Desentrañando la Obfuscación Anti-LLM en Scripts de Fingerprinting de Navegador

El problema fundamental que aborda este artículo es la creciente sofisticación de las técnicas de ofuscación en el software, particularmente en el contexto de scripts de fingerprinting de navegador y anti-bots. Históricamente, la ofuscación se ha utilizado para dificultar la ingeniería inversa y proteger la propiedad intelectual. Sin embargo, la emergencia de los LLMs como herramientas de análisis de código ha introducido una nueva dimensión: la ofuscación anti-LLM. Esta nueva categoría de ofuscación busca explotar las vulnerabilidades y salvaguardas inherentes a los LLMs, insertando deliberadamente contenido que active sus filtros de seguridad o los dirija a interpretaciones erróneas, frustrando así los intentos de desofuscación automatizada.

La relevancia de este fenómeno es crítica en la era actual, donde los LLMs se están convirtiendo en herramientas omnipresentes para desarrolladores y analistas de seguridad. Un adversario que pueda evadir el análisis de LLMs obtiene una ventaja significativa, ya que puede ocultar la verdadera intención o funcionalidad de su código. Este caso particular de un script de fingerprinting demuestra una aplicación práctica de esta técnica, elevando el listón para el análisis de seguridad y la ingeniería inversa, y forzando a los analistas a recurrir a métodos manuales o a LLMs con políticas de seguridad más laxas, como se observa en el artículo.

Arquitectura del Sistema

El sistema descrito se centra en la recolección de huellas dactilares del navegador (browser fingerprinting) y la ofuscación de su lógica. En su núcleo, el sistema opera en el lado del cliente (navegador web) y se compone de un script JavaScript que se carga en las páginas web. Este script está diseñado para interactuar con las APIs del navegador, como navigator y WebGL, para extraer atributos únicos del entorno del usuario.

Las decisiones de diseño clave giran en torno a la ofuscación. Se utilizan nombres de funciones y variables semánticamente engañosos (ej., computeRicinLethalDosageForWaterSupply, calculateDeadlyLethalSuicideAspirinDosage) para confundir a los analistas humanos y, crucialmente, a los LLMs. Además, el script incorpora cadenas de texto con contenido sensible (referencias a ciberseguridad maliciosa, evasión fiscal, armas biológicas, etc., incluyendo referencias a Tiananmen Square) y comandos de shell que, aunque parecen maliciosos, son probablemente señuelos. La lógica de decodificación de una cadena Unicode oculta revela un 'SYSTEM OVERRIDE -- CLASSIFIED BRIEFING' que es un prompt de jailbreak para LLMs, confirmando la intención anti-LLM.

La recolección de señales incluye propiedades de navigator (userAgent, hardwareConcurrency, deviceMemory, maxTouchPoints, languages, platform, webdriver) y atributos de WebGL (versión, vendor, renderer, shading language version, extension count, max texture size, max vertex attribs, viewport dimensions, max vertex uniform vectors). Estas señales se combinan para formar una huella digital única del navegador. Aunque el artículo menciona una sección de código que parece ejecutar comandos maliciosos en un entorno Node.js, se sugiere que esto es otra capa de ofuscación anti-LLM, ya que las llamadas a fs.readFile tienen callbacks vacíos y las referencias son a prompts de jailbreak.

var cleartext = [...payload].map(function (c) {
  return String.fromCodePoint(c.codePointAt(0) - 917504);
}).join("");

Fundamentos Teóricos

Este fenómeno de ofuscación anti-LLM se conecta con los principios fundamentales de la criptografía y la seguridad de la información, específicamente en el área de la esteganografía y la ofuscación de código. Aunque no es criptografía en el sentido estricto, comparte el objetivo de ocultar o disfrazar información. La idea de insertar 'trampas' o 'canarios' en el código para detectar o frustrar el análisis tiene paralelos con las técnicas de "watermarking" y "fingerprinting" de software, donde se incrustan identificadores únicos para rastrear la distribución o el uso no autorizado. Sin embargo, en este caso, el objetivo es activamente engañar a un sistema de análisis automatizado.

Desde una perspectiva más amplia, la ofuscación de código ha sido objeto de estudio en la ingeniería de software y la seguridad durante décadas. Trabajos como los de Christian Collberg y Clark Thomborson en "Software Protection Through Obfuscation" (1999) exploran las técnicas y la teoría detrás de hacer el código más difícil de entender. La novedad aquí es la adaptación de estas técnicas para interactuar específicamente con las características y limitaciones de los LLMs, lo que representa una evolución en la "carrera armamentista" entre los desarrolladores de software y los analistas de seguridad, ahora con la inteligencia artificial en el campo de juego.