Quando gli attacchi in evoluzione superano le vecchie difese: perché è giunto il momento della sicurezza proattiva basata sull’intelligenza artificiale

Se lavori vicino alla sicurezza in questo momento, probabilmente ti senti come se stessi sempre rimontando. C’è una nuova violazione nella notizia, una nuova storia di ransomware, e un’altra astuta mossa che i difensori non hanno visto arrivare. Allo stesso tempo, molta protezione si basa ancora su idee di un internet più vecchio dove le reti avevano confini chiari e gli attaccanti si muovevano più lentamente.

I numeri ti dicono che non si tratta solo di una sensazione. L’ultimo IBM Cost of a Data Breach Report pone la media globale della violazione a 4,88 milioni di dollari nel 2024, rispetto ai 4,45 milioni dell’anno precedente. Quel balzo del 10% è il più grande aumento dal periodo della pandemia, e si verifica nonostante i team di sicurezza investano di più in strumenti e personale.

Il Verizon Data Breach Investigations Report del 2024 esamina oltre 30.000 incidenti e oltre 10.000 violazioni confermate. Evidenzia come gli attaccanti facciano affidamento su credenziali rubate, sfruttamento di applicazioni web e azioni sociali come il pretexting, e nota che le organizzazioni impiegano in media circa 55 giorni per risolvere solo la metà delle vulnerabilità critiche dopo la pubblicazione delle patch. Quei 55 giorni sono una finestra di tempo molto comoda per un attaccante che esegue scansioni continue.

In Europa, il ENISA Threat Landscape del 2023 segnala anch’esso una forte miscela di ransomware, attacchi di negazione del servizio, attacchi alla catena di approvvigionamento e ingegneria sociale. Un altro studio ENISA sugli incidenti della catena di approvvigionamento ha stimato che ci sono stati probabilmente quattro volte più attacchi del genere nel 2021 rispetto al 2020, e che questa tendenza è proseguita in aumento. 

Quindi il quadro è semplice ma scomodo. Le violazioni stanno diventando più comuni, più costose e più complesse, anche se gli strumenti migliorano. Qualcosa di strutturale non va nel modo in cui molte organizzazioni si difendono ancora.

Perché il modello di sicurezza classico sta rimanendo indietro

Per molto tempo, l’immagine mentale della difesa cibernetica è stata semplice. Avevi un interno e un esterno chiari. Costruivi un perimetro forte con firewall e filtri. Sceglievi antivirus per gli endpoint e cercavi firme di malware note. Aggiustavi le regole, tenevi d’occhio gli allarmi e reagivi quando qualcosa di ovvio si attivava.

Quel modello ha tre grandi problemi nel mondo attuale.

Innanzitutto, il perimetro è per lo più scomparso. Le persone lavorano da ovunque su una miscela di dispositivi gestiti e non gestiti. I dati si trovano su piattaforme cloud pubbliche e strumenti software come servizio. I partner e i fornitori si connettono direttamente ai sistemi interni. Rapporti come lo studio sulla catena di approvvigionamento di ENISA mostrano quanto spesso le intrusioni inizino attraverso un partner o un aggiornamento software piuttosto che un attacco frontale diretto a un server centrale.

In secondo luogo, la concentrazione sulle firme note lascia un’enorme cecità. Gli attaccanti moderni mescolano malware personalizzato con quello che i difensori chiamano “vivere sulla terra”. Si appoggiano a strumenti di scripting integrati, agenti di gestione remota e azioni amministrative quotidiane. Ogni passo, considerato singolarmente, potrebbe sembrare inoffensivo. Un approccio basato solo sulle firme non vede il più ampio schema, specialmente quando gli attaccanti cambiano piccoli dettagli in ogni campagna.

In terzo luogo, gli esseri umani sono sovraccarichi. Il rapporto Verizon mostra che lo sfruttamento delle vulnerabilità è ora un modo principale per entrare nelle reti e che molte organizzazioni lottano per applicare le patch abbastanza velocemente. La ricerca di IBM aggiunge che i lunghi tempi di rilevamento e contenimento sono una delle principali ragioni per cui i costi delle violazioni continuano a salire. Gli analisti siedono sotto una montagna di allarmi, log e triage manuale, mentre gli attaccanti automatizzano il più possibile.

Quindi hai attaccanti che sono più veloci e più automatizzati, e difensori che si basano ancora pesantemente su indagine manuale e vecchi schemi. In quella lacuna entra l’intelligenza artificiale.

Gli attaccanti stanno già trattando l’intelligenza artificiale come un compagno di squadra

Quando le persone parlano di intelligenza artificiale nella sicurezza, spesso immaginano strumenti difensivi che aiutano a catturare gli attaccanti. La realtà è che gli attaccanti sono altrettanto desiderosi di utilizzare l’intelligenza artificiale per semplificare il loro lavoro.

Il Microsoft Digital Defense Report 2025 descrive come i gruppi supportati dallo stato stanno utilizzando l’intelligenza artificiale per creare media sintetici, automatizzare parti di campagne di intrusione e ampliare operazioni di influenza. Un riassunto separato Associated Press di intelligence sulle minacce di Microsoft segnala che, da metà 2024 a metà 2025, gli incidenti che coinvolgono contenuti falsi generati dall’intelligenza artificiale sono aumentati a oltre 200, più del doppio dell’anno precedente e circa 10 volte il numero visto nel 2023.

Nella pratica, questo si traduce in messaggi di phishing che sembrano essere stati scritti da un madrelingua, in qualsiasi lingua desiderata. Si tratta di audio e video deepfake che aiutano gli attaccanti a fingersi leader senior o partner di fiducia. Si tratta di sistemi di intelligenza artificiale che setacciano enormi volumi di dati rubati per trovare i dettagli più preziosi del tuo ambiente, del tuo personale e dei tuoi partner.

Un recente Financial Times sul codice agente di intelligenza artificiale negli attacchi cibernetici descrive addirittura un’operazione di spionaggio largamente autonoma in cui un agente di codifica di intelligenza artificiale ha gestito la maggior parte dei passaggi dalla ricognizione all’estrazione dei dati con input umano limitato. Indipendentemente da come si valuta quel caso specifico, la direzione di marcia è chiara. Gli attaccanti sono molto felici di lasciare che l’intelligenza artificiale gestisca le parti noiose del lavoro.

Se gli attaccanti stanno utilizzando l’intelligenza artificiale per muoversi più velocemente, mimetizzarsi meglio e colpire più bersagli, allora i difensori non possono aspettarsi che gli strumenti tradizionali del perimetro e il triage manuale degli allarmi siano sufficienti. Devi portare una simile intelligenza nella tua difesa, o la lacuna continuerà ad allargarsi.

Dalla difesa reattiva al pensiero di sicurezza proattivo

Il primo vero cambiamento non è tecnico; è mentale.

Una postura reattiva si costruisce intorno all’idea che puoi aspettare segnali chiari di guai, e poi rispondere. Un nuovo binario viene rilevato. Un allarme si attiva perché il traffico corrisponde a un modello noto. Un account mostra un chiaro segno di compromissione. Il team salta in azione, indaga, pulisce e forse aggiorna una regola per prevenire che quel modello funzioni di nuovo.

In un mondo con attacchi lenti e rari, questo potrebbe andare bene. In un mondo con sonde costanti, sfruttamento rapido e campagne supportate dall’intelligenza artificiale, è troppo tardi. Quando un semplice schema scatta, gli attaccanti hanno spesso già esplorato la tua rete, toccato dati sensibili e preparato percorsi di ritorno.

Una postura proattiva inizia da un punto diverso. Presuppone che tu sia sempre toccato da traffico ostile. Presuppone che alcuni controlli falliranno. Si preoccupa di quanto velocemente puoi rilevare comportamenti insoliti, di quanto velocemente puoi contenerli e di quanto costantemente puoi imparare da essi. In quella prospettiva, le domande chiave diventano molto pratiche.

• Hai una visibilità continua sui tuoi sistemi chiave, identità e archivi di dati?

• Puoi notare piccole deviazioni dal comportamento normale, non solo firme note negative?

• Puoi legare quell’idea a un’azione rapida e ripetibile senza bruciare il tuo team?

L’intelligenza artificiale non è la soluzione di per sé, ma è un potente modo per rispondere a quelle domande nella scala che gli ambienti moderni richiedono.

Come si presenta una postura di sicurezza guidata dall’intelligenza artificiale

L’intelligenza artificiale aiuta a passare da una semplice visione sì/no delle minacce a un quadro più ricco, basato sul comportamento. Sul lato del rilevamento, i modelli possono osservare l’attività delle identità, la telemetria degli endpoint e i flussi di rete, e imparare cosa sembra normale per il tuo ambiente. Invece di bloccare solo un file maligno noto, possono sollevare un segnale di allarme quando un account si connette da una posizione insolita in un momento insolito, si sposta su un sistema che non ha mai toccato prima e poi inizia a spostare grandi volumi di dati. Ogni singolo evento potrebbe essere facile da trascurare. Il modello combinato è interessante.

Sul lato dell’esposizione, gli strumenti supportati dall’intelligenza artificiale possono mappare la tua vera superficie di attacco. Possono scansionare account cloud pubblici, servizi rivolti a internet e reti interne per trovare sistemi di test dimenticati, archiviazione mal configurata ed pannelli di amministrazione esposti. Possono raggruppare questi risultati in storie di rischio pratiche invece di elenchi grezzi. Ciò è particolarmente importante poiché l’intelligenza artificiale ombra cresce all’interno delle organizzazioni, con team che avviano i propri modelli e strumenti senza supervisione centrale, una tendenza che IBM segnala nella sua più recente relazione sui costi di una violazione dei dati come un’area di rischio seria. 

Sul lato della risposta, l’intelligenza artificiale può aiutarti ad agire più velocemente e più coerentemente. Alcuni centri di operazioni di sicurezza utilizzano già sistemi supportati dall’intelligenza artificiale per raccomandare passaggi di contenimento in tempo reale e per riassumere lunghe linee del tempo di indagine per gli analisti umani. L’Agenzia per la sicurezza cibernetica e delle infrastrutture degli Stati Uniti descrive diversi di questi utilizzi nelle sue risorse di intelligenza artificiale, mostrando come l’intelligenza artificiale possa aiutare a rilevare attività di rete insolite e analizzare grandi flussi di dati sulle minacce attraverso sistemi federali.

Nessuno di ciò elimina la necessità di giudizio umano. Invece, l’intelligenza artificiale diventa un moltiplicatore di forza. Prende il controllo della costante osservazione, del riconoscimento di modelli e di parte della prima triage, in modo che i difensori umani possano spendere più tempo su indagini approfondite e su questioni di progettazione difficili, come la strategia di identità e la segmentazione.

Come iniziare a muoversi in questa direzione

Se sei responsabile della sicurezza, tutto ciò può sembrare grande e astratto. La buona notizia è che il passaggio da reattivo a proattivo di solito inizia con alcuni passi concreti piuttosto che con una trasformazione gigante.

Il primo passo è mettere in ordine i tuoi flussi di dati. L’intelligenza artificiale è utile solo quanto i segnali che può vedere. Se il tuo fornitore di identità, gli strumenti endpoint, i controlli di rete e le piattaforme cloud inviano tutti log in silos separati, ogni modello avrà punti ciechi e gli attaccanti avranno nascondigli. Investire in una visione centrale della tua telemetria più importante è raramente glamour, ma è la base che rende possibile un supporto significativo dell’intelligenza artificiale.

Il secondo passo è scegliere casi d’uso specifici piuttosto che provare a spargere l’intelligenza artificiale ovunque. Molti team iniziano con l’analisi del comportamento per gli account utente, la rilevazione di anomalie negli ambienti cloud o la rilevazione di email e phishing più intelligente. L’obiettivo è scegliere aree in cui sai già di avere rischi e in cui il riconoscimento di modelli su grandi set di dati può chiaramente aiutare.

Il terzo passo è accoppiare ogni nuovo strumento supportato dall’intelligenza artificiale con un insieme esplicito di limiti. Ciò include definire cosa il modello è autorizzato a fare da solo, cosa deve sempre coinvolgere un umano e come misurerai se il sistema è onesto e utile nel tempo. Qui, il pensiero nel quadro di intelligenza artificiale del NIST e la guida da parte di agenzie come CISA può salvarti dal dover reinventare tutto da solo.

Perché la sicurezza proattiva dell’intelligenza artificiale non può attendere

Gli attacchi cibernetici stanno diventando qualcosa di più simile a una condizione di sfondo costante che a un’emergenza rara, e gli attaccanti sono molto felici di lasciare che l’intelligenza artificiale faccia gran parte del lavoro pesante per loro. Il costo sta salendo, i punti di ingresso si stanno moltiplicando e gli strumenti dell’attaccante stanno diventando più intelligenti ogni anno. Un modello reattivo che aspetta allarmi chiari e poi si affretta è semplicemente non adatto a quel mondo.

Una postura proattiva guidata dall’intelligenza artificiale è meno una questione di inseguire una moda trendy e più una questione di fare il lavoro quieto, non glamour, di mettere in ordine i dati, aggiungere insight basati sul comportamento e mettere chiari limiti intorno ai nuovi sistemi di intelligenza artificiale in modo che aiutino i difensori invece di sorprenderli. La lacuna tra attaccanti e difensori è reale, ma non è fissa, e le scelte che fai adesso sull’utilizzo dell’intelligenza artificiale nella tua pila di sicurezza decideranno quale lato si muoverà più velocemente nei prossimi anni e mettendo chiari limiti intorno ai nuovi sistemi di intelligenza artificiale in modo che aiutino i difensori invece di sorprenderli. La lacuna tra attaccanti e difensori è reale, ma non è fissa, e le scelte che fai adesso sull’utilizzo dell’intelligenza artificiale nella tua pila di sicurezza decideranno quale lato si muoverà più velocemente nei prossimi anni.