Leader di pensiero

L’IA individua vulnerabilità a velocità vertiginosa. Correggerle è tutta un’altra storia.

Eylam Milner
Aggiungi Unite.AI alle tue fonti preferite su Google
Punti chiaveL'IA ora scopre le vulnerabilità zero-day più velocemente di quanto i difensori possano…
Vedi di più
  • L'IA ora scopre le vulnerabilità zero-day più velocemente di quanto i difensori possano correggerle.
  • Oltre la metà delle patch generate dall'IA non è riuscita a correggere la falla o ne ha introdotte di nuove.
  • Affidarsi solo ai CVE divulgati lascia i difensori a reagire secondo i tempi degli attaccanti.

La cybersicurezza deve affrontare un nuovo problema e, ironia della sorte, a scatenarlo è la nostra capacità di individuare i problemi più velocemente che mai.

I modelli di IA all’avanguardia stanno diventando molto efficaci nell’individuare e sfruttare le vulnerabilità del software: difetti che avrebbero potuto restare nascosti per anni vengono ora scoperti a una velocità che, solo pochi mesi fa, sarebbe stata quasi impossibile da immaginare.

La difficoltà, però, è che il settore sta diventando molto più bravo a individuare le vulnerabilità che a correggerle. Si consideri la più recente ricerca di Anthropic. Il modello open-weight GLM-5.3 di Zhipu AI ha sviluppato con successo exploit funzionanti dall’inizio alla fine in 50 dei 410 tentativi del benchmark ExploitBench, mentre Claude Mythos Preview è riuscito a farlo in 56 casi.

La differenza è estremamente ridotta tra un modello all’avanguardia ad accesso limitato e uno i cui pesi sono disponibili apertamente. Capacità che un tempo richiedevano ricercatori di sicurezza altamente specializzati stanno diventando accessibili a un pubblico molto più vasto. Nel frattempo, il software che usiamo tutti non è diventato improvvisamente meno vulnerabile. Siamo entrati in un’epoca in cui individuare una vulnerabilità zero-day può essere più rapido che correggerla.

Le recenti vulnerabilità PHP2Shell ne sono un esempio lampante. Secondo le ricerche di Wiz, Calif e del team Codex Security di OpenAI, l’IA all’avanguardia ha aiutato un singolo ricercatore a scoprire in circa una settimana falle critiche nel motore PHP. Queste vulnerabilità interessavano un ambiente di esecuzione su cui si basa una parte considerevole del web, comprese le applicazioni realizzate con WordPress, Drupal e Joomla.

Per i team di sicurezza, questo solleva una domanda urgente: cosa succede quando gli aggressori riescono a scoprire le vulnerabilità più rapidamente di quanto i difensori riescano a correggerle?

Il manuale di gestione delle vulnerabilità non è stato pensato per questo

Da anni la gestione delle vulnerabilità segue una sequenza ben nota. Una vulnerabilità viene scoperta, qualcuno la segnala, le viene assegnato un CVE, viene resa disponibile una patch, gli scanner la rilevano, i team di sicurezza valutano il rischio, stabiliscono le priorità per la correzione e la distribuiscono. Non è un processo perfetto, ma l’intero ecosistema della sicurezza è stato costruito attorno a esso.

Il vero problema, tuttavia, è che il processo dipende in larga misura dal fatto di conoscere già la vulnerabilità. Gli scanner tradizionali sono ottimi per indicare quali vulnerabilità note sono presenti nel proprio ambiente, ma che dire di quelle che non sono state divulgate? Di quelle senza un CVE, un avviso o una patch?

La divulgazione delle vulnerabilità PHP2Shell mostra quanto questo modello ci lasci esposti. Le due vulnerabilità critiche, CVE-2026-109618 e CVE-2026-109619, hanno entrambe ricevuto una valutazione CVSS di 9,2 e riguardavano difetti di sicurezza della memoria nello stesso PHP. I ricercatori hanno dimostrato l’esecuzione di codice da remoto e la divulgazione di memoria in applicazioni ampiamente utilizzate, tra cui WordPress, Drupal e Joomla. Anche le applicazioni con codice altrimenti sicuro potevano essere vulnerabili, perché il problema risiedeva nell’ambiente di esecuzione sottostante.

Anche la tempistica è stata rivelatrice. Dopo un primo avvertimento pubblico, il team di sicurezza di PHP ha accelerato il calendario di rilascio. Quando le patch sono diventate disponibili, erano già stati osservati i primi tentativi di attacco.

E non è tutto: quel giorno PHP non era l’unico problema. Un attacco distinto alla catena di approvvigionamento del software ha compromesso LiteLLM versione 1.107.0, un popolare gateway open source per i modelli linguistici di grandi dimensioni. Gli aggressori hanno inserito un programma per il furto di informazioni e un trojan per l’accesso remoto nel pacchetto Python pubblicato, mentre il repository del codice sorgente del progetto è rimasto pulito. Un team che avesse esaminato solo il codice sorgente non avrebbe individuato affatto il payload malevolo.

Questi incidenti mostrano come le vulnerabilità possano rimanere per anni annidate in componenti software considerati affidabili e come, allo stesso tempo, il codice malevolo possa insinuarsi tramite le dipendenze che le organizzazioni installano abitualmente. In entrambi i casi, il problema può avere origine al di fuori del codice dell’applicazione stessa.

Mostrano inoltre come uno scanner possa dare esito positivo anche quando nel software da cui dipendono le applicazioni sono ancora presenti vulnerabilità gravi. Fino a poco tempo fa, scoprire difetti nascosti su larga scala richiedeva competenze di ricerca e risorse considerevoli, ma l’IA di frontiera sta cambiando le carte in tavola.

Individuare il bug è la parte facile. E adesso?

L’entusiasmo per la capacità dell’IA di scoprire vulnerabilità zero-day è grande, e a ragione: i progressi sono straordinari. Penso però che si parli troppo di quante vulnerabilità l’IA possa trovare e molto meno di ciò che succede dopo.

Individuare una vulnerabilità non rende più sicuri. Per prima cosa bisogna dimostrare che sia reale, perché i risultati generati dall’IA non sono automaticamente validi e un exploit dall’aspetto convincente non è sempre riproducibile. Occorre poi capire quali versioni siano interessate, se la vulnerabilità sia effettivamente sfruttabile e quale rischio comporti.

Poi bisogna correggerla, ed è qui che la situazione si fa particolarmente interessante. Una ricerca di 1Password ha esaminato 6.080 patch generate dall’IA e ha rilevato che il 53,9% non risolveva la vulnerabilità originale, introduceva una nuova falla di sicurezza o faceva entrambe le cose.

In quello studio, più della metà delle patch generate presentava un problema di sicurezza proprio. Naturalmente, questi risultati riflettono specifiche condizioni di test. Ma illustrano un aspetto che ogni ingegnere esperto conosce: scrivere codice che sembra risolvere un problema e dimostrare che lo risolve davvero sono due cose molto diverse.

E anche quando la patch è corretta, il lavoro non è ancora finito. Interromperà funzionalità esistenti? Funziona con la versione precedente della libreria da cui dipende la tua applicazione? È possibile distribuirla senza imporre un aggiornamento che introduca una dozzina di altri problemi?

Cosa succede quando bisogna distribuirla su centinaia di applicazioni, team e ambienti? Una patch che funziona in un ambiente di test ma non arriva mai in produzione non protegge nessuno. È questo il grande divario che, a mio avviso, il settore della sicurezza deve affrontare.

Stiamo accelerando a ritmi vertiginosi la scoperta delle vulnerabilità, mentre gran parte del lavoro necessario per trasformare queste scoperte in protezione concreta rimane dolorosamente lento. E questo divario sta diventando di per sé un rischio per la sicurezza.

Come possiamo davvero colmare il divario?

Non credo che la soluzione sia dire ai team di sicurezza, già sovraccarichi, di lavorare di più o gestire più avvisi. Dobbiamo ripensare cosa significhi una gestione efficace delle vulnerabilità quando individuare i difetti non è più il principale collo di bottiglia.

Ecco i quattro ambiti da cui partirei.

1. Non considerare il database CVE un quadro completo

Le CVE e gli scanner di vulnerabilità sono strumenti essenziali, ma registrano ciò che sappiamo, non tutto ciò che esiste davvero. I team di sicurezza devono iniziare a guardare oltre le vulnerabilità divulgate pubblicamente, combinando le scansioni tradizionali con la ricerca proattiva, l’analisi del codice, le informazioni sulle minacce e una chiara comprensione dei componenti software da cui dipendono le loro organizzazioni.

Risorse come il Catalogo delle vulnerabilità note sfruttate di CISA sono preziose per stabilire le priorità tra le minacce note, ma non possono segnalare vulnerabilità che nessuno ha ancora divulgato. PHP2Shell ha dimostrato che vulnerabilità gravi possono rimanere per anni nel software fondamentale prima di essere scoperte. Quando l’IA di frontiera è in grado di individuare questi difetti in pochi giorni, affidarsi esclusivamente agli avvisi pubblicati significa che i difensori finiranno sempre per reagire secondo le tempistiche altrui.

2. Riconoscere che più segnalazioni ≠ maggiore sicurezza

L’IA può generare un enorme volume di potenziali segnalazioni, ma questo non significa che ognuna giustifichi l’interruzione di ogni altra attività da parte di un team di ingegneri per indagare.

Il vero valore sta nel sapere quali vulnerabilità sono reali, sfruttabili e pertinenti al proprio ambiente. È possibile riprodurre il problema? Quali versioni sono interessate? Esiste un percorso di attacco realistico? Qual è l’effettivo impatto sull’azienda?

Senza questo contesto, le organizzazioni rischiano di assegnare priorità alle vulnerabilità basandosi solo sui punteggi di gravità, trascurando i modi in cui gli aggressori potrebbero effettivamente raggiungere sistemi e credenziali sensibili.

3. Rendere la correzione distribuibile, non solo tecnicamente corretta

Questa è una delle sfide più sottovalutate nella correzione delle vulnerabilità. Le aziende non operano in ambienti perfettamente puliti, dove ogni dipendenza può essere aggiornata all’ultima versione da un giorno all’altro. Hanno applicazioni legacy, sistemi interconnessi, requisiti di compatibilità e versioni software che non possono semplicemente sostituire.

Una correzione che impone a un’organizzazione di ricostruire metà della propria infrastruttura, quindi, non è particolarmente utile. Servono metodi migliori per retroportare le patch di sicurezza, mantenere la compatibilità, ridurre le superfici di attacco non necessarie e distribuire gli aggiornamenti tramite gli strumenti e i flussi di lavoro già utilizzati dai team.

Le linee guida di NIST sulla gestione delle patch aziendali sottolineano l’importanza di identificare, stabilire le priorità, installare e verificare gli aggiornamenti. Ora la sfida è rendere sufficientemente rapido l’intero processo da tenere il passo con le scoperte guidate dall’IA, perché la patch migliore del mondo è inutile se nessuno riesce a distribuirla.

4. Misurare quanto tempo serve per ottenere una protezione effettiva

Se oggi l’IA scopre una vulnerabilità critica, quanto tempo occorre per convalidarla, sviluppare una patch funzionante, testarla e portarla in produzione?

La risposta a PHP2Shell offre un utile parametro di riferimento. In Echo abbiamo distribuito pacchetti PHP corretti subito dopo la disponibilità delle patch upstream e ricreato quello stesso pomeriggio le immagini aggiornate per le versioni PHP supportate.

I team di sicurezza dovrebbero misurare l’intero ciclo di correzione, dalla scoperta e convalida fino allo sviluppo delle patch, ai test di compatibilità e alla distribuzione. Dovrebbero sapere con quale rapidità possono ricreare il software interessato, se sono in grado di individuare tutte le applicazioni che utilizzano una dipendenza vulnerabile e quanto intervento manuale è necessario per ottenere la protezione.

Man mano che l’IA di frontiera rende più rapida e accessibile l’individuazione delle vulnerabilità, l’intervallo tra la scoperta e il potenziale sfruttamento continuerà a ridursi. Non possiamo dare per scontato che i tradizionali cicli di divulgazione e applicazione delle patch riescano a tenere il passo. La prossima era della gestione delle vulnerabilità sarà definita da chi saprà trasformare queste scoperte in correzioni affidabili e pronte per la distribuzione prima che gli aggressori abbiano l’opportunità di agire.

Eylam Milner è cofondatore e CTO di Echo, che fornisce software progettato per resistere alle minacce più avanzate lungo la filiera del software aziendale. In precedenza, ha ricoperto lo stesso ruolo presso Argon Security, acquisita da Aqua.