Geolocalizzazione di tracce audio basata sulla similarità della frequenza elettrica

Nell'era digitale attuale, la protezione della privacy individuale è sempre più messa alla prova da tecniche di localizzazione non convenzionali. Anche in assenza di GPS o segnali espliciti, è spesso possibile inferire la posizione geografica di un utente sfruttando side - channel — ossia canali informativi secondari — come i segnali Wi - Fi, i pattern di consumo energetico o il rumore ambientale. Alcuni studi recenti hanno dimostrato che è possibile ricostruire gli spostamenti di un utente a partire da contenuti social geolocalizzati o da semplici variazioni nei segnali acustici di fondo. In questo scenario, il rischio di sorveglianza invisibile è concreto e crescente, sollevando nuove domande su sicurezza e autonomia digitale. La presente Tesi esplora un metodo alternativo per l’inferenza passiva della posizione, basato sull’analisi di segnali legati alla rete elettrica. L’ipotesi alla base è che la frequenza di rete — soggetta a leggere variazioni nel tempo — lasci un’impronta nei segnali audio ambientali, ad esempio nel rumore di un elettrodomestico. È stato costruito un sistema completo di raccolta, confronto e analisi di tali segnali, includendo una griglia geografica sperimentale di computer distribuiti, l’acquisizione di oltre 45 ore di registrazioni sincronizzate e lo sviluppo di una pipeline per l’analisi automatica basata su metriche di similarità. I test hanno mostrato che, anche con metriche basilari, è possibile restringere con buona precisione il luogo di registrazione. Inoltre, è emerso che anche dispositivi comuni come semplici cuffiette possono captare passivamente questi segnali, rendendo ancora più plausibile uno scenario di attacco reale. Il lavoro getta così le basi per futuri sviluppi con tecniche di apprendimento automatico, come il contrastive learning, e per un’estensione della griglia di raccolta su scala nazionale o internazionale.