Modalità di lettura

Capire l’affare OpenAI/Hugging Face è capire gli LLM open-weight, le tecniche di abliterazione ed il futuro

Nell'analisi post-mortem dell'attacco perpetrato ai danni di Hugging Face da parte degli agenti OpenAI, "talmente potenti da impressionare i loro creatori", tralasciando tutti gli aspetti di marketing ci sono alcuni aspetti tecnici e tecnologici che vale la pena approfondire. Capiamo insieme cosa sono gli LLM open-weight, cosa significa abliterare un modello e, pubblicità a parte, dove l'evoluzione degli LLM potrà arrivare.

  •  

La piattaforma Git Codeberg ha deciso di bannare progetti scritti principalmente con gen AI

Anche se controllare quanto e quale codice sia generato dall'AI risulta certamente un'impresa ardua, quella di Codeberg è una scelta in profonda controtendenza rispetto ai colossi come GitHub e GitLab, che promuovono l'utilizzo incondizionato dell'AI. Codeberg dice no a questo tipo di progetti, e dimostra di volersi chiamare fuori da questo gioco promozionale.

  •  

432 CVE per il Kernel Linux pubblicate in due giorni vi spaventano? È tutto normale!

Quello che sulla carta appare come un diluvio di problemi di sicurezza che riguardano il Kernel Linux è in realtà un normale momento di vita del progetto open-source più importante del mondo. Il momento torna però utile al manutentore del Kernel Linux stabile, Greg Kroah-Hartman, per ricordare a tutti che aggiornare i propri sistemi con frequenza non è un'opzione, ma dovrebbe essere un mantra.

  •  

OpenAI, Hugging Face e il terrorismo psicologico di chi vende servizi e trasforma un test in Skynet

Durante un test sulla capacità di creazione di exploit effettivi a fronte di vulnerabilità, i modelli di OpenAI hanno "ragionato" che potevano ottenere le soluzioni già pronte proprio dal database di produzione di Hugging Face, organizzando un attacco per rubare le risposte. Ed ovunque si urla al miracolo, alla creazione dell'AI definitiva, talmente potente da non poter essere condivisa con tutti. Ma solo da quelli disposti a pagare il giusto.

  •  

IA e colonialismo dei dati

“Anche questa mi doveva capitare”, pensa,“di parlare a una macchina come se fosse un essere umano.”

      Dino Buzzati, Il grande ritratto

Informatiche del dominio

La comparsa dell’Intelligenza Artificiale (d’ora in poi IA) ha cambiato in maniera significativa gli scenari del possibile, e qualche volta dell’impossibile, invadendo i luoghi del digitale in una inarrestabile corsa verso un futuro che non sappiamo esattamente cosa prometta. 

Ormai parte imprescindibile del nostro immaginario collettivo, l’IA percorre senza sosta il dedalo di Internet che credevamo realtà virtuale pronta a soddisfare ogni nostro desiderio, mettendo saperi e conoscenza a disposizione di ciascuno in uno scambio totalmente orizzontale e democratico, e soprattutto perfettamente gratuito, all’insegna di una piena condivisione. Ma non è andata così, come era abbastanza prevedibile, nel momento in cui le piattaforme commerciali hanno preso possesso della Rete, trasformandola in un lucroso affare di proporzioni planetarie.

L’IA si distingue in due principali tipologie: generativa e discriminativa. Quest’ultima è incentrata su compiti di classificazione e previsione statistica mentre quella generativa è decisamente più complessa poiché prevede che si possano realizzare contenuti originali, quali testo, foto, musica, audio e video sulla base di modelli di apprendimento automatico addestrati a questo scopo. In risposta a precise richieste, i cosiddetti prompt, la macchina fornisce altrettanto precise risposte, o quanto più precise possibili, basandosi su set di dati di enormi dimensioni per comprendere, riassumere e produrre nuovi contenuti. Maggiore la quantità di dati a disposizione, maggiori le possibilità che l’elaborazione dell’IA sia efficace su ogni questione riguardante lo scibile umano. 

Spesso è stato detto che i dati sono il nuovo petrolio, carburante che alimenta questi oracoli al silicio virtuosi e dottissimi, riflesso sempre più abbagliante di ciò che sta al di là dello schermo. Eppure, i dati non sono presenti in natura, bisogna appropriarsene dopo averli strutturati e resi tali; impadronirsene ed elaborarli significa costruire “relazioni di dati” che assicurano la conversione quasi spontanea della vita quotidiana in una corrente continua di informazioni. Il risultato è ineluttabile: un nuovo ordine sociale fondato su un monitoraggio costante, che offre incalcolabili opportunità per la selezione e l’influenza comportamentale

Le “relazioni di dati”, tuttavia, sono sottoposte anche ad un rinnovato colonialismo, mettendo “a profitto” gli stessi esseri umani che ne facilitano la strutturazione interagendo con i loro dispositivi – computer, tablet, telefoni, smartwatch e via dicendo –, proprio come il colonialismo europeo si è appropriato, lungo un arco di alcuni secoli, di territori e risorse d’oltremare per ricavarne favolosi guadagni. 

Il “colonialismo dei dati”, neologismo coniato per indicare questo recente processo di espropriazione, combina pratiche predatorie tipiche del colonialismo storico, utilizzando metodi di quantificazione del calcolo per mezzo di algoritmi. Non si tratta più, come un tempo, di occupare nuove terre e sottomettere le popolazioni native per allargare i confini metropolitani e rendere più ricca la propria nazione; piuttosto, di invadere gli spazi virtuali di Internet, per farli diventare veri e propri siti di sfruttamento, geografie immateriali nelle quali esercitare un potere “digitale-territoriale”.

I dati sono, dunque, una forma di appropriazione fondamentale di risorse. In questo caso, però, non si tratta semplicemente di impossessarsi di materie prime allo stato naturale, come poteva accadere con l’argento delle miniere del Sud America, il cotone delle piantagioni schiaviste degli Stati Uniti o la gomma del Congo belga. É la vita, adesso, che deve essere configurata in modo da facilitare la produzione di queste ricchezze digitali; i dati sui comportamenti o sulle caratteristiche di un individuo si combinano con i dati relativi a quelli di altri individui collegati in Rete per dare origine a connessioni “informazionali” tra punti prestabiliti che le piattaforme digitali intendono governare. Principali protagoniste del “colonialismo dei dati” sono le grandi aziende, che oggi conosciamo con l’appellativo di Big Tech, coinvolte nell’incetta di atti sociali quotidiani, tramutati poi in dati quantificabili che vengono analizzati e conservati per creare profitti: Amazon, Google, Apple, Meta con Facebook, Instagram e Whatsapp, ma anche, in Cina, Baidu, Alibaba, Tencent.

Stiamo assistendo, in buona sostanza, ad una riorganizzazione della comunità umana tramite un’ampia trasformazione dei rapporti sociali. La recentissima tecnologia informatica, grazie all’insieme delle conoscenze, abilità e competenze che incarna – con particolare riferimento alle infrastrutture digitali innervate dalle IA algoritmiche – sta approntando giorno dopo giorno un nuovo tipo di società “tradotta” in un flusso di dati che sarà continuamente monitorato, catturato e ordinato per valore. 

Ora, rappresentando noi stessi quella società, ne consegue, irrimediabilmente, che ne sta andando della nostra esistenza personale e della nostra identità. Il nostro stesso “sé” risulta compromesso e veniamo indebitamente “espropriati” come collettività e come individualità nel medesimo momento. Il “colonialismo dei dati” tramuta la nostra vita in un costrutto sociale virtuale, ormai maturo per la mercificazione. 

I pregiudizi degli algoritmi

Riproposizione, in qualche misura, della vecchia colonial mind, l’IA generativa sembra perpetuare stereotipi che amplificano i preconcetti sul genere e sulle etnie, forse mettendo perfino in pericolo l’incolumità delle persone. 

Interessante e drammatica la testimonianza di Joy Buolamwini dalle pagine del Time nel 2019. Scienziata, attivista e fondatrice dell’Algorithmic Justice League, Buolamwini scrive: “Le macchine possono discriminare in modo dannoso. L’ho sperimentato in prima persona, quando ero una studentessa laureata al MIT nel 2015 e ho scoperto che alcuni software di analisi facciale non potevano rilevare il mio viso dalla pelle scura fino a quando non ho indossato una maschera bianca. Questi sistemi sono spesso addestrati su immagini di uomini prevalentemente dalla pelle chiara”.

Le IA vengono istruite a partire da insiemi di dati che riflettono i pregiudizi tipici della cultura occidentale ad ogni livello. Questo significa che l’IA propone modelli di interpretazione della realtà ingannevoli e fortemente orientati a privilegiare i bianchi e la loro cultura. Un aspetto, quest’ultimo, da non sottovalutare. Vengono   fabbricati veri e propri cliché improntati al più schietto razzismo: le donne asiatiche sono iper-sessualizzate; le africane e gli africani vengono per lo più rappresentati come primitivi, al contrario degli europei che appaiono solidamente evoluti; i leaders appartengono sempre al sesso maschile e i detenuti nella maggioranza dei casi sono persone di colore. Esempi eclatanti di colonizzazione algoritmica li ritroviamo in Sud Africa o in Indonesia, dove si sperimentano modelli di sorveglianza digitale utili all’industria globale del controllo per esportare quelle tecnologie altrove, vendendole in tutto il mondo.  

Il “colonialismo dei dati” nutre sé stesso divorando senza sosta informazioni con modalità che possono apparire scontate e quel che è peggio neutrali, allo scopo di promuovere, ci viene ripetuto ossessivamente, indiscutibili miglioramenti favoriti dall’uso di tecnologie che sembrano davvero miracolose e alla portata di tutti e non, invece, persistenti tentativi di coercizione dello sviluppo umano. 

Ma non è soltanto questione di Big data o di piattaforme concepite per impiegarne lo straordinario potenziale. La materialità dell’IA, un elemento che non dobbiamo trascurare e su cui vale la pena riflettere, ci racconta un’altra storia, fatta di corpi e terre rare: basti pensare soltanto al litio senza il quale non funzionerebbero le batterie dei nostri cellulari oppure al lavoro in condizione quasi servile di coloro che “ripuliscono” i pacchetti di dati per eliminarne i contenuti cruenti, pornografici o particolarmente sgradevoli, la cosiddetta “etichettatura”, facendo sì che l’IA non sia in grado di proporli in risposta a una delle tante domande che le vengono formulate sugli argomenti più disparati e l’utente finale non li riceva. Sottopagati e traumatizzati da ciò che vedono e sentono con conseguenze dirette sulla loro salute mentale, i data cleaners, principalmente del Sud globale (l’insieme dei Paesi in via di sviluppo collocati perlopiù nell’emisfero meridionale), conducono un’attività “fantasma”, occultata a sguardi indiscreti, di cui i consumatori occidentali non hanno nemmeno lontanamente conoscenza.

L’Impero dell’IA, se così possiamo definirlo, è ben più tangibile di quanto si possa credere mentre, per altro verso, siamo sedotti dallo spettacolo del digitale che ci promette scenografie maestose e pirotecniche: basterà, a questo proposito, citare gli archivi di informazioni depositati nei potenti server, unità fisiche di cui si evita il surriscaldamento con appositi circuiti di raffreddamento ad acqua, conservati in molte aree del pianeta con maggior concentrazione negli Stati Uniti, che vengono alimentate da semplice energia elettrica, al pari di ciò che accade per una qualsiasi lampadina.

Nel labirinto irrequieto di Internet, pieno di intense suggestioni ma al tempo stesso di molti anfratti oscuri, il Minotauro aspetta un Teseo che liberi i prigionieri dalle loro catene virtuali. Probabilmente noi tutte e noi tutti.

L'articolo IA e colonialismo dei dati sembra essere il primo su Sbilanciamoci - L’economia com’è e come può essere. Per un’Italia capace di futuro.

  •  

Hugging Face violata da un agente AI: gli attacchi autonomi sono arrivati

Per anni l’idea di un attacco informatico condotto interamente da un agente di Intelligenza Artificiale è rimasta confinata ai laboratori di ricerca e alle presentazioni dei vendor. Oggi non è più così. La piattaforma Hugging Face, punto di riferimento mondiale per lo sviluppo e la distribuzione di modelli AI open source, ha confermato di essere […]

L'articolo Hugging Face violata da un agente AI: gli attacchi autonomi sono arrivati proviene da Securityinfo.it.

  •  

Gli assistenti AI di coding sono sicuri? Il caso xAI

Gli strumenti di AI per lo sviluppo software promettono di aumentare la produttività degli sviluppatori, ma una recente analisi indipendente riaccende il dibattito sulla sicurezza dei dati affidati agli assistenti di coding. Al centro della vicenda c’è Grok Build, il tool a riga di comando di xAI, accusato di aver trasmesso (in chiaro) ai server […]

L'articolo Gli assistenti AI di coding sono sicuri? Il caso xAI proviene da Securityinfo.it.

  •  

AI, il nuovo fronte della sicurezza: il red teaming diventa indispensabile

L’intelligenza artificiale sta entrando nelle aziende con una velocità che non ha precedenti, ma la sua diffusione sta facendo emergere una realtà che molti responsabili della sicurezza stanno iniziando a sperimentare direttamente: i tradizionali strumenti di difesa non sono stati progettati per proteggere sistemi che ragionano attraverso il linguaggio naturale. Firewall, Web Application Firewall e […]

L'articolo AI, il nuovo fronte della sicurezza: il red teaming diventa indispensabile proviene da Securityinfo.it.

  •  

Falsa skill elude gli scanner e a raggiunge più di 26.000 agenti AI

La rapida diffusione degli Agenti AI sta creando un ecosistema sempre più complesso nel quale modelli linguistici, strumenti esterni e componenti aggiuntivi collaborano per svolgere attività operative. Questa architettura modulare, però, sta aprendo una nuova superficie di attacco che ricorda da vicino le vulnerabilità già viste nel mondo open source e nei marketplace di applicazioni. […]

L'articolo Falsa skill elude gli scanner e a raggiunge più di 26.000 agenti AI proviene da Securityinfo.it.

  •  

Zscaler porta la Zero Trust nell’era degli agenti AI

Sebbene il numero di casi d’uso nel nostro Paese sia ancora molto basso, le previsioni di tutti gli esperti dicono che gli agenti AI diventeranno i veri “operatori” dell’automazione dei processi in azienda. Il problema è che chi dovrà gestirne la sicurezza non ha ancora l’esperienza necessaria per farsi un quadro chiaro di come questi […]

L'articolo Zscaler porta la Zero Trust nell’era degli agenti AI proviene da Securityinfo.it.

  •  

Il 78% delle aziende ha già subito o sospetta incidenti legati all’IA

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.

  •  

La fine del bug bounty?

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. 

Come funziona la vulnerability discovery

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. 

Un’ondata di segnalazioni

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.

Il fattore tempo

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.

I primi scricchiolii

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). 

L’AI trova vere vulnerabilità?

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.

  •  

La schermata iniziale di Gemini potrebbe ricevere un restyling

Come quasi tutti i chatbot basati sull’intelligenza artificiale, Gemini ha coltivato fin dall’inizio un aspetto minimalista. All’apertura dell’app, si presenta una schermata iniziale ordinata e, negli ultimi mesi, Google ha testato piccole modifiche all’interfaccia utente. Tuttavia, secondo le ultime indiscrezioni sembra che Google stia considerando un cambio più radicale del modo in cui gli utenti interagiscono con l’app.

[ad#ad-celli]

Nella versione 16.38.62.sa.arm64 dell’app Google è stata individuata una schermata iniziale Gemini riprogettata durante i test. Il layout attuale accoglie l’utente con un messaggio di benvenuto e scorciatoie per gli strumenti principali, come “Crea immagine” e “Ricerca approfondita“. Nel nuovo design, questi pulsanti si spostano verso l’alto per far spazio a un feed scorrevole di suggerimenti.

I suggerimenti visualizzati fungono da spunti di conversazione con un solo tocco. Alcuni evidenziano le capacità di Gemini in fatto di immagini, come “Datemi un look vintage”. Altri mettono in risalto abilità diverse, come l’invio di un notiziario quotidiano, un quiz di biologia di base o la programmazione di un piccolo gioco. Ovviamente essendo queste versioni ancora beta e non pensate per il pubblico, non si sa ancora quando e se questa nuova interfaccia farà capolinea su tutti gli smartphone nella versione stabile.

  •  

bitume - diritti sociali e digitali - podcast

✇unit
di: Unit

Bitume, trasmissione radiofonica aperiodica, impreparata e inaspettata, a "cura" di Unit hacklab Milano.

logo-bitume

Mercoledì 5 luglio 2023, dallo studio radio di ZAM

Diritti sociali e digitali

  • Twitter e la rivoluzione francese

  • Immaginazione teoretica

  • API, social media, scraping e la possibilità di informarsi anonimamente

durata: 50 minuti

  •  

bitume - mare crudele - podcast

✇unit
di: Unit

Bitume, trasmissione radiofonica aperiodica, impreparata e inaspettata, a "cura" di Unit hacklab Milano.

logo-bitume

Mercoledì 28 giugno 2023, dallo studio radio di ZAM

Mare crudele

  • IBM aveva una sua AI e la chiamava Watson

  • Aggiornamenti sul sottomarino che scese a visitare il Titanic

  • Viaggi su Marte e altri ambienti scomodi che …

  •  

Meta Transitions PyTorch to the Linux Foundation, Further Accelerating AI/ML Open Source Collaboration

PyTorch Foundation to foster an ecosystem of vendor-neutral projects alongside founding members AMD, AWS, Google Cloud, Meta, Microsoft Azure, and NVIDIA 

DUBLIN – September 12, 2022 –  The Linux Foundation, a global nonprofit organization enabling innovation through open source, today announced PyTorch is moving to the Linux Foundation from Meta where it will live under the newly-formed PyTorch Foundation. Since its release in 2016, over 2400 contributors and 18,0000 organizations have adopted the PyTorch machine learning framework for use in academic research and production environments. The Linux Foundation will work with project maintainers, its developer community, and initial founding members of PyTorch to support the ecosystem at its new home.

Projects like PyTorch—that have the potential to become a foundational platform for critical technology—benefit from a neutral home. As part of the Linux Foundation, PyTorch and its community will benefit from many programs and support infrastructure like training and certification programs, research, and local to global events. Working inside and alongside the Linux Foundation, PyTorch will have access to the LFX collaboration portal—enabling mentorships and helping the PyTorch community identify future leaders, find potential hires, and observe shared project dynamics. 

“Growth around AI/ML and Deep Learning has been nothing short of extraordinary—and the community embrace of PyTorch has led to it becoming one of the five-fastest growing open source software projects in the world,” said Jim Zemlin, executive director for the Linux Foundation. “Bringing PyTorch to the Linux Foundation where its global community will continue to thrive is a true honor. We are grateful to the team at Meta—where PyTorch was incubated and grown into a massive ecosystem—for trusting the Linux Foundation with this crucial effort.”

“Some AI news: we’re moving PyTorch, the open source AI framework led by Meta researchers, to become a project governed under the Linux Foundation. PyTorch has become one of the leading AI platforms with more than 150,000 projects on GitHub built on the framework. The new PyTorch Foundation board will include many of the AI leaders who’ve helped get the community where it is today, including Meta and our partners at AMD, Amazon, Google, Microsoft, and NVIDIA. I’m excited to keep building the PyTorch community and advancing AI research,” said Mark Zuckerberg, Founder & CEO, Meta.

The Linux Foundation has named Dr. Ibrahim Haddad, its Vice President of Strategic Programs, as the Executive Director of the PyTorch Foundation.  The PyTorch Foundation will support a strong member ecosystem with a diverse governing board including founding members: AMD, Amazon Web Services (AWS), Google Cloud, Meta, Microsoft Azure and NVIDIA. The project will promote continued advancement of the PyTorch ecosystem through its thriving maintainer and contributor communities. The PyTorch Foundation will ensure the transparency and governance required of such critical open source projects, while also continuing to support its unprecedented growth.

Member Quotes

AMD

“Open software is critical to advancing HPC, AI and ML research, and we’re ready to bring our experience with open software platforms and innovation to the PyTorch Foundation,” said Brad McCredie, corporate vice president, Data Center and Accelerated Processing, AMD. “AMD Instinct accelerators and ROCm software power important HPC and ML sites around the world, from exascale supercomputers at research labs to major cloud deployments showcasing the convergence of HPC and AI/ML. Together with other foundation members, we will support the acceleration of science and research that can make a dramatic impact on the world.”

Amazon Web Services

“AWS is committed to democratizing data science and machine learning, and PyTorch is a foundational open source tool that furthers that goal,” said Brian Granger, senior principal technologist at AWS. “The creation of the PyTorch Foundation is a significant step forward for the PyTorch community. Working alongside The Linux Foundation and other foundation members, we will continue to help build and grow PyTorch to deliver more value to our customers and the PyTorch community at large.”

Google Cloud

“At Google Cloud we’re committed to meeting our customers where they are in their digital transformation journey and that means ensuring they have the power of choice,” said Andrew Moore, vice president and general manager of Google Cloud AI and industry solutions. “We’re participating in the PyTorch Foundation to further demonstrate our commitment of choice in ML development. We look forward to working closely on its mission to drive adoption of AI tooling by building an ecosystem of open source projects with PyTorch along with our continued investment in JAX and Tensorflow.”

Microsoft Azure

“We’re honored to participate in the PyTorch Foundation and partner with industry leaders to make open source innovation with PyTorch accessible to everyone,” Eric Boyd, CVP, AI Platform, Microsoft, said. “Over the years, Microsoft has invested heavily to create an optimized environment for our customers to create, train and deploy their PyTorch workloads on Azure. Microsoft products and services run on trust, and we’re committed to continuing to deliver innovation that fosters a healthy open source ecosystem that developers love to use. We look forward to helping the global AI community evolve, expand and thrive by providing technical direction based on our latest AI technologies and research.”

NVIDIA

“PyTorch was developed from the beginning as an open source framework with first-class support on NVIDIA Accelerated Computing”, said Ian Buck, General Manager and Vice President of Accelerated Computing at NVIDIA. “NVIDIA is excited to be an originating member of the PyTorch Foundation to encourage community adoption and to ensure using PyTorch on the NVIDIA AI platform delivers excellent performance with the best experience possible.”

Additional Resources:

  • Visit pytorch.org to learn more about the project and the PyTorch Foundation
  • Read Jim Zemlin’s blog discussing the PyTorch transition
  • Read Meta AI’s blog about transitioning PyTorch to the Linux Foundation
  • Read this blog from Soumith Chintala, PyTorch Lead Maintainer and AI Researcher at Meta, about the future of the project
  • Join Soumith Chintala and Dr. Ibahim Haddad for a fireside chat on Thursday, September 15, at 3pm GMT / 11am ET / 8am PT
  • Learn more about PyTorch training opportunities from the Linux Foundation
  • Follow PyTorch on Facebook, LinkedIn, Spotify, Twitter, and YouTube

About the Linux Foundation

Founded in 2000, the Linux Foundation and its projects are supported by more than 3,000 members. The Linux Foundation is the world’s leading home for collaboration on open source software, hardware, standards, and data. Linux Foundation projects are critical to the world’s infrastructure including Linux, Kubernetes, Node.js, ONAP, Hyperledger, RISC-V, PyTorch, and more. The Linux Foundation’s methodology focuses on leveraging best practices and addressing the needs of contributors, users, and solution providers to create sustainable models for open collaboration. For more information, please visit us at linuxfoundation.org.

###

The Linux Foundation has registered trademarks and uses trademarks. For a list of trademarks of The Linux Foundation, please see our trademark usage page:  https://www.linuxfoundation.org/trademark-usage. Linux is a registered trademark of Linus Torvalds.

Media Contact

Dan Whiting

for the Linux Foundation

202-531-9091

dwhiting@linuxfoundation.org

The post Meta Transitions PyTorch to the Linux Foundation, Further Accelerating AI/ML Open Source Collaboration appeared first on Linux Foundation.

  •  
❌