Stilometria: come il tuo stile di scrittura può identificarti

Risorsa aggiuntiva per la lezione “Lo stile di scrittura come impronta (stilometria)” — corso Anonimato Online

La stilometria studia lo stile di scrittura come qualcosa che si può misurare: le parole che usi più spesso, il modo in cui metti la punteggiatura, la lunghezza delle tue frasi. Insieme, queste abitudini possono funzionare come un’impronta del testo. Questa risorsa spiega come funziona, perché i modelli linguistici la rendono più economica da applicare e che cosa significa se scrivi qualcosa con uno pseudonimo.

A. Perché conta

In questo corso la privacy è decidere che cosa gli altri sanno di te; l’anonimato è agire senza che ciò che fai venga collegato a chi sei. Le risorse precedenti hanno guardato ai collegamenti creati da dispositivi e browser, come l’indirizzo IP o i cookie. Questa guarda a un collegamento che crei tu, ogni volta che scrivi.

Scrivere con uno pseudonimo è comune e legittimo: la recensione di una trattoria, una domanda su un forum, un blog su un hobby. Lo pseudonimo separa il testo dal tuo nome. Non lo separa dal modo in cui scrivi, e il tuo modo di scrivere si può confrontare con altri testi che il tuo nome lo portano.

Non vuol dire che ogni testo firmato con un soprannome si possa ricondurre a chi l’ha scritto: lo stile è un collegamento in più, di solito debole da solo, più forte quando si somma a ciò che un testo racconta della tua vita.

Cosa dicono le fonti

In Italia la Dichiarazione dei diritti in Internet, il testo approvato il 28/07/2015 dalla Commissione per i diritti e i doveri in Internet della Camera dei deputati, dedica all’anonimato l’articolo 10: «Ogni persona può accedere alla rete e comunicare elettronicamente usando strumenti anche di natura tecnica che proteggano l’anonimato». Lo stesso articolo prevede che, se sono violati dignità e diritti fondamentali o negli altri casi previsti dalla legge, l’autorità giudiziaria possa disporre con provvedimento motivato l’identificazione dell’autore.

Misurare lo stile per riconoscere un autore non è un’idea nuova. Nel 1963 gli statistici statunitensi Frederick Mosteller e David Wallace esaminarono dodici saggi politici del Settecento, i «Federalist papers», contesi tra Alexander Hamilton e James Madison. Parte delle prove migliori veniva da parole comuni: Hamilton usava «upon» circa tre volte ogni mille parole, Madison circa una volta ogni seimila. Conclusero che i dodici saggi erano tutti di Madison.

Nel 2013 il linguista computazionale Patrick Juola, su richiesta del Sunday Times, ha confrontato un giallo uscito con il nome di Robert Galbraith con i libri di quattro scrittrici candidate. Ha guardato la lunghezza delle parole, le 100 parole più comuni, brevi sequenze di lettere e coppie di parole vicine. J.K. Rowling è risultata la candidata più probabile, e Juola ha precisato che l’analisi indicava lei, senza dimostrarlo. Poco dopo Rowling ha confermato, tramite un portavoce, di essere l’autrice.

Pubblicare con uno pseudonimo è una scelta che la legge riconosce: per la legge sul diritto d’autore (art. 21 della legge 633/1941) l’autore di un’opera anonima o pseudonima «ha sempre il diritto di rivelarsi»: se e quando farlo lo decide chi scrive, e nel 2021 la Corte europea dei diritti dell’uomo (Standard Verlagsgesellschaft mbH c. Austria, n. 3) ha riconosciuto che l’anonimato online favorisce la libera circolazione di opinioni e idee, pur non essendo un diritto assoluto. La stilometria conta proprio perché può togliere all’autore questa decisione.

La scala, intanto, è cresciuta. Uno studio del 2012 di Arvind Narayanan e colleghi ha messo alla prova l’identificazione dell’autore tra 100.000 blogger: in oltre il 20% dei casi il sistema indicava quello giusto. Nel 2024 alcuni ricercatori del Politecnico federale di Zurigo (ETH) hanno mostrato che i modelli linguistici di grandi dimensioni possono dedurre da ciò che le persone scrivono dettagli personali come luogo, reddito e sesso. Lo stesso anno uno studio sottoposto a revisione tra pari (EMNLP 2024) ha verificato che questi modelli sanno dire se due testi hanno lo stesso autore e sceglierlo tra 10 o 20 candidati, «senza bisogno di un addestramento specifico» per il compito (traduzione nostra).

B. Concetti chiave: come funziona la stilometria

Cinque idee, dalle abitudini in sé a ciò che oggi le macchine sanno farne.

Lo stile è un insieme di abitudini che si possono contare

Visto così, lo stile è un insieme di dati: quanto spesso usi certe parole, quanto sono lunghe le tue parole e le tue frasi, quali segni di punteggiatura preferisci, come apri e chiudi un messaggio. Un gruppo di ricerca europeo che ha creato un programma per questo lavoro descrive il proprio campo come «lo studio quantitativo dello stile di scrittura» (traduzione nostra). L’analisi confronta questi conteggi tra testi diversi e si chiede a quale autore conosciuto somigli di più un testo nuovo.

Perché ti riguarda: Gran parte di queste abitudini non sono scelte consapevoli. Proprio per questo restano uguali quando cambi il nome in cima alla pagina.

Le parole piccole dicono di più

Sembra un paradosso, ma le parole più rivelatrici sono spesso le meno interessanti: «il», «di», «che», «e», «però». Mosteller e Wallace le chiamavano parole funzionali, cioè articoli, preposizioni e congiunzioni: la loro frequenza resta abbastanza stabile qualunque sia l’argomento, a differenza di parole come «guerra». Il programma di ricerca citato sopra parte proprio dalle parole più frequenti come impostazione predefinita.

Perché ti riguarda: Cambiare l’argomento di cui scrivi cambia poco queste abitudini. Una recensione di un libro e un’email di lavoro possono condividerle.

L’impronta stilistica è una combinazione, non un vezzo

In questa risorsa «impronta stilistica» (in inglese si parla di writeprint) è solo un modo per descrivere l’insieme, per analogia con l’impronta digitale. Nel 2008 i ricercatori Ahmed Abbasi e Hsinchun Chen hanno chiamato Writeprints una tecnica pensata per l’identificazione e il confronto di identità anonime. Un’abitudine isolata, come la passione per il punto e virgola, la condividono in molti. Tante abitudini insieme, dalla lunghezza delle parole ai connettivi preferiti all’uso delle parentesi, formano un profilo molto più raro: lo studio del 2012 ne combinava più di mille, dalla punteggiatura alle parole funzionali.

Perché ti riguarda: Come per l’impronta del browser, è l’insieme che restringe la folla. Nessuna abitudine da sola ti tradisce; è la combinazione che fa sembrare tuo un testo.

L’attribuzione d’autore è una probabilità, non una prova

L’attribuzione d’autore consiste nello stimare chi, tra un gruppo di candidati, ha scritto più probabilmente un testo. Funziona meglio quando i candidati sono pochi e di ciascuno c’è molto testo. Juola ha scritto che la candidata più probabile era «probabilmente Rowling» (traduzione nostra), e ha riconosciuto che il libro poteva essere di qualcuno che, per caso o di proposito, scriveva come lei.

Perché ti riguarda: Una somiglianza di stile è un indizio, non un’identificazione. Pesa di più dove qualcuno ha già una lista corta di possibili autori, come colleghi, compagni di classe o i membri di una piccola comunità.

I modelli linguistici rendono l’analisi più economica

I modelli linguistici di grandi dimensioni, i sistemi su cui si basano i chatbot di intelligenza artificiale, possono leggere testi comuni e ricavarne indizi da soli. Lo studio di Zurigo ha rilevato che lo facevano con un costo 100 volte inferiore e in un tempo 240 volte più breve rispetto alle persone. Lo studio EMNLP aggiunge che sanno motivare la risposta con «un’analisi dettagliata dei tratti linguistici» (traduzione nostra), cioè proprio delle abitudini descritte sopra.

Perché ti riguarda: Le tue abitudini non sono cambiate; è cambiata la fatica per confrontarle. L’idea che sia troppo lavoro perché qualcuno se ne occupi regge meno di prima.

C. Un esempio concreto: le recensioni di Sara

Sara ha 28 anni e insegna in una scuola secondaria a Milano. Durante la settimana scrive messaggi alle famiglie sul registro elettronico e molte email ai colleghi. Nel tempo libero pubblica recensioni di libri su un forum di lettura, con un soprannome. Non ha niente da nascondere: le piace semplicemente tenere le sue letture separate dal lavoro.

Un pomeriggio una collega le racconta di una recensione che le era piaciuta su quel forum e aggiunge, scherzando, che sembrava uno dei messaggi di Sara alle famiglie. Sara non si allarma, ma è curiosa. Non aveva mai nominato la scuola, la città o il suo nome. Che cosa aveva notato la collega?

Quella sera mette uno accanto all’altro un messaggio alle famiglie e due recensioni. Le somiglianze saltano all’occhio. In tutti e tre i testi comincia con «Allora,». Usa le lineette per gli incisi dove altri usano le parentesi, chiude i paragrafi con una breve domanda e scrive «un pochino» dove altri scrivono «un po’».

La sua espressione preferita, «per quel che vale», compare due volte. E una recensione parla anche della sua corsa sotto la pioggia per prendere il tram davanti ai cancelli della scuola.

Che cosa è cambiato quando Sara ha guardato il proprio stile

• Ha visto che il collegamento più forte non era una parola, ma una combinazione: la stessa apertura, le stesse lineette e la stessa espressione, tutte insieme.
• Ha notato che la frase sul tram davanti alla scuola la collegava alla recensione molto più direttamente di qualsiasi segno di punteggiatura, e l’ha tolta.
• Ha deciso che il resto andava bene. Che una collega riconosca i suoi gusti in fatto di romanzi non è un problema per lei, e non vuole scrivere le recensioni con una voce che non è la sua.

Se un giorno scriverà qualcosa in cui la separazione conta di più, ora sa che contano sia il contenuto sia lo stile. Mantenere coerenti identità separate è un tema che il corso riprende a un livello successivo.

D. Provaci tu: confronta due tuoi testi (15 minuti)

Quattro passi brevi, con carta e penna o un documento vuoto. Usa solo testi tuoi e tieni gli appunti per te: l’esercizio funziona senza caricare niente su un sito o in un chatbot.

Passo 1 — Scegli due testi (3 minuti)

• Scegli un testo scritto con il tuo nome, come un’email o un post su un profilo con il tuo nome, e uno scritto altrove, oppure semplicemente due testi su argomenti diversi.
• Evita testi che contengono informazioni private di altre persone.

Passo 2 — Guarda parole ed espressioni (4 minuti)

• Sottolinea come comincia e come finisce ciascun testo.
• Annota le piccole parole di collegamento che usi più spesso, come «quindi», «comunque», «praticamente», «però» o «insomma».
• Cerchia ogni frase o espressione che compare in entrambi i testi.

Passo 3 — Guarda punteggiatura e ritmo (4 minuti)

• Segna lineette, parentesi, punti e virgola, punti esclamativi, puntini di sospensione ed emoji.
• Conta, a occhio, le parole di cinque frasi di ciascun testo. Le tue frasi sono soprattutto brevi, soprattutto lunghe o miste?
• Annota le scelte di grafia e di forma: «email» o «e-mail», «perché» o «perchè», «ad esempio» o «per esempio», numeri in lettere o in cifre, maiuscola a inizio messaggio o no.

Passo 4 — Elenca cinque abitudini e decidi (4 minuti)

• Scrivi cinque abitudini che compaiono in entrambi i testi e che ti sembrano le meno comuni.
• Accanto a ciascuna scrivi «va bene» oppure «da sapere».
• Aggiungi ogni dettaglio di contenuto, come il tuo lavoro, la tua città o un’abitudine quotidiana, che collega un testo a te più direttamente del suo stile.

Lo scopo è la consapevolezza, non il travestimento.

E. Video, articoli e altre risorse

Prima le fonti sui diritti, poi la ricerca dietro gli esempi di questa risorsa. La Dichiarazione è in italiano; le altre fonti sono in inglese.

Diritti e contesto

Camera dei deputati — Dichiarazione dei diritti in Internet (2015)
Il testo approvato dalla Commissione per i diritti e i doveri in Internet: l’articolo 10 è dedicato alla protezione dell’anonimato e ai suoi limiti.
https://www.camera.it/application/xmanager/projects/leg17/commissione_internet/TESTO_ITALIANO_DEFINITVO_2015.pdf

Global Freedom of Expression (Columbia University) — Standard Verlagsgesellschaft mbH v. Austria (no. 3)
La scheda sulla sentenza della Corte europea dei diritti dell’uomo del 07/12/2021: l’anonimato online è importante per la libera circolazione delle idee, ma non è un diritto assoluto.
https://globalfreedomofexpression.columbia.edu/cases/standard-verlagsgesellschaft-mbh-v-austria-no-3/

Ricerca sull’attribuzione d’autore

CSLI Publications (Stanford University) — Inference and Disputed Authorship: The Federalist
La ristampa del libro del 1964 in cui Mosteller e Wallace usano le parole frequenti per attribuire i «Federalist papers» contesi.
https://web.stanford.edu/group/cslipublications/cslipublications/site/1575865521.shtml

Language Log (University of Pennsylvania) — Rowling and «Galbraith»: an authorial analysis
Il resoconto del 2013 in cui Patrick Juola descrive i quattro test che ha fatto e i loro limiti.
https://languagelog.ldc.upenn.edu/nll/?p=5315

The R Journal — Stylometry with R: A Package for Computational Text Analysis
Un gruppo di ricerca europeo (Accademia polacca delle scienze, Università Jagellonica, Università di Anversa) presenta un programma per analizzare lo stile.
https://journal.r-project.org/articles/RJ-2016-007

Princeton University — On the feasibility of internet-scale author identification
Lo studio del 2012, presentato all’IEEE Symposium on Security and Privacy, sull’identificazione dell’autore tra 100.000 blogger.
https://collaborate.princeton.edu/en/publications/on-the-feasibility-of-internet-scale-author-identification/

Modelli linguistici, privacy e attribuzione d’autore

ETH Zurich, SRI Lab — Beyond Memorization: Violating Privacy Via Inference with Large Language Models
Lo studio del 2024 che mostra come i modelli linguistici possano dedurre dettagli personali da testi comuni.
https://eth-sri.github.io/publications/staab2023beyond

ACL Anthology — Can Large Language Models Identify Authorship?
Uno studio del 2024 sottoposto a revisione tra pari (Findings of EMNLP 2024) sui modelli linguistici che verificano e attribuiscono la paternità di un testo senza addestramento specifico.
https://aclanthology.org/2024.findings-emnlp.26/

Link verificati a novembre 2026. Se un indirizzo cambia, cercare il titolo sul sito dell’ente di solito aiuta a ritrovarlo.

F. Il Framework Cyber Welfare: Competenze, Consapevolezza, Comportamento Sicuro

Questa risorsa sta nel Framework Cyber Welfare sul pilastro Consapevolezza, livello FL2 – Iniziato: accorgersi che il modo in cui scrivi è un collegamento, prima di decidere dove conta.

Competenze

• Nominare le abitudini che l’analisi dello stile misura: parole frequenti, punteggiatura, lunghezza delle frasi, aperture e chiusure.
• Confrontare due tuoi testi ed elencare le abitudini che hanno in comune.
• Riconoscere in un testo i dettagli di contenuto che lo collegano a te più direttamente del suo stile.

Consapevolezza

• Capire che uno pseudonimo nasconde il tuo nome ma non le tue abitudini di scrittura.
• Sapere che l’attribuzione d’autore dà probabilità e funziona meglio con una lista corta di candidati.
• Riconoscere che i modelli linguistici riducono la fatica necessaria per confrontare testi e per dedurne dettagli.

Comportamento Sicuro

• Rileggere un testo che pubblichi con un soprannome cercando dettagli sulla tua vita che non volevi includere.
• Decidere, in proporzione, quali dei tuoi testi con pseudonimo devono davvero restare separati dal tuo nome.
• Non inserire testi scritti da altri negli strumenti di IA quando ti incuriosisce sapere chi ha scritto qualcosa.

G. Domande su cui fermarti

• Quali tuoi testi accetteresti di vedere collegati al tuo nome, e quali preferiresti tenere separati?
• Chi legge già abbastanza di ciò che scrivi, al lavoro, a scuola o tra amici, da riconoscerti anche senza firma?
• Se un’analisi dicesse che un testo è «probabilmente» tuo, quanto peserebbe quella parola, e per chi?

H. Cosa fare adesso

Le raccomandazioni (R) e le misure di sicurezza (MS) del database Cyber Welfare che si applicano più direttamente qui.

Nessun codice del database riguarda direttamente lo stile di scrittura, quindi i consigli qui sotto sono dati senza codice.

1. Prima di pubblicare con un soprannome

• Rileggi cercando dettagli sulla tua vita: il lavoro, la città, le abitudini, i nomi delle persone vicine. Di solito collegano un testo a te più del suo stile.
• Decidi quali testi con pseudonimo contano davvero. Una recensione di un libro e una testimonianza personale chiedono gradi di separazione diversi.

Impegno minimo: la prossima volta che pubblichi con un soprannome, rileggi il testo una volta e togli un dettaglio sulla tua vita che non volevi condividere.

2. Tenere presenti i limiti

• Diffida di chi dice che uno strumento può «dimostrare» chi ha scritto un testo, e di chi promette che un testo non potrà mai essere collegato a te.
• Se ti incuriosisce sapere chi ha scritto qualcosa, non incollare testi privati di altre persone in uno strumento di IA per scoprirlo.

Impegno minimo: questa settimana fai una volta il confronto tra due testi della sezione D e tieni per te la lista delle cinque abitudini.

In breve

• La stilometria misura abitudini di scrittura come parole frequenti, punteggiatura e lunghezza delle frasi, e le confronta tra testi diversi.
• Uno pseudonimo nasconde il tuo nome, non le tue abitudini di scrittura; è la loro combinazione che può indicare te.
• L’attribuzione d’autore dà probabilità, non prove, e i modelli linguistici oggi la rendono più economica, spesso insieme ai dettagli che un testo racconta.
• Non devi cambiare il tuo modo di scrivere. Conoscere le tue abitudini, e ciò che i tuoi testi dicono della tua vita, ti permette di scegliere dove la separazione conta.

Risorse correlate in questo corso

• Ricerca inversa di immagini: chi può trovarti da una foto
• Proteggersi dai deepfake: limitare, accorgersi, agire
• Usare i chatbot in modo anonimo: fin dove si può davvero
• Dati anonimi? Perché pochi dettagli bastano a identificarti

Scopri altre risorse aggiuntive dei corsi online del Programma Proteggi la Tua Privacy Digitale.