• adaptive retransmission
• anonymization techniques
• fingerprinting
• fingerprinting
• layer security
• ritrasmissione adattiva
• sicurezza livello fisico
• snr variation
• tecniche di anonimizzazione
• variazione snr
• wi-fi physical layer security

Questa tesi affronta il Wi-Fi Anonymization Problem, ovvero la difficoltà di garantire l’anonimato dei dispositivi nelle reti Wi-Fi in presenza di tecniche di fingerprinting, che permettono di identificarli in base alle caratteristiche del traffico generato. Tali tecniche restano efficaci anche quando sono attivi meccanismi di randomizzazione degli indirizzi MAC, come quelli proposti dal gruppo IEEE 802.11bi (Task Group EDP), esponendo i dispositivi a potenziali attacchi di tracciamento passivo. L’obiettivo della tesi è proporre e valutare nuove strategie per ridurre l’efficacia del fingerprinting, con particolare attenzione al livello fisico (Layer 1). A tale scopo, è stato esteso un simulatore esistente che integrava le principali tecniche di MAC randomization (RCM) ispirate alle soluzioni del gruppo EDP. L’estensione ha introdotto nuove funzionalità per testare tecniche di anonimizzazione avanzate a livello fisico, come la variazione artificiale del rapporto segnale-rumore (SNR) e un meccanismo di ritrasmissione con probabilità modulata dinamicamente. Le strategie proposte sono state valutate in scenari con un numero crescente di dispositivi, includendo anche traffico generato da dispositivi IoT. I risultati dimostrano che l’aggiunta controllata di rumore e la gestione adattiva dei retry riducono significativamente la precisione dei modelli di fingerprinting, migliorando la resilienza dei dispositivi contro attacchi di tracciamento passivo.

This thesis addresses the Wi-Fi Anonymization Problem, namely the challenge of ensuring device anonymity in Wi-Fi networks in the presence of fingerprinting techniques, which can identify devices based on the characteristics of the traffic they generate. These techniques remain effective even when MAC address randomization mechanisms are in place, such as those proposed by the IEEE 802.11bi Task Group (EDP), exposing devices to potential passive tracking attacks. The objective of this work is to propose and evaluate new strategies to reduce the effectiveness of fingerprinting, with particular focus on the physical layer (Layer 1). To this end, an existing simulator—already incorporating the main MAC randomization techniques (RCM) inspired by the EDP group’s proposals—was extended. The extension introduced new capabilities to test advanced anonymization techniques at the physical layer, such as artificial variation of the signal-to-noise ratio (SNR) and a retransmission mechanism with dynamically modulated probability. The proposed strategies were evaluated in scenarios with an increasing number of devices, including traffic generated by IoT devices. The results show that controlled noise injection and adaptive retry management significantly reduce the accuracy of fingerprinting models, thus improving the resilience of devices against passive tracking attacks.