In questo articolo Indice dei contenuti 3 sezioni
Dentro ogni Mac lavora in silenzio un grafo della conoscenza personale che raccoglie molto più di quanto mostrino le app usate ogni giorno. Non si tratta solo di email, fotografie, appuntamenti e contatti: macOS è in grado di collegare questi elementi, riconoscere legami tra persone e ricostruire abitudini, arrivando a formulare ipotesi sulla vita privata di chi usa il computer anche quando certe informazioni non sono mai state fornite in modo esplicito. La tecnologia ha radici precedenti all’arrivo di Apple Intelligence. Già nel 2023 alcuni ricercatori Apple, nello studio Growing and Serving Large Open domain Knowledge Graphs, descrivevano tecniche per costruire grafi personali direttamente sui dispositivi, con lo scopo di migliorare le ricerche, riconoscere le entità e dare risposte su misura senza spedire continuamente i dati a server remoti.
Un’indagine firmata da Dario Pasquini e Michał Bazyli, ricercatori di Eighth Rank, permette ora di guardare il sistema da vicino. Analizzando macOS 26 i due hanno individuato 51 database SQLite, un vocabolario di 181 classi di entità e 278 predicati che descrivono proprietà e relazioni. Al centro ci sono due daemon di sistema, knowledgeconstructiond e intelligenceplatformd. Il primo analizza i contenuti del dispositivo e costruisce il grafo, il secondo collabora alla gestione dei dati e alle elaborazioni. La conferma arriva dalla stessa pagina del manuale, consultabile dal Terminale con il comando man 8 knowledgeconstructiond, che parla apertamente di un grafo rappresentativo dell’utente e del computer. Gli archivi si trovano nella cartella ~/Library/IntelligencePlatform e tra questi spicca graph.db. I file non sono cifrati singolarmente, ma l’accesso viene limitato dai controlli di sicurezza come TCC e il permesso Full Disk Access.
Come ragiona il database nascosto di macOS
Il database segue un modello a triple composto da soggetto, predicato e oggetto. Il soggetto identifica un’entità, il predicato una proprietà o una relazione, mentre l’oggetto contiene un valore oppure rimanda a un’altra entità. Basta immaginare una riunione in calendario con un collega il cui nome compare anche in rubrica e in parecchie foto aziendali. Il sistema può ricondurre tutto alla stessa persona, collegarla all’azienda per cui lavora e misurare quanto spesso ci si sente. Per capire quando record diversi indicano lo stesso individuo Apple sfrutta anche rappresentazioni vettoriali chiamate embedding, e ogni collegamento riceve un valore di confidenza compreso tra 0 e 1 che separa un dato certo da una semplice stima.
Il punto più delicato riguarda le relazioni familiari. I ricercatori hanno trovato due modelli Core ML che valutano nel complesso 144 caratteristiche numeriche, di cui 20 legate soprattutto all’identità, 40 alle comunicazioni e 84 alle fotografie. Contano il cognome in comune, l’indirizzo di casa, l’appartenenza a un gruppo Famiglia di iCloud, la frequenza dei contatti e la presenza delle stesse persone nelle immagini. In pratica il Mac può intuire un probabile legame di parentela anche senza una voce come madre, figlio o partner nella rubrica.
Metadati, tracce cancellate e lo strumento iKnow
Il grafo registra anche i metadati delle comunicazioni, cioè interlocutore, data, ora, app usata e direzione dello scambio. Senza leggere una sola parola dei messaggi, gli orari di chiamate e chat possono rivelare i periodi di lavoro, le abitudini serali e le ore di sonno. Lo stesso vale per le foto, dove la frequenza con cui due volti appaiono insieme e i luoghi degli scatti suggeriscono parentele, amicizie e rapporti professionali. C’è poi una tabella chiamata expiredstablegraph che conserva relazioni non più considerate valide, insieme ai dati su provenienza e affidabilità. Alcuni elementi sembrano restare per circa 48 ore, altri risultano molto più vecchi, e una regola generale non è emersa.
Per rendere visibile tutto questo gli autori hanno creato iKnow, un’app open source con licenza Apache 2.0 disponibile su GitHub che funziona con Python 3 e la sua libreria standard. Dopo aver clonato il progetto si avvia con python3 server.py, che apre un server locale su 127.0.0.1 alla porta 8765 e genera un token casuale con l’indirizzo da aprire nel browser. I database vengono letti in sola lettura. Serve però concedere al Terminale l’accesso completo al disco dalle Impostazioni di Sistema, in Privacy e sicurezza, permesso che conviene revocare a fine analisi dopo aver chiuso il server con Ctrl+C.
Privacy e il rischio di concentrare troppi dati
Apple punta sull’elaborazione locale e ricorre a Private Cloud Compute solo per le richieste più complesse, senza conservare i dati sui server. L’indagine non dimostra alcun invio indiscriminato del grafo ad Apple. Il problema vero è la privacy legata alla concentrazione delle informazioni, perché chi ottenesse un accesso sufficiente al dispositivo potrebbe incrociare contatti, appuntamenti, foto e relazioni dedotte per orchestrare attacchi di social engineering molto credibili. Per limitare i rischi è utile tenere macOS aggiornato, controllare le app con accesso completo al disco e attivare FileVault. Disattivare Apple Intelligence non è comunque una procedura documentata per cancellare l’intero grafo, le cui componenti sono nate prima delle funzioni generative.
Fonte: TecnoAndroid