Riferimento
Per avvocati, responsabili della protezione dei dati, magistrati e giornalisti. Ogni voce: una spiegazione semplice, un'immagine tratta dall'aula di giustizia e ciò che essa comporta sul piano probatorio.
Ogni giorno MachineWitness visita un ampio elenco fisso di siti europei e registra ciò che essi dichiarano alle macchine: se un sito riserva i propri contenuti contro l'addestramento dei modelli di IA (robots.txt, ai.txt, tdmrep.json, llms.txt, nonché le riserve contenute nelle intestazioni e nei meta tag della pagina iniziale). Ogni registrazione è sigillata crittograficamente lo stesso giorno, ancorata fuori dalla nostra portata e, dal 4 agosto 2026, registrata in parallelo da un secondo testimone indipendente. Anni dopo, l'archivio risponde a una sola domanda: «che cosa ha servito X alle macchine nella data Y?» Noi registriamo. Non interpretiamo, non accusiamo e non giudichiamo.
Questo è ciò che l'archivio registra oggi, e non altro. Le istantanee delle identità pubblicate dei crawler di IA e delle condizioni dei fornitori di IA sono previste nel progetto e non sono ancora raccolte; quando una loro registrazione avrà inizio, la data di inizio sarà indicata qui. Preferiamo descrivere meno di quanto deteniamo, anziché di più.
Per il contenuto completo di un singolo record, campo per campo su un esempio svolto, si veda Che cosa conserviamo su un dominio.
La registrazione di una singola risorsa web in un singolo istante: i byte esatti consegnati dal server, più il quando, il a chi e il come.
Immagine: una pagina del repertorio di un notaio.
Una controversia riguarda sempre una data determinata: non «che cosa dice il file», ma «che cosa diceva il 14 agosto 2027».
L'impronta di un contenuto digitale: un codice breve, di lunghezza fissa, calcolato dai byte esatti. Basta cambiare un carattere e l'impronta cambia interamente; è praticamente impossibile costruire un documento diverso con la stessa.
Immagine: un'impronta digitale che identifica una versione determinata di un documento, non semplicemente il documento.
È l'impronta di ogni istantanea a essere sigillata e ancorata; confrontare le impronte in seguito prova che il contenuto non è stato alterato.
Ogni contenuto è protocollato sotto la propria impronta: l'impronta è il numero di protocollo. Un contenuto identico, anche da un giorno o da un sito all'altro, è conservato una volta sola e richiamato più volte.
Immagine: un deposito di reperti dove l'etichetta della scatola è l'impronta di ciò che contiene: nulla può esservi sostituito senza che l'etichetta cessi di corrispondere.
Recuperare un contenuto tramite la sua impronta rende ogni alterazione evidente di per sé.
Con ogni istantanea sigilliamo le circostanze della consegna: l'insieme delle intestazioni di risposta HTTP, l'impronta del certificato TLS del server insieme a cinque campi analizzati che ne derivano, l'indirizzo IP del server osservatore e la marca oraria, il tutto sottoposto ad hash nello stesso record sigillato del contenuto. Dal 15 settembre 2026 la catena di certificati è registrata per intero, così come il server l'ha consegnata: il certificato del server e gli intermedi inviati con esso, ciascuno conservato integralmente. La modifica non opera retroattivamente: per le osservazioni anteriori a quella data esiste soltanto l'impronta e, quando serve il certificato stesso, di norma può essere ottenuto dai registri pubblici di trasparenza dei certificati (RFC 6962). Si veda che cosa contiene un record.
Immagine: la scheda di catena di custodia graffata alla busta dei reperti: chi l'ha raccolto, dove, quando, da chi.
Collega il contenuto alla fonte: non semplicemente «questo file esisteva», ma «questo server ha consegnato questo file».
Un metodo per sigillare migliaia di record con un'unica impronta principale. L'impronta di ciascuna istantanea viene combinata a coppie, livello dopo livello, finché non resta una radice che dipende da ogni record sottostante. È questa radice giornaliera che ancoriamo e pubblichiamo.
Immagine: un volume di reperti rilegato e numerato, con un solo sigillo di ceralacca sulla copertina: il sigillo risponde di tutte le pagine insieme.
Seguiamo lo stile costruttivo della RFC 6962, lo standard alla base dei registri pubblici che i browser usano per verificare i certificati TLS. Un codice breve al giorno ci vincola, irrevocabilmente, a tutto ciò che abbiamo registrato quel giorno.
Una breve ricevuta matematica che dimostra che una specifica istantanea è contenuta in una data radice giornaliera. Chiunque può verificarla, senza fidarsi di noi e senza accesso al resto dell'archivio.
Immagine: provare che una pagina appartiene al volume sigillato confrontandone la posizione con il sigillo di copertina, senza riaprire ogni altra pagina.
È ciò che rende un estratto probatorio verificabile in modo indipendente.
Il deposito di ciascuna radice giornaliera fuori dal nostro controllo, lo stesso giorno, presso tre soggetti indipendenti: un'autorità di validazione temporale RFC 3161, che restituisce immediatamente un token firmato; una validazione temporale elettronica qualificata ai sensi di eIDAS, rilasciata dalla radice del 31 luglio 2026 da un prestatore di servizi fiduciari qualificato dell'elenco di fiducia dell'Unione; e OpenTimestamps, che aggrega la radice verso la blockchain di Bitcoin. La conferma di Bitcoin segue da alcune ore ad alcuni giorni dopo e viene reintegrata nella ricevuta da un processo quotidiano; si veda lo stato attuale di ciascun ancoraggio.
Immagine: depositare una copia sigillata presso un notaio il giorno stesso in cui è stata redatta.
Un'impronta nella nostra banca dati non prova nulla: potremmo ricalcolarla. Un ancoraggio in sistemi che non possiamo riscrivere prova che il sigillo esisteva non oltre quel giorno.
Una validazione temporale elettronica qualificata prova quando un dato esisteva. Un sigillo elettronico qualificato proverebbe da chi proviene. MachineWitness detiene la prima e, deliberatamente, non il secondo.
Immagine: il timbro postale su una busta prova quando è stata impostata, non chi ha scritto la lettera.
Lo diciamo francamente, perché la metà debole di qualunque archivio è chi lo custodisce: siamo una parte interessata, e nessun certificato acquistato può cambiarlo. La risposta a «chi ha registrato questo» non è un sigillo, ma il secondo testimone indipendente e un metodo che chiunque può ripetere senza di noi. Ai sensi dell'articolo 41 di eIDAS una validazione temporale qualificata gode della presunzione di accuratezza quanto alla data, ed è esattamente la parte su cui ci basiamo.
Un secondo sistema di registrazione, su un'infrastruttura diversa e con una diversa chiave di gestione, osserva gli stessi obiettivi in modo indipendente e sigilla la propria radice giornaliera. In funzione dal 4 agosto 2026; le giornate anteriori poggiano sul solo primo testimone. Entrambe le radici sono pubblicate affiancate nel registro pubblico. Non sono identiche e non ci si attende che lo siano: ciascun testimone esegue la scansione secondo il proprio calendario, quindi una riconciliazione confronta singole osservazioni, non le radici stesse.
Immagine: due testimoni che hanno preso ciascuno i propri appunti e vengono sentiti separatamente. I loro racconti non si leggeranno parola per parola allo stesso modo: ciascuno ha visto la giornata dal proprio posto, ed è proprio questo a rendere due racconti più validi di un testimone che si ripete.
Ciò risponde all'obiezione più forte contro qualunque gestore di un archivio unico: «potreste aver fabbricato i vostri stessi record».
Ogni giorno il nostro registro pubblico delle radici viene inoltre acquisito da sistemi che non controlliamo (la Wayback Machine di Internet Archive; un repository git pubblico con marche orarie del fornitore).
Immagine: l'archivio del giornale che si dà il caso abbia stampato l'annuncio; nessuno sostiene che il giornale fosse d'accordo.
Quando una richiesta di cancellazione fondata sul GDPR riguarda un contenuto archiviato, eliminiamo il contenuto in chiaro e lasciamo al suo posto un «marcatore di cancellazione» contrassegnato. L'impronta, i sigilli e tutte le prove restano intatti e verificabili.
Immagine: una pagina omissata nel volume dei reperti: la pagina è annerita, ma la rilegatura, la numerazione e il sigillo di copertina provano che il volume non è mai stato rilegato di nuovo.
Concilia due doveri che sembrano opporsi: il diritto alla cancellazione e l'integrità della prova.
I modi tecnici con cui un sito dichiara alle macchine «non usate i miei contenuti». Ai sensi dell'articolo 4 della direttiva UE sul diritto d'autore nel mercato unico digitale, la riserva del titolare dei diritti contro l'estrazione di testo e di dati deve consentire la lettura automatizzata per essere efficace; l'Oberlandesgericht di Amburgo ha confermato nel dicembre 2025 che le sole condizioni in linguaggio naturale non bastano. Questi file cambiano in silenzio e non lasciano traccia: registrarli ogni giorno è il cuore di questo archivio.
Il prodotto consegnato: per una risorsa e un periodo determinati, un pacchetto contenente il contenuto grezzo (o il suo marcatore di cancellazione), le circostanze di consegna sigillate, le impronte, la prova di inclusione, la radice giornaliera e le ricevute di ancoraggio esterne, con istruzioni di verifica passo per passo che qualunque perito tecnico può seguire in modo indipendente.
Enunciare i limiti con precisione fa parte dell'essere un testimone credibile:
Siamo la scatola nera, non l'investigatore.