Pascal Geenens, VP Cyber Threat Intelligence, Radware – Intervista della serie

Pascal Geenens, VP Cyber Threat Intelligence, Radware, è un ricercatore di sicurezza informatica e leader tecnologico con oltre due decenni di esperienza nel settore delle tecnologie dell’informazione, della sicurezza delle reti e dell’intelligence sulle minacce. In Radware, aiuta a guidare la ricerca e il pensiero della società sul panorama delle minacce informatiche in evoluzione, con un particolare focus sugli attacchi di negazione del servizio distribuito, il malware di Internet delle cose, le minacce automatizzate e l’utilizzo crescente dell’intelligenza artificiale sia da parte degli attaccanti che dei difensori. Geenens sviluppa e mantiene honeypot IoT come parte del team di ricerca sulla sicurezza di Radware e ha condotto ricerche approfondite su minacce come BrickerBot e Hajime. Prima di unirsi a Radware, ha lavorato come ingegnere consulente presso Juniper Networks , consigliando i principali fornitori di servizi cloud e di comunicazione in Europa, Medio Oriente e Africa su strategie di networking definito dal software, virtualizzazione delle funzioni di rete e automazione dei data center.

Radware è una società di sicurezza informatica e di consegna di applicazioni quotata in borsa che aiuta le imprese a proteggere le reti, i siti web, le applicazioni e le API in ambienti fisici, cloud, ibridi e definiti dal software. Il suo portfolio include la protezione da attacchi di negazione del servizio distribuiti basata sull’IA, firewall per applicazioni web, gestione dei bot, sicurezza delle API, controller di consegna delle applicazioni e servizi di risposta di emergenza gestiti. Combinando l’analisi del comportamento, l’apprendimento automatico, l’intelligence sulle minacce a livello di cloud e la mitigazione automatizzata, la tecnologia di Radware è progettata per identificare l’attività maliosa in tempo reale mentre mantiene l’accesso per gli utenti legittimi e la disponibilità e le prestazioni dei servizi digitali critici.

Ha trascorso quasi tre decenni nel settore della sicurezza informatica, dal supporto del kernel IBM AIX e all’ingegneria delle infrastrutture alla scoperta di botnet come BrickerBot, JenX e Demonbot, e ora guida l’intelligence sulle minacce in Radware. Guardando indietro, quali sono i principali cambiamenti che ha visto nell’innovazione degli attaccanti e come l’IA ha cambiato le sue aspettative per quanto riguarda le prossime generazioni di minacce informatiche?

Il panorama delle minacce ha subito un cambiamento fondamentale da hacker solitari che erano entusiasti tecnici altamente qualificati a cybercriminali che sono imprenditori sofisticati e organizzati. In passato, un hacker era tipicamente motivato dalla sfida tecnica in sé. Oggi, la combinazione di accelerazione digitale e intelligenza artificiale generativa ha commercializzato l’intera operazione, alimentando un’economia di Crime-as-a-Service (CaaS) matura. Gli attori malintenzionati hanno essenzialmente specchiato il modello di Software-as-a-Service (SaaS) aziendale, vendendo strumenti avanzati a chiunque. Ciò consente a novizi completi di lanciare attacchi sofisticati su larga scala. Man mano che la nostra impronta digitale si espande ogni anno, la superficie di attacco disponibile e le opportunità di sfruttamento finanziario crescono con essa.

L’IA sta guidando il prossimo capitolo di questa evoluzione in due modi distinti.

Innanzitutto, democratizza la criminalità informatica. Dà un immediato aumento di capacità agli attaccanti dilettanti mentre aiuta i grandi sindacati a razionalizzare le loro operazioni, a perfezionare le loro interfacce utente e a commercializzare i loro servizi malintenzionati in modo molto più efficiente.

In secondo luogo, e più critico, l’ascesa dell’IA agente combinata con i modelli di frontiera più recenti sta automatizzando il ciclo di vita delle vulnerabilità. Ci stiamo muovendo verso una realtà operativa in cui le macchine possono autonomamente scansionare le reti, scoprire vulnerabilità e creare sfruttamenti quasi interamente da sole, lavorando 24 ore su 24 e eseguendo azioni in tempi molto più rapidi di qualsiasi difensore umano.

L’IA sta abbassando drasticamente la barriera tecnica per gli attaccanti. Quali capacità offensive dell’IA la preoccupano di più nei prossimi tre o cinque anni e quali pensa stiano attualmente ricevendo più attenzione di quanto meritino?

L’area che richiede l’attenzione più stretta in questo momento è la scoperta e lo sfruttamento delle vulnerabilità assistiti dall’IA. Nel momento in cui una falla viene divulgata, inizia una gara. Gli attaccanti stanno sfruttando l’IA per analizzare istantaneamente la falla, mappare dove si applica e generare e testare variazioni di sfruttamento. Ciò comprime completamente il timeline di sfruttamento che già si muoveva troppo velocemente per la maggior parte dei processi di gestione delle patch aziendali.

Contemporaneamente, stiamo vedendo un grande cambiamento verso sistemi AI continui e locali. In particolare, l’ascesa di “agenti locali con un battito cardiaco”. Un esempio primario è OpenClaw e l’annuncio recente di Microsoft (MSFT ) che integrerà OpenClaw nella barra degli strumenti di ogni dipendente. A differenza degli assistenti cloud-based standard, questi agenti locali funzionano costantemente in background, direttamente sulla macchina di un dipendente. Operano tramite loop continui e mimano azioni umane, come la digitazione e la navigazione tramite automazione del browser. Ciò rende virtualmente impossibile per i sistemi di sicurezza endpoint standard distinguere tra il dipendente e l’agente AI. Poiché gli utenti inevitabilmente concederanno a questi agenti ampie autorizzazioni di sistema per svolgere il loro lavoro, gli agenti possono bypassare i connettori API sicuri semplicemente utilizzando browser locali per fare clic sui link e sui pulsanti. Se questi agenti autonomi vengono colpiti da un attacco di iniezione di prompt diretto o indiretto, un attaccante può manipolarli per esfiltrare, alterare o distruggere dati aziendali con zero impronta tradizionale.

Il rischio sovrastimato è il potenziale per swarm di AI completamente autonomi e in grado di sfruttare zero-day che possono hackerare aziende complesse su larga scala a partire da zero. Ciò potrebbe verificarsi in futuro, ma non è il problema di oggi. Il problema di oggi è costituito da attaccanti esperti umani con strumenti migliorati e automazione e da un numero crescente di attaccanti meno esperti che possono fare di più di quanto potessero fare in precedenza.

La finestra di tempo tra la divulgazione di una vulnerabilità e lo sfruttamento attivo continua a ridursi. Quanto l’IA ha accelerato questo timeline e quali cambiamenti dovrebbero apportare le squadre di sicurezza aziendale per stare al passo?

È una gara su due fronti: da un lato, c’è la gara per scoprire, correggere e divulgare nuove vulnerabilità prima che i cattivi lo facciano; dall’altro, c’è la gara per patchare le vulnerabilità prima che i cattivi lancino uno sfruttamento. L’IA è al centro di entrambe le gare.

I difensori devono gestire un numero crescente di vulnerabilità e hanno sempre meno tempo per rispondere. Una volta che una vulnerabilità è pubblica, gli attaccanti si muovono rapidamente attraverso le basi. Cosa è interessato? È raggiungibile da Internet? È possibile riprodurre lo sfruttamento e adattarlo per funzionare in più ambienti? L’IA aiuta con ogni uno di quei passaggi, riassumendo la falla, esaminando il codice di prova del concetto, suggerendo modifiche e automatizzando la scansione, lo sfruttamento e l’elaborazione dei risultati.

La patch non può essere l’unico orologio che le squadre di sicurezza guardano. È necessario, ma è solitamente più lento del timeline dell’attaccante, specialmente per le applicazioni e le API di produzione che affrontano Internet. Le squadre devono sapere cosa è esposto, cosa è sfruttabile nella pratica e quali servizi aziendali e risorse saranno interessati quando verranno colpiti.

Per chiudere questa finestra di esposizione critica, i difensori devono passare da una mentalità reattiva, patch-first, a un modello automatizzato, protect-first, implementando difese in tempo reale specifiche dell’ambiente. Invece di affidarsi a firme generiche, uno-size-fits-all o forzare i team operativi a inserire aggiornamenti di software non validati in produzione, le organizzazioni dovrebbero iniziare a fare affidamento sulla scoperta continua e automatizzata degli endpoint API e della logica aziendale online, insieme a un software bill of materials (SBOM) automatizzato, combinato con l’intelligence sulle minacce più recenti e le vulnerabilità per generare dinamicamente patch virtuali personalizzate. La distribuzione di queste protezioni consapevoli del contesto attraverso le applicazioni web e gli endpoint API blocca i tentativi di sfruttamento al livello di runtime prima che possano raggiungere la logica dell’applicazione vulnerabile. Questo tipo di intercettazione automatizzata consente alle squadre di sicurezza di avere una finestra di remediation, permettendo loro di testare e distribuire aggiornamenti software in modo sicuro e gestibile senza esporre l’azienda a rischi immediati o a downtime.

Le organizzazioni stanno schierando rapidamente applicazioni e agenti AI che si affidano pesantemente alle API. Stanno sottovalutando i rischi di sicurezza che questo crea e quali sono gli errori più grandi che sta vedendo oggi?

Sì, molte organizzazioni stanno ancora sottovalutando i rischi perché stanno trattando gli agenti AI come applicazioni da proteggere e la sicurezza AI come un problema di privacy dei dati piuttosto che come una minaccia operativa. Il problema che stiamo vedendo maggiormente in questo momento è una fondamentale incomprensione dell’agenzia degli agenti. Per un agente AI locale essere veramente efficace e risparmiare tempo a un dipendente, l’utente deve rilasciare tutte le autorizzazioni di accesso all’agente. Ciò significa che l’agente eredita effettivamente l’identità e l’accesso fidato del dipendente attraverso le applicazioni aziendali, le sessioni del browser e i file locali. Anche se un’organizzazione sta attivamente monitorando e limitando i connettori AI, questi agenti locali possono interagire con i sistemi mimando il comportamento umano, come la digitazione e la navigazione tramite automazione del browser. Ciò rende i sistemi di sicurezza aziendali completamente incapaci di distinguere tra il dipendente reale e l’agente automatizzato.

Questa delega di fiducia diventa estremamente pericolosa a causa di come i modelli di linguaggio LLM fondamentalmente elaborano le informazioni: i modelli AI non distinguono tra dati e istruzioni. Quando a un agente viene concesso l’accesso ampio al sistema per svolgere il suo lavoro, diventa incredibilmente facile per un attaccante manipolare l’agente tramite un attacco di iniezione di prompt indiretto. Un attaccante può semplicemente piantare istruzioni malintenzionate all’interno di un’e-mail, un PDF o una pagina web che l’agente è incaricato di leggere. Il modello elabora i dati non attendibili come un comando, completamente bypassando la consapevolezza dell’utente. Improvvisamente, uno strumento semplice progettato per riassumere i documenti viene manipolato per esportare autonomamente informazioni sensibili, alterare i dati aziendali o installare pacchetti malintenzionati, tutto mentre si nasconde dietro le credenziali legittime dell’utente.

Dopo aver trascorso anni a ricercare malware IoT e botnet, come vede l’IA trasformare la prossima generazione di botnet? Potremmo eventualmente vedere botnet autonomi in grado di adattare le loro tattiche senza intervento umano diretto?

I gestori di botnet non sono mai stati fermi. Gli operatori ruotano i payload, implementano nuove vulnerabilità, scansionano continuamente dispositivi obsoleti e spostano la loro infrastruttura di comando quando i difensori li individuano. Gli agenti AI possono seriamente accelerare questi cicli, sia che si tratti di triage delle vulnerabilità, generazione di exploit o gestione dell’infrastruttura.

I botnet autonomi non sono finzione. Brickerbot era uno dei primi bot autonomi. Stava in silenzio e aspettava che i dispositivi IoT infetti da Mirai tentassero di compromettere il dispositivo host e poi contraattaccava sfruttando le vulnerabilità per ottenere un punto di vantaggio sul dispositivo. Alla fine, Brickerbot distruggeva il dispositivo infetto. Il bot agiva come un sistema esperto basato su regole, simile ai primi sistemi AI. Un altro botnet rilevante che ha fatto un’impressione sulla comunità di sicurezza più di un decennio fa era Hajime. Era uno dei primi botnet peer-to-peer. Sfruttando le tabelle di hash distribuite di Torrent, Hajime poteva essere controllato e aggiornato in modo decentrato, senza richiedere un’infrastruttura di comando e controllo centrale e, di conseguenza, quasi impossibile da abbattere.

Ci sono diverse discussioni nella comunità di sicurezza sul potenziale per un botnet agente costruito su framework di agenti AI locali come OpenClaw. Questi non sono i tradizionali botnet di malware basati su codice, ma botnet guidati interamente dalla manipolazione del contesto. Ogni volta che gli agenti locali elaborano dati esterni, gli attaccanti non devono trovare uno sfruttamento di software tradizionale per dirottare queste macchine; devono solo ingannare il modello LLM sottostante. Facendolo, gli attaccanti ottengono l’accesso a potenti esecuzioni di terminali, automazione del browser e potenzialmente una serie di altre “abilità”.

La comunità discute in particolare di alcuni elementi chiave che rendono un botnet OpenClaw su larga scala fattibile:

• Dal momento che OpenClaw ingerisce continuamente dati esterni (come monitorare i problemi di GitHub, leggere i messaggi in entrata di Slack/Telegram o riassumere le pagine web), gli attaccanti possono incorporare istruzioni malintenzionate nei dati pubblici. Se un agente locale di un utente elabora quei dati, il prompt iniettato può sovrascrivere le istruzioni di sistema e comandare all’agente di connettersi a un server di comando e controllo (C2) controllato dall’attaccante.
• I ricercatori di sicurezza hanno notato che gli agenti OpenClaw hanno la capacità di utilizzare canali di comunicazione peer-to-peer o agent-to-agent criptati (come le “abilità” costruite dalla community come ClaudeConnect). I cybercriminali si rendono conto che possono sfruttare questi canali di comunicazione per consentire agli agenti dirottati di coordinarsi tra loro in silenzio, completamente bypassando i firewall di rete e il monitoraggio degli endpoint tradizionali.
• Le scansioni di sicurezza hanno rivelato che decine di migliaia di utenti ingenui stanno avviando istanze di OpenClaw su server cloud e esponendo involontariamente le interfacce di gestione HTTP direttamente a Internet. Questo enorme pool di ambienti ad alta priorità esposti fornisce agli attaccanti una grande impronta pre-esistente da bersagliare.
• Poiché OpenClaw si basa pesantemente su “abilità” scaricate da repository pubblici come ClawHub, gli attaccanti stanno caricando abilità apparentemente innocue (come “Cosa farebbe Elon”) che contengono istruzioni nascoste. Una volta installate, l’agente viene silenziosamente ordinato di eseguire comandi shell in background o di rilasciare malware, effettivamente reclutando la macchina host in un botnet senza che l’utente si renda conto di un avviso di file sospetto.

Alla fine, il consenso nella comunità è che OpenClaw sia un obiettivo primario per il primo vero botnet agente. Invece di un botnet composto da router compromessi o dispositivi IoT che eseguono script DDoS, un botnet OpenClaw sarebbe composto da macchine completamente autenticate e capaci che gli attaccanti possono comandare per rubare credenziali, alterare dati o orchestrare attacchi alla catena di approvvigionamento su larga scala a velocità di macchina.

Per quanto riguarda i bot automatizzati che si adattano e si adattano autonomamente sfruttando un LLM centrale come cervello, non è assolutamente finzione, ma non è qualcosa che gli attaccanti esperti favorirebbero. I botnet sono asset. L’automazione che si comporta male può esporre l’infrastruttura, attirare l’attenzione troppo presto, esporre l’operatore o bruciare eccessivamente i token. Gli attaccanti useranno l’automazione dove li aiuta a muoversi più velocemente, ma non rinunceranno al controllo sulle decisioni che potrebbero bruciare l’accesso, esporre l’infrastruttura o danneggiare i profitti.

Non vorrei eliminare completamente il rischio, tuttavia. Man mano che ci muoviamo verso l’AI edge e i nuovi dispositivi intelligenti vengono sempre più dotati di modelli di linguaggio locali (SLM), posso vedere attaccanti opportunistici che vanno a caccia di facili prede e incorporano funzionalità di bot assistita da prompt nei loro botnet. Almeno non dovranno pagare per l’eccessivo utilizzo dei token quando uno SLM locale inizia a loopare su un prompt troppo sofisticato o su un contesto che è cresciuto troppo grande.

Le campagne di hacktivism e gli attacchi DDoS su larga scala sono diventati sempre più comuni. Stanno diventando più sofisticati questi gruppi o l’IA e gli strumenti di attacco facilmente disponibili stanno semplicemente rendendo gli attacchi avanzati accessibili a un pubblico molto più ampio?

Entrambe le cose. Alcuni gruppi di hacktivism sono diventati genuinamente più organizzati. Alcuni gruppi, come l’iconico NoName057(16), hanno attivamente condotto attacchi DDoS su base quotidiana dal febbraio 2022. Hanno avuto il tempo di migliorare la loro strumentazione, costruire un seguito fedele e imparare a scegliere bersagli che attirano l’attenzione, a temporeggiare gli attacchi intorno agli eventi politici e a utilizzare le rivendicazioni pubbliche per costruire pressione. Per gli hacktivist, il messaggio conta più della perturbazione in sé.

Allo stesso tempo, gli strumenti sono diventati più facili da ottenere di quanto non fossero in passato. I servizi DDoS-for-hire, i botnet, le reti di proxy, gli script leak e i tutorial hanno permesso a chiunque con abilità limitate di unirsi a una campagna e sentirsi parte di qualcosa di più grande. L’IA aggiunge assistenza alla codifica, ricerca di bersagli, traduzione, messaggistica della campagna e automazione di base.

I bersagli sentono l’impatto in ogni caso, sia che l’attacco provenga da un gruppo esperto guidato da un’ideologia o da un lupo solitario assunto da un concorrente che noleggia l’infrastruttura di attacco DDoS. Un sito web down colpisce i clienti. Un servizio pubblico non disponibile viene notato dai cittadini. Abbastanza rumore e gli esecutivi e i team di comunicazione devono rispondere, indipendentemente da chi è dietro la tastiera.

Man mano che le imprese integrano l’IA generativa nelle loro operazioni, quali nuove superfici di attacco emergono che i leader della sicurezza potrebbero non apprezzare ancora appieno?

La risposta è definita da ciò che l’agente AI può raggiungere. Una volta che ha accesso a documenti interni, codice, pipeline CI/CD, chiavi API o strumenti DevOps, la superficie di attacco si espande rapidamente. Per essere utile, un agente necessita di agenzia, altrimenti non è più di un chatbot glorificato. La domanda diventa quindi cosa l’agente è autorizzato a fare. Quali informazioni riservate può leggere? Può modificare un biglietto o il conto bancario di un cliente nel CRM? Può eseguire codice? Può chiamare un servizio esterno? Può esporre dati tramite chiamate di strumenti?

L’iniezione di prompt indiretto diventa più seria in un tale ambiente. Se un agente elabora contenuto non attendibile e poi agisce, il prompt può diventare un percorso nel flusso di lavoro. Ciò è diverso da un chatbot che risponde a una domanda.

L’IA è ora utilizzata sia dagli attaccanti che dai difensori. Credi che l’IA difensiva alla fine terrà il passo con l’IA offensiva o le organizzazioni affronteranno una battaglia asimmetrica crescente negli anni a venire?

L’IA sta creando uno squilibrio che favorisce l’attaccante. Ciò non è perché i modelli di IA difensiva sono inferiori. In realtà, l’utilizzo dell’IA nella difesa è altamente efficace per filtrare il rumore quotidiano e accelerare la risposta agli incidenti. Il problema, tuttavia, è una lacuna strutturale nella velocità operativa e nelle costrizioni.

Storicamente, quando una vulnerabilità veniva scoperta, le squadre di sicurezza avevano una piccola finestra di tempo per distribuire una patch prima che gli attaccanti la sfruttassero. Oggi, l’IA agente ha compresso quella finestra quasi a zero. Gli strumenti automatizzati possono trovare una falla e istantaneamente generare uno sfruttamento mirato. Un processo di gestione delle patch tradizionale guidato dall’uomo semplicemente non può competere con una pipeline di attacco automatizzata in esecuzione continua.

Inoltre, i due lati operano sotto regole completamente diverse. Gli attaccanti non affrontano alcuna costrizione riguardo alla conformità, all’etica o al downtime operativo. Possono distribuire agenti AI personalizzati per lanciare campagne non limitate e su larga scala. I difensori, d’altra parte, devono operare in modo deterministico. Un’IA difensiva non può isolare ciecamente un database di produzione fondamentale o revocare le credenziali di un dirigente sulla base di un’anomalia ad alta probabilità. I difensori richiedono la verifica per proteggere la continuità aziendale e la latenza introdotta da quelle necessarie barriere è esattamente ciò che gli attacchi automatizzati sfruttano.

Ultimamente, la leadership nella sicurezza non sarà definita da chi possiede l’IA “più intelligente”, ma da chi risolve questo divario di velocità architettonico. Le organizzazioni che trattano l’IA come uno strumento di sicurezza standard saranno sopraffatte dalla velocità delle minacce moderne. Il successo richiede la progettazione di un’infrastruttura che consenta all’IA difensiva di isolare e contenere le minacce in modo autonomo.

Molte squadre di sicurezza continuano a fare affidamento su metriche di sicurezza tradizionali e metodi di rilevamento. Man mano che gli attacchi diventano più veloci e più automatizzati, quali indicatori o comportamenti dovrebbero le organizzazioni prioritizzare invece?

La maggior parte delle metriche di sicurezza si concentra ancora pesantemente sull’attività: allarmi attivati, attacchi bloccati o vulnerabilità trovate. Sebbene questi numeri siano utili per misurare la risposta agli incidenti, non forniscono alcun insight sull’esposizione effettiva dell’organizzazione. Dicono ai difensori cosa hanno catturato, ma non mostrano loro i punti ciechi che rimangono aperti fino a quando un attaccante non li sfrutta.

Nell’era delle minacce automatizzate, fare affidamento su metriche reattive non è più fattibile. Una volta che un’organizzazione è presa di mira, la velocità dell’attacco richiede una gestione proattiva. La gestione della superficie di attacco in tempo reale è ora imperativa. I difensori devono avere visibilità continua sui rischi operativi specifici: quali applicazioni e API critiche sono esposte a Internet? Quali vulnerabilità esistono al loro interno?

La vera resilienza deriva dal collegare questo contesto della superficie di attacco con il rilevamento del comportamento e l’intelligence sulle minacce. Comprendendo esattamente cosa è esposto e come si comporta, le squadre di sicurezza possono anticipare e bloccare attacchi precedentemente sconosciuti.

Ultimamente, la velocità operativa rimane un indicatore critico di successo, ma i difensori devono misurare la finestra di tempo giusta: quanto velocemente identifichiamo che una nuova vulnerabilità colpisce un sistema esposto e quanto velocemente possiamo mettere in atto un controllo compensativo per proteggerlo? Quella specifica velocità è la vera misura del fatto che un programma di sicurezza possa resistere agli attacchi ad alta velocità su larga scala.

Guardando avanti di cinque anni, quale sarà la sfida di sicurezza definitiva dell’era dell’IA e cosa dovrebbero iniziare a fare oggi i CISO e le squadre di sicurezza per prepararsi?

Guardando avanti di cinque anni, la sfida di sicurezza definitiva dell’era dell’IA sarà la governance e la sicurezza delle relazioni non umane autonome. Man mano che le organizzazioni si allontanano dai chatbot autonomi verso sistemi di agenti multipli interconnessi che possiedono l’agenzia per eseguire transazioni finanziarie, modificare il codice sorgente e alterare l’infrastruttura cloud, i confini di sicurezza tradizionali si romperanno. In cinque anni, un’azienda non gestirà solo dipendenti umani e software statico; supervisionerà migliaia di agenti AI autonomi che interagiscono tra loro, con i dati aziendali e con sistemi di terze parti esterni.

La visibilità degli agenti sistemici in tutta l’organizzazione sarà imperativa. Prima che gli agenti si moltiplichino, i CISO dovrebbero stabilire un registro centralizzato che definisca la proprietà chiara per ogni agente distribuito, i modelli di dati e i repository che l’agente è autorizzato a leggere e gli strumenti, le API e i comandi di sistema che è autorizzato a chiamare. I CISO dovrebbero anche imporre che ogni distribuzione di tecnologia agente utilizzi protocolli di connettività standardizzati e verificabili per garantire che tutte le integrazioni degli strumenti siano strettamente registrate.

Entro cinque anni, la difesa delle API e delle applicazioni online non sarà più una questione di gestione delle configurazioni, blocco di firme note e patching delle vulnerabilità; sarà una guerra automatizzata di logica contro logica. Man mano che gli attaccanti distribuiscono pipeline agente completamente automatizzate e consapevoli del contesto che possono reverse-engineering la logica aziendale di un’applicazione entro secondi dalla scoperta, i firewall delle applicazioni web tradizionali diventeranno obsoleti. La difesa di questo panorama richiederà un passaggio ad architetture autonome e consapevoli del contesto.

Gli attaccanti useranno i modelli di frontiera per automatizzare completamente il ciclo di scoperta e sfruttamento delle vulnerabilità della logica API (come l’autorizzazione a livello di oggetto rotta, o BOLA). Invece di cercare bug di software noti, i bot di attacco automatizzati mapperanno l’intero schema API di un’applicazione, capiranno come fluiscono i dati e genereranno dinamicamente sequenze di payload personalizzate e altamente personalizzate per manipolare la logica aziendale. Poiché questi attacchi utilizzano la sintassi valida e le chiamate API legittime, la soglia di rilevamento basata sui limiti e la rilevazione delle firme sarà completamente cieca.

Per contrastare la scoperta automatizzata, i difensori devono ottenere visibilità in tempo reale e continua sulla loro architettura esposta. Le squadre di sicurezza non possono fare affidamento su documentazione statica o cataloghi API obsoleti. L’IA difensiva deve scansionare e mappare continuamente ogni singolo endpoint API attivo, la relazione di microservizio e il flusso di lavoro dell’applicazione online attraverso ambienti cloud ibridi. Questa visibilità automatizzata deve essere abbinata a un software bill of materials (SBOM) dinamico per collegare istantaneamente una nuova divulgazione di vulnerabilità globale alle specifiche linee di codice esposte a Internet.

Perché gli attacchi automatizzati si confondono con il traffico degli utenti legittimi, la difesa deve spostarsi interamente all’analisi del comportamento contestuale. L’IA difensiva profilerà il comportamento standard di ogni singolo client API, token e identità utente. Monitorerà l’intento e la sequenza delle chiamate API piuttosto che solo gli input. Se uno script di attacco automatizzato inizia a cucire insieme chiamate API legittime in una sequenza anomala per estrarre dati o testare una falla di logica, il sistema deve riconoscere la deviazione strutturale dell’intento e intervenire istantaneamente.

La vera misura della resilienza sarà quanto velocemente un’organizzazione possa comprimere la finestra tra l’esposizione di una vulnerabilità e la sua remediation. Aspettare che i team di sviluppo scrivano, testino e distribuiscano aggiornamenti di codice in produzione sarà una strategia fatale. La vera protezione dipenderà dal patching virtuale automatizzato e consapevole del contesto al livello di runtime. Inserendo l’intelligence sulle minacce e i dati di scoperta API direttamente nei motori di IA difensiva al bordo, l’infrastruttura genererà e distribuirà automaticamente patch virtuali personalizzate per intercettare e bloccare i tentativi di sfruttamento prima che possano raggiungere la logica dell’applicazione vulnerabile.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Radware.