L’apocalisse del nostro tempo. Un corpo a corpo con la macchina
read more "L’apocalisse del nostro tempo. Un corpo a corpo con la macchina"
read more "L’apocalisse del nostro tempo. Un corpo a corpo con la macchina"
A leggere il nuovo “2026 Cloud Security Report” realizzato da Check Point insieme a Cybersecurity Insiders, sembra proprio che l’adozione dell’intelligenza artificiale nelle aziende stia crescendo più rapidamente della capacità delle organizzazioni di proteggerla. Il report, basato sulle risposte di 1.042 professionisti IT e cybersecurity provenienti da organizzazioni di tutto il mondo, mostra un quadro […]
L'articolo Il 78% delle aziende ha già subito o sospetta incidenti legati all’IA proviene da Securityinfo.it.
Immagine in evidenza rielaborata con intelligenza artificiale (ChatGPT)
L’applicazione dell’intelligenza artificiale nella cybersicurezza genera, da sempre, sentimenti contrastanti. Le potenzialità dell’AI rappresentano, da una parte, un’opportunità per migliorare il livello di automazione nelle attività di rilevamento e risposta agli attacchi dei criminali informatici. L’altra faccia della medaglia è rappresentata dalla possibilità che gli stessi cybercriminali ne sfruttino le capacità per aumentare l’efficacia degli attacchi.
È qualcosa che sta già accadendo e che viene messo nero su bianco, per esempio, nel Global Threat Report 2026 di CrowdStrike. Stando ai dati pubblicati dalla società di cybersecurity, gli attacchi portati utilizzando l’AI sarebbero aumentati dell’89% anno su anno.
Ma l’impatto dell’AI non si esaurisce negli attacchi veri e propri. La stessa tecnologia che li accelera sta mettendo sotto pressione, in particolare, l’ecosistema che fino a oggi ha garantito l’attività di identificazione e analisi delle vulnerabilità software. In altre parole, l’AI sta rompendo gli equilibri che per anni hanno permesso di mitigare il rischio di attacchi informatici.
Per comprendere l’impatto dell’AI in questo particolarissimo settore è indispensabile comprenderne i meccanismi. La vulnerability discovery è infatti una macchina complicata, in cui si intrecciano interessi diversi e convivono varie contraddizioni.
Il concetto alla base del sistema è quello di individuare eventuali falle di sicurezza di software e sistemi operativi prima che questi vengano scovati dai cyber criminali. Un’attività che vede impegnate centinaia (migliaia) di aziende e ricercatori indipendenti, spesso all’interno dei cosiddetti programmi di bug bounty, cioè processi controllati attraverso i quali gli sviluppatori ricompensano economicamente chi segnala una nuova vulnerabilità potenzialmente pericolosa, permettendo loro di correggerla attraverso patch di aggiornamento.
L’importanza del fattore tempo emerge proprio nella fase finale del processo di responsible disclosure, quando vengono rilasciati l’aggiornamento e i dettagli della vulnerabilità. È in questo momento che si apre una finestra temporale particolarmente delicata: quella in cui un cybercriminale può sfruttare la vulnerabilità creando un exploit (la tecnica che permette di portare un attacco) in grado di “bucare” i sistemi non aggiornati.
Fino a oggi, il tempo necessario per realizzare il codice che sfrutta una falla di sicurezza per portare un attacco era, nella maggior parte dei casi, di settimane o al massimo di qualche giorno. Un margine sufficiente perché gli aggiornamenti venissero distribuiti. Di conseguenza, il rischio che qualcuno rimanesse “scoperto” era relativamente basso.
A causa degli strumenti basati su intelligenza artificiale generativa, però, le cose sono cambiate. Utilizzando l’AI è possibile realizzare un exploit con una velocità prima impensabile. Secondo i ricercatori di sicurezza Efi Weiss e Nahman Khayet, autori di un progetto dedicato, per creare un exploit con l’AI partendo da una vulnerabilità nota sarebbero sufficienti anche solo 15 minuti.
Lo scorso 7 aprile, un comunicato ufficiale di Anthropic ha scosso il settore della cybersecurity. Oggetto dell’annuncio era il nuovo large language model Claude Mythos Preview, che gli sviluppatori dell’azienda californiana hanno sostanzialmente classificato come uno strumento troppo pericoloso per essere distribuito pubblicamente. Il motivo? Il nuovo LLM sarebbe in grado di individuare vulnerabilità all’interno dei software con un’efficacia senza precedenti. Rilasciarlo pubblicamente, di conseguenza, sarebbe troppo rischioso.
L’azienda ha quindi deciso di avviare un progetto, battezzato con il nome di Project Glasswing, che coinvolge un numero limitato di soggetti come Microsoft, Apple, Google, AWS, Cisco, Nvidia e Linux Foundation. Qualche controindicazione, però, è emersa quasi subito. Lo stesso giorno dell’annuncio, il 7 aprile, un gruppo riunito in un forum Discord privato è riuscito ad accedere a Mythos — non con un attacco sofisticato, ma combinando le credenziali del dipendente di un fornitore terzo con un’ipotesi azzeccata sull’URL del modello. La vicenda è emersa pubblicamente circa due settimane dopo, grazie a un’inchiesta di Bloomberg. Considerato che Mythos era stato tratteggiato come una sorta di “arma fine di mondo”, con accesso soggetto a strettissime restrizioni, non si tratta proprio di un esordio rassicurante.
Al netto del sensazionalismo dell’annuncio, che secondo molti rappresenta un marchio di fabbrica del marketing di Anthropic, la vicenda di Claude Mythos Preview si inserisce in un fenomeno più ampio, che gli esperti di sicurezza informatica stanno segnalando da tempo come estremamente problematico: la crescita esponenziale del numero di vulnerabilità segnalate.
In sintesi, il problema non è tanto la possibilità che i gruppi dediti al cyber crimine riescano a sfruttare gli LLM avanzati per individuare nuove vulnerabilità zero-day (falle di sicurezza ancora sconosciute), quanto il fatto che l’implementazione di strumenti automatizzati per l’analisi dei software sta generando troppe segnalazioni rispetto a quelle che gli sviluppatori sono in grado di gestire.
Una cosa, infatti, è individuare una falla. Un’altra è correggere il codice per eliminare il rischio che la vulnerabilità venga sfruttata per portare un attacco. Qualsiasi aggiornamento di un software o – a maggior ragione – di un sistema operativo richiede infatti una serie di verifiche e test per validarne l’efficacia e, non ultimo, escludere eventuali conflitti o “effetti collaterali” indesiderati nel suo funzionamento. Insomma: rimediare a una vulnerabilità richiede più impegno e più tempo rispetto a sfruttarla per scopi malevoli.
A livello intuitivo, si potrebbe pensare che questo squilibrio tra il numero di segnalazioni e la capacità di elaborarne il contenuto possa avere come conseguenza un semplice rallentamento delle operazioni. Non è così.
Per prassi consolidata, infatti, il processo di responsible disclosure prevede che al destinatario della segnalazione sia concesso un termine – solitamente di 60-90 giorni – entro il quale deve rilasciare l’aggiornamento. Trascorso il termine, chi ha inviato la segnalazione è autorizzato a rendere pubblici i dettagli della vulnerabilità.
Si tratta di un accorgimento che ha un duplice obiettivo. Il primo è quello di evitare che lo sviluppatore possa “snobbare” la segnalazione, anche solo per negare il meritato compenso del ricercatore che l’ha effettuata. La seconda è quella di ridurre il rischio che qualcun altro scopra la falla o che questa diventi pubblica per un qualsiasi motivo prima che l’aggiornamento sia disponibile.
Anche se piuttosto rari, in passato si sono verificati casi in cui gli sviluppatori non sono riusciti a rispettare la scadenza e si sono trovati di fronte a una pubblicazione dei dettagli di una vulnerabilità quando non avevano ancora preso le dovute contromisure. Nel nuovo scenario, in cui le segnalazioni piovono a una velocità impressionante, rispettare le scadenze rischia di diventare molto più difficile.
La cronaca recente conferma tutti i timori legati al massiccio impiego dell’AI nell’individuazione delle vulnerabilità. La società di cybersecurity HackerOne ha sospeso il suo programma Internet Bug Bounty (IBB), attività finanziata in crowdfunding che gestisce dal 2013. Il motivo? L’eccessivo numero di segnalazioni stava mettendo in difficoltà chi ha il compito di correggere il codice del software. E questo soprattutto in ambito open source, dove la gestione dei progetti è spesso affidata a programmatori che prestano la loro opera a titolo volontario.
La pagina web di HackerOne è un perfetto riassunto dei problemi che vive il settore. Nelle sue policy, spiega che ricompenserà solo quelle vulnerabilità che “siano state segnalate in modo responsabile, riconosciute, analizzate (triage), risolte e divulgate tramite un Security Advisory o una CVE (Common Vulnerabilities and Exposures, un sistema di catalogazione pubblico e standardizzato delle vulnerabilità di sicurezza informatica note – ndR). Se una vulnerabilità viene segnalata da più persone ed è riconosciuta all’interno del security advisory, solo il primo segnalatore (come identificato dai maintainer del progetto) avrà diritto alla ricompensa”.
In questo passaggio si leggono tutte le criticità legate a un ecosistema che è ormai andato fuori controllo. Traducendo dal “politically correct” adottato nelle policy, HackerOne ammette di trovarsi in una situazione in cui vengono segnalate vulnerabilità che non sono state sufficientemente approfondite, che in molti casi vengono scovate da più soggetti e per le quali non viene fornita una soluzione. Insomma: si trova ad avere a che fare con troppo “pattume” generato dall’AI. Motivazioni simili hanno indotto la piattaforma Bugcrowd a introdurre una serie di regole e restrizioni per contrastare il fenomeno che hanno battezzato come “sloptimism” (segnalazioni basate su AI inviate con troppa fiducia e poca verifica).
Guardando più nel dettaglio il fenomeno, emerge anche un altro dato. A gennaio 2026 i volontari che gestiscono cURL – software open source che gestisce lo scambio di dati con Internet e che, pur sconosciuto al grande pubblico, è installato in miliardi di dispositivi (telefoni, automobili, TV) – hanno annunciato che dal mese successivo avrebbero smesso di accettare segnalazioni tramite HackerOne. In un aggiornamento pubblicato ad aprile, il creatore Daniel Stenberg ha diffuso un grafico da cui emerge una tendenza abbastanza chiara: nonostante da febbraio non sia stata accettata alcuna segnalazione, il totale del 2026 era già arrivato a 87.
Al di là della crescita esponenziale di segnalazioni, spicca il fatto che nel 2025 sono stati registrati numerosi report classificati come “likely AI slop” (probabile pattume AI), cioè vulnerabilità di bassissimo impatto o inventate dall’intelligenza artificiale. Il loro numero, però, è diminuito percentualmente nel corso dell’anno successivo.
Prima di considerare questi dati come confortanti, è però opportuno considerare un altro aspetto: non tutte le vulnerabilità validate rappresentano un reale rischio di sicurezza. Come spiega Naz Bozdemir in un post sul blog di HackerOne, delle 22 vulnerabilità individuate da Claude Opus 4.6 nel codice di Mozilla Firefox – 14 delle quali ad alta gravità – soltanto due si sono rivelate effettivamente sfruttabili per costruire un exploit. In altre parole: erano tutte difetti reali, ma solo due rappresentavano un rischio imminente e concreto.
L’idea che una maggiore efficienza porti automaticamente a più sicurezza, alla fine, si sta rivelando un’illusione. L’uso intensivo dell’AI sta dimostrando esattamente il contrario: senza la capacità di selezionare, comprendere e intervenire, rischia di generare semplicemente caos.
L'articolo La fine del bug bounty? proviene da Guerre di Rete.
L'articolo Il 44% dei lavoratori italiani utilizza l’AI: opportunità e sfide per le Direzioni HR proviene da FullPress.
L'articolo OpenAI presenta Realtime 2.0, Codex per Chrome e altre novità per sviluppatori proviene da FullPress.
Immagine in evidenza da Rawpixel
La guerra in Iran ci ha ricordato quanto il mare sia cruciale per il funzionamento dell’economia globale. Era già accaduto due anni fa con il blocco di Suez e, ancor prima, con l’incidente della Ever Given nello stesso canale. Eventi diversi, ma accomunati dalla capacità di farci toccare con mano l’importanza delle rotte marittime.
Esiste tuttavia un’altra logistica marittima fondamentale, che scorre non sulla superficie degli oceani ma sui fondali. È una logistica per natura invisibile, fatta di cavi per la trasmissione di dati e di tubature per il trasporto di energia, ma essenziale quanto le rotte della logistica di superficie.
La cosa più sorprendente è però quanto poco ancora si sappia del luogo in cui questa rete si dipana. I fondali oceanici restano infatti uno degli ambienti meno osservati e compresi del pianeta. Per dare un’idea di quanto sia scarsa questa conoscenza, basti dire che, ancora nel pieno del XXI secolo, non è raro che vengano individuate montagne sottomarine in aree che si ritenevano già mappate.
La ragione della “nube di ignoranza” che ricopre tutto ciò che si trova al di sotto di una certa profondità delle acque è in primo luogo tecnologica. I sistemi che utilizziamo per osservare la superficie terrestre si basano sulla luce, che però penetra nell’acqua solo per poche centinaia di metri. Al di sotto di questa soglia – e considerando che le profondità oceaniche possono superare i 10mila metri – è necessario ricorrere ad altri strumenti. Il principale di questi è il sonar, che utilizza onde sonore per ricostruire la forma del fondale. Un metodo efficace, ma lento, costoso, legato alla presenza fisica di navi o piattaforme di rilevamento. Questo vincolo si riflette nei dati disponibili: ancora oggi, una parte significativa dei fondali non è stata mappata con standard moderni. E anche laddove i dati esistono, sono spesso frammentari e soprattutto non integrati tra loro.
Arrivati a questo punto ci si potrebbe porre una domanda: è davvero così importante sapere cosa si trova a migliaia di chilometri sotto il mare? La risposta è: sì, è sempre più importante per svariate ragioni. I motivi sono in primo luogo economici.
Il fondale marino, come detto, è una piattaforma su cui poggiano infrastrutture critiche globali. I cavi sottomarini trasportano oltre il 95% del traffico internet intercontinentale; le pipeline collegano giacimenti offshore ai sistemi energetici nazionali; nuove reti elettriche iniziano a connettere parchi eolici marini alla terraferma. Tutte queste infrastrutture devono essere progettate, installate e mantenute in ambienti complessi, dove la morfologia del fondale, la composizione dei sedimenti e le correnti possono fare la differenza tra stabilità e vulnerabilità.
C’è però un secondo livello, meno evidente ma ancora più strategico. Conoscere un fondale significa infatti comprendere come si comporta il suono sott’acqua. E questo, a sua volta, è un elemento cruciale per la guerra sottomarina. I sottomarini – per definizione progettati per risultare invisibili – dipendono dalla capacità di sfruttare le caratteristiche dell’ambiente per nascondersi o per individuare altri mezzi. Temperatura, salinità, correnti e conformazione del terreno influenzano la propagazione delle onde sonore e quindi l’efficacia dei sistemi sonar.
In altre parole, conoscere come è fatto un fondale significa poter operare meglio al suo interno, sia per attaccare sia per difendersi. Una volta che si comprende questo fatto fondamentale, si capisce anche perché la mappatura degli abissi sia recentemente diventata un ennesimo campo di competizione tra le due principali potenze della nostra epoca: Cina e Stati Uniti.
Come raccontato lo scorso marzo da un ampio e ben documentato articolo della Reuters, la più attiva in questo ambito, negli ultimi anni, è stata la Cina. A partire dal 2020, Pechino ha avviato un’attività di mappatura e monitoraggio dei fondali su una scala difficilmente comparabile con quella di altri attori. Navi da ricerca, istituti universitari e agenzie statali operano in modo coordinato in diverse aree del globo: Pacifico occidentale, Oceano Indiano, fino ad arrivare alle rotte artiche.
Formalmente, queste operazioni sono giustificate da obiettivi scientifici ed economici: studio dei fondali, ricerca di risorse, analisi climatica. In pratica, tuttavia, le attività di ricerca hanno caratteristiche che suggeriscono un uso duale dei dati ottenuti. Le traiettorie seguite dalle navi impiegate nella ricerca – spesso caratterizzate da movimenti ripetitivi e sistematici – sono infatti tipiche delle operazioni di mappatura ad alta risoluzione, il tipo di dato utile alle industrie della difesa.
Il progetto più ambizioso in questo ambito è definito “Transparent Ocean”: una rete di sensori e piattaforme in grado di fornire una visione il più possibile completa delle condizioni del mare in aree selezionate. L’obiettivo dichiarato è scientifico, ma le applicazioni militari sono evidenti. Per la Cina, la conoscenza del dominio sottomarino risponde infatti a una duplice esigenza strategica. Da un lato, migliorare l’impiego dei propri sottomarini, sfruttando le caratteristiche dell’ambiente per aumentare furtività ed efficacia. Dall’altro, sviluppare strumenti per individuare e tracciare quelli altrui, in particolare nelle aree considerate più sensibili, come la famigerata “prima catena di isole” (la fascia di arcipelaghi tra Giappone, Taiwan e Filippine che delimita l’accesso della Cina al Pacifico).
In questo senso, la mappatura dei fondali non è un’attività accessoria, ma una parte integrante dell’infrastruttura informativa della difesa marittima. Più che accumulare dati, si tratta di costruire un vantaggio conoscitivo che possa essere utilizzato in caso di crisi o conflitto. La scala e la continuità di questo sforzo suggeriscono che Pechino consideri il dominio sottomarino non come uno spazio da esplorare, ma come uno spazio da integrare stabilmente nella propria architettura strategica.
Sull’altro versante strategico e geografico del Pacifico troviamo gli Stati Uniti. Per decenni gli USA hanno beneficiato di un vantaggio significativo nella conoscenza degli oceani, costruito attraverso una combinazione di ricerca scientifica, capacità militari e infrastrutture tecnologiche. Questo vantaggio si è tradotto, tra le altre cose, in una superiorità nelle operazioni sottomarine che si è rivelata utile in diversi frangenti della Guerra Fredda.
Negli ultimi anni, tuttavia, questo quadro si è fatto più complesso. Da un lato, Washington ha lanciato iniziative ambiziose come la strategia NOMEC, con l’obiettivo di mappare le proprie acque entro il 2030-2040. Dall’altro, deve fare i conti con dati che mostrano come una parte rilevante (tra il 40 e il 50%) dei fondali statunitensi resti ancora poco conosciuta o mappata con tecnologie non aggiornate.
Il problema americano, a detta di un report del governo in merito, non è tanto la scarsità di dati o la capacità di generarli, quanto la loro frammentazione e la difficoltà di integrarli. Le informazioni “oceaniche” americane sono raccolte da attori diversi – agenzie civili, istituzioni scientifiche, marina militare – con finalità e standard differenti. Questo rende più difficile costruire un quadro unitario e aggiornato del dominio sottomarino nazionale.
Le ragioni per cui sia Cina che USA hanno iniziato a essere così preoccupate dalla loro scarsa conoscenza dei fondali è che, di recente, è cresciuta tanto l’importanza dei fondali quanto il numero delle minacce che operano in questo ambiente. Proprio come accade nel cielo, in fondo al mare oggi non si muovono solo colossi tecnologici da miliardi di dollari – come i sottomarini – ma anche droni subacquei a basso costo: piccoli dispositivi in grado di interferire con il regolare funzionamento di cavi o pipeline, e attraverso i quali vengono condotte operazioni di guerra ibrida di difficile attribuzione, soprattutto in assenza di un monitoraggio aggiornato e capillare.
È per questo che, a detta degli esperti, serve un ulteriore balzo tecnologico, non tanto nella capacità di raccogliere dati, quanto in quella di interpretarli e integrarli. Ed è qui che entra in gioco l’intelligenza artificiale. Gli algoritmi di deep learning possono riconoscere pattern nei segnali sonar, distinguere tra anomalie naturali e oggetti artificiali, aggiornare mappe quasi in tempo reale integrando dati raccolti da fonti diverse. In prospettiva, possono anche contribuire a prevedere comportamenti: come si muovono le correnti, come cambia la propagazione del suono, dove è più probabile che un oggetto non identificato stia operando.
In altre parole, le AI possono accelerare il passaggio in corso da una logica di “mappatura” dei fondali a una logica di “monitoraggio continuo”. Si tratta di un cambiamento che ha implicazioni profonde. Per esempio significa che la superiorità nel dominio strategico sottomarino non dipenderà più solo dal numero di navi o dalla qualità dei sottomarini, ma dalla capacità di costruire e gestire reti informative complesse. Significa anche che il confine tra ambito civile e militare diventa ancora più sfumato: gli stessi dati utilizzati per studiare gli ecosistemi marini o per progettare infrastrutture energetiche possono essere impiegati per finalità di sorveglianza e difesa.
E soprattutto significa che il mare, da spazio opaco per definizione, diventa progressivamente più “trasparente”. Non nel senso di completamente visibile – obiettivo probabilmente impossibile da raggiungere – ma nel senso di sempre più leggibile per chi dispone di strumenti adeguati.
In questo senso, il parallelo più evidente per ciò che sta accadendo sotto il pelo dell’acqua non è con la geografia o la cartografia tradizionali, ma con altri domini in cui l’informazione è la vera posta in gioco: il cyberspazio, lo spazio orbitale, persino il campo elettromagnetico. Anche lì, la competizione si gioca non solo sulla capacità di identificare gli oggetti fisici, ma su quella di costruire rappresentazioni affidabili e aggiornate dell’ambiente in cui si trovano immersi. Perché in un ambiente dove tutto è difficile da vedere, quello che più conta è capire cosa si sta guardando.
L'articolo Cina, Stati Uniti e la sfida degli abissi proviene da Guerre di Rete.