Rimuovi caratteri invisibili — Trova spazi a larghezza zero e Unicode nascosto

Uno spazio a larghezza zero (U+200B) è un carattere Unicode che indica un possibile punto di a capo ma non ha larghezza, quindi è invisibile. È legittimo in lingue come il thailandese, che non usano spazi, ma in un testo italiano o inglese di solito arriva con il copia e incolla e crea problemi: due parole che sembrano identiche non corrispondono più, i link si rompono e il codice fallisce con errori di sintassi incomprensibili.

Non ci sono prove affidabili che ChatGPT inserisca caratteri nascosti come filigrana, e OpenAI ha dichiarato di non aver rilasciato il metodo di filigrana testuale che ha sperimentato. Le segnalazioni occasionali di spazi unificatori stretti nell'output del modello riflettono la tipografia che il modello ha imparato, non un segno di tracciamento. La filigrana SynthID di Google per i testi di Gemini funziona tramite la scelta statistica delle parole, quindi non è visibile come caratteri e nessuno strumento di rimozione dei caratteri può eliminarla.

No. I rilevatori di IA come GPTZero e Turnitin analizzano formulazione, struttura delle frasi e prevedibilità, non i caratteri invisibili, quindi ripulire il testo non cambia il loro punteggio. Trucchi come inserire caratteri a larghezza zero tra le lettere vengono a loro volta rilevati da molti strumenti come manipolazione. Questo strumento serve a sistemare un testo che si comporta male, non a camuffarne l'origine.

Uno spazio unificatore (U+00A0) sembra uno spazio normale ma impedisce l'a capo in quel punto, ed è per questo che gli elaboratori di testo lo usano tra un numero e la sua unità di misura. Nei dati e nel codice crea problemi: "1 000" con uno spazio unificatore non viene interpretato come numero e la ricerca di "New York" non trova corrispondenze. Lo spazio unificatore stretto (U+202F) usato in francese e in alcuni formati orari si comporta allo stesso modo.

I caratteri tag (da U+E0020 a U+E007E) sono copie invisibili delle lettere ASCII, nate per i tag di lingua e oggi usate all'interno di alcune emoji di bandiere. Poiché non vengono visualizzati ma i modelli linguistici li leggono comunque, gli aggressori li usano per nascondere istruzioni in pagine web, documenti ed email che un assistente IA elaborerà in seguito. Questo strumento decodifica e mostra qualsiasi testo tag nascosto, e mantiene quelli che fanno parte di un'emoji di bandiera valida.

Gli omoglifi sono caratteri di alfabeti diversi che appaiono identici, come la "a" latina e la "а" cirillica (U+0430), o la "o" latina e la "ο" greca. Mescolati in una parola producono un testo che sembra corretto ma non corrisponde, una tecnica usata nei domini di phishing e per eludere i filtri di parole chiave. Lo strumento li segnala solo all'interno di parole che contengono anche lettere latine, quindi un vero testo russo o greco non viene modificato.