+0251 LATIN SMALL LETTER ALPHA, che è visivamente quasi identica alla lettera a minuscola nella maggior parte dei font sans-serif. Il nome visualizzato appare come Bank of America, pur non contenendo mai la stringa letterale “Bank of America” che una regola di identificazione del marchio rileverebbe. A differenza della tecnica dei caratteri invisibili, questa sostituzione è visibile, ma solo a un lettore che la cerchi espressamente.
Figura 5: Campagna di phishing che utilizza il nome visualizzato “Bank of America” contenente U+0251 (lettera minuscola alfa latina)
Campagna quattro: phishing con richiamata telefonica e codifica dello spazio a larghezza zero nell’usurpazione del marchio.
Oggetto Amazon “conferma dell’ordine / pagamento andato a buon fine” contenente una narrazione completa della truffa e un numero di richiamata, inviato tramite il branding di Amazon SES.
Figura 6: Esempio di phishing Amazon che utilizza la frattura del carattere invisibile nel testo del marchio
La classica frammentazione con caratteri invisibili in questa famiglia di campagne utilizza spesso lo spazio di larghezza zero (ZWSP):
Esempio: “Ama + U+200B + zon” continua a essere letto dall’utente come “Amazon”, ma la corrispondenza letterale della parola chiave/firma con la stringa contigua “Amazon” può fallire a meno che il testo non venga prima normalizzato.
Questo rientra nella stessa famiglia di tecniche di offuscamento delle giunzioni nel blocco dei tag e della frammentazione densa dell’oggetto: il destinatario vede intatto il linguaggio del marchio/dell’esca; i rilevatori che cercano corrispondenze tra token ininterrotti potrebbero non farlo.
Campagna cinque: phishing delle credenziali con carattere di larghezza zero nel CTA (Call to Action)
Come mostrato nella figura 7.0, il messaggio è indirizzato genericamente a “Caro Team”, firmato “Paghe/Risorse Umane” e afferma che il file allegato “Layoff_Letter.pdf” elenca il personale interessato. L’href punta a https://google.com.tw/share.google?q=<token>#<recipient_email>.
Figura 7.0: Email di phishing con carattere di larghezza zero nel CTA
Nel codice HTML grezzo, come mostrato nella figura 8.0, il nome host è scritto con tre riferimenti numerici al carattere U+180E (). Un browser li decodifica in caratteri invisibili, quindi la barra di stato e l’anteprima al passaggio del mouse mostrano ciò che sembra google.com.tw, mentre la stringa sottostante è diversa. Ciò inganna il destinatario e può anche confondere gli strumenti che decodificano e rimuovono i caratteri di formattazione prima di applicare una lista bianca, oppure che confrontano l’host con una corrispondenza esatta della stringa.
Figura 8.0: Carattere a larghezza zero nel CTA
Il frammento dell’URL contiene l’indirizzo e-mail del destinatario (#user@domain). I frammenti non vengono trasmessi nelle richieste HTTP, quindi il valore non compare nei log del server o del proxy, ma il JavaScript lato client sulla pagina di destinazione può leggerlo da `location.hash`, che i kit di phishing utilizzano comunemente per precompilare un modulo di credenziali. Il messaggio viene inoltre trasmesso in formato quoted-printable (=3D per =, interruzioni di riga soft), pertanto i parser devono decodificare tale livello prima di poter visualizzare l’URL. Un rilevamento affidabile richiede quindi una pipeline di canonicalizzazione: decodificare il formato quoted-printable, rimuovere l’escape dalle entità HTML, eliminare o contrassegnare i caratteri di formattazione (U+180E, da U+200B a U+200D, U+2060, U+FEFF), quindi analizzare l’URL e valutare sia la forma grezza che quella normalizzata.
Rischio in entrambe le direzioni
Questa tecnica non è nuova. L’offuscamento tramite caratteri invisibili e omoglifi circola negli strumenti di spam da molti anni, e il blocco «Tags» è noto da ancora più tempo. Ciò che è cambiato è il dibattito che lo circonda.
La ricerca sull’iniezione di prompt ha reso il contrabbando di caratteri ASCII una tecnica di base ampiamente documentata, ben supportata da strumenti e ben compresa. Ora esistono codificatori e decodificatori pubblici; i payload di prova sono facili da trovare e la tecnica ha un nome consolidato. Tale ricerca ha portato questa tecnica all’attenzione di un pubblico ben più ampio rispetto al passato, e gli stessi codificatori che producono istruzioni nascoste per i modelli generano anche violazioni nascoste dei filtri.
La preoccupazione ora va in entrambe le direzioni e le organizzazioni dovrebbero prepararsi a entrambe:
- Caratteri invisibili come strategia di elusione. L’utilizzo documentato sopra, mirato a regole basate su parole chiave, firme e tokenizzatori dei classificatori.
- Caratteri invisibili come istruzioni. Poiché agli assistenti e ai copiloti basati sull’intelligenza artificiale viene concesso l’accesso alle caselle di posta per riassumere, classificare, redigere bozze di risposta e intraprendere azioni, il corpo di un messaggio diventa un input non attendibile per un modello. I contenuti invisibili alla persona che approva l’azione non lo sono per l’assistente che li legge.
Osservazioni sul rilevamento
La valutazione basata esclusivamente sul contenuto rappresenta il punto più debole contro questa tecnica. Un rilevamento efficace combina il corpo del messaggio con i modelli di invio, l’età degli indicatori, il comportamento anomalo del mittente e l’analisi delle intenzioni; pertanto, una tecnica che si limita a frammentare le parole chiave ha minori probabilità di successo a causa delle lacune nel confronto delle stringhe.
La Multi Vector Threat Protection (MVTP) di Mimecast combina il corpo del messaggio con la struttura dell’e-mail, l’età degli indicatori e il comportamento anomalo del mittente — oltre ad altri segnali derivati dall’IA comportamentale — per giungere a un verdetto, rendendola resistente alle tecniche che frammentano le parole chiave. Inoltre, né l’MVTP né i classificatori basati sull’intelligenza artificiale di Mimecast vengono elusi dall’inserimento di caratteri invisibili. Prima della tokenizzazione sub-word, la fase di pulizia del testo rimuove i punti di codice del formato Unicode (Cf) — che coprono il blocco dei tag (U+E0000–U+E007F), i caratteri di formato a larghezza zero e bidirezionali (U+200B–U+200F, U+2060–U+2064), il trattino morbido (U+00AD) e il byte-order mark (U+FEFF). Una parola combinata con caratteri provenienti da uno qualsiasi di questi intervalli produce la stessa sequenza di token della parola pulita: Cre<U+E0020>dit e Credit sono indistinguibili per il modello. Il classificatore vede il testo così come lo legge il destinatario; ecco perché la frammentazione delle parole chiave, che elude la corrispondenza letterale delle stringhe, non si riflette nel rilevamento basato sul modello.
Figura 7: Rilevamento nell’arco di sette mesi
Come mostrato nella figura 7.0, il volume dei rilevamenti ha registrato un brusco picco all’inizio di marzo, raggiungendo un massimo di circa 26.000 in un solo giorno, per poi oscillare tra circa 10.000 e 22.000 fino a metà aprile — in linea con il fatto che gli autori degli attacchi stessero adeguando il proprio approccio per eludere il rilevamento. Da fine aprile in poi, il volume è sceso costantemente, stabilizzandosi su un livello di base basso e stabile fino a settembre.
Sebbene questo calo sia coerente con il fatto che le nostre difese abbiano colmato il divario, il volume dei rilevamenti da solo non conferma se gli autori degli attacchi abbiano abbandonato la tecnica o si siano semplicemente spostati altrove. Continuiamo a monitorare eventuali recrudescenze e a verificare questa tendenza confrontandola con le informazioni esterne sulle minacce.
Conclusione
Il testo offuscato è antico quanto l’elaborazione del testo stessa. Mimecast Threat Research ha osservato un rinnovato aumento dei caratteri invisibili del blocco “Tags” utilizzati a tale scopo. La tecnica, comunemente nota come “contrabbando ASCII” e resa popolare dalla ricerca sull’iniezione di prompt nell’intelligenza artificiale, è ancora utilizzata per eludere il rilevamento di parole chiave e firme nelle e-mail: gli autori degli attacchi inseriscono caratteri invisibili all’interno delle parole in modo che i destinatari vedano un testo normale, mentre i filtri letterali spesso non lo rilevano.
Mimecast ha riscontrato questa tecnica in campagne di phishing finanziario di massa, esche basate su credenziali di account compromessi, spoofing di marchi e truffe di callback. Le campagne precedenti venivano inviate in massa tramite una piattaforma di marketing mainstream da domini usa e getta a tema finanziario, con il ben noto obiettivo di phishing non richiesto relativo a prestiti, linee di credito e anticipi di fondi, legato a frodi e furti di credenziali. Lo stesso metodo è poi apparso in messaggi provenienti da account compromessi, inclusi casi di Business Email Compromise (BEC) e truffe basate sul callback, oltre che nomi visualizzati con omografi e oggetti fortemente frammentati. Il volume giornaliero ha registrato un’impennata a marzo, raggiungendo un picco vicino ai 26.000, per poi diminuire bruscamente nel corso di aprile e rimanere basso e sporadico da maggio a settembre.
La protezione multivettoriale contro le minacce di Mimecast giunge a una conclusione analizzando il corpo del messaggio insieme alla struttura dell’e-mail, all’età degli indicatori e al comportamento anomalo del mittente. I classificatori basati sull’intelligenza artificiale di Mimecast rimuovono inoltre i caratteri in formato Unicode, compreso il blocco “Tags”, prima della tokenizzazione; in questo modo, una parola frammentata come “Credit” produce la stessa sequenza di token della parola integra. La frammentazione delle parole chiave, che elude la corrispondenza letterale delle stringhe, non influisce su questo sistema di rilevamento basato su modelli.
Indicatori di compromissione
Campagna uno — esca per finanziamenti in blocco
| Indicatore | Tipo |
|---|---|
| expressloccapital[.]com | Dominio |
| em-3251641.expressloccapital[.]com | Dominio |
| expressloccapital123.acemlnd[.]com | Dominio |
| expressloccapital123.activehosted[.]com | Dominio |
| [Esterno] → Breve nota sulle opzioni di finanziamento di <azienda> | Oggetto |
Campagna n. 2 — Phishing con credenziali di account compromessi
| Indicatore | Tipo |
|---|---|
| msoff.systematicapproach[.]one | Dominio |
| solutionalliancetacticblue-waterfall-e044.mihofo9840.workers[.]dev | Dominio |
| Secure_Document_Copy_55338.docx | Nome file |
| fa540148c96fa80cd1d9591f73c4ed4e3a66679cc7819427efc386184c6fd017 | SHA-256 |
| Documento_di_conformità_67546.docx | Nome file |
| 4292da028ac1fac39eed78b4040086ddf53226d022658fb4d7b8c121fead6e5c | SHA-256 |
| Accesso all'account e-mail dell'università in scadenza 372508BQB | Oggetto |
| È stata generata la tua busta paga 361432LWA | Oggetto |
| Mailbird 2.9.80.0 / Postfix MTA 3.6.7 | X-Mailer |
Campagna tre — avviso bancario sugli omoglifi
| Indicatore | Tipo | Note |
|---|---|---|
| ealerts.backofamerica@pedro-tuning[.]sk | Mittente | Nome visualizzato Bɑnk of America utilizzando U+0251 |
| links.notification.intuit[.]com | Dominio | Servizio legittimo di tracciamento dei clic utilizzato in modo improprio per il reindirizzamento |