Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
I ricercatori del Google Threat Intelligence Group hanno rilevato che i gruppi criminali, spie di Stato e operatori di disinformazione, non usano più i modelli linguistici come assistenti ma come agenti autonomi capaci di scoprire vulnerabilità, scrivere exploit, penetrare reti e gestire campagne di influenza — senza che un umano prema “invio” a ogni passo. È la prima volta che l’intero ciclo d’attacco, dalla ricognizione all’esfiltrazione, viene osservato in produzione sotto il controllo di multi-agent framework open source come ARTEX, CAIRN, CyberStrikeAI e PentAGI.
Fino a pochi mesi fa, un attaccante usava un LLM per farsi scrivere uno script di phishing, o per analizzare un codice sorgente alla ricerca di bug. Oggi quel stesso attaccante lancia un framework multi-agente: un orchestratore assegna compiti a agenti specializzati — uno scansiona la superficie d’attacco, un altro reverse-engineerizza le patch di sicurezza per capire dov’è il buco (analisi differenziale), un terzo genera payload unici al volo, un quarto adatta la tattica in tempo reale in base alla risposta del sistema bersaglio. Tutto in un ciclo OODA (Observe, Orient, Decide, Act) che gira a velocità macchina. Google ha trovato un server di staging esposto che ospitava un framework chiamato exploit_agent: collegato a modelli frontier e locali che processava ininterrottamente i diff delle patch di software web diffusi per trasformare vulnerabilità n-day in exploit pronti all’uso prima ancora che gli aggiornamenti raggiungessero la produzione. Non è ricerca accademica: è letteralmente una catena di montaggio industriale dell’exploit.
Il fenomeno non si ferma allo spionaggio o al crimine classico. La disinformazione di Stato — Russia, Cina, Iran — ha industrializzato la creazione di personalità, video deepfake, articoli SEO-ottimizzati, account che “invecchiano” da soli simulando comportamenti umani per mesi prima di essere attivati. Piattaforme commerciali cinesi offrono già Influence-as-a-Service chiavi in mano: dall’ideazione della narrazione alla distribuzione automatizzata su social, blog, commenti. Parallelamente, il LLMJacking — il furto di credenziali cloud per rivendere accesso a modelli potenti via proxy underground — è diventato un business a sé: colpisce finanza, retail, trasporti, tecnologia in tre continenti. Chi ruba le chiavi non vuole i dati. Vuole la potenza di calcolo altrui per far girare i propri agenti offensivi.
La notizia non è che “l’IA viene usata male”. La notizia è che l’autonomia ha abbassato il costo marginale dell’attacco a quasi zero. Un framework open source, un modello locale, un server compromesso: chiunque può lanciare mille agenti che lavorano 24/7, non si stancano, non commettono errori di distrazione, imparano dai fallimenti in tempo reale. La difesa tradizionale — regole statiche, analisi umane, patch mensili — non regge il confronto temporale. Google risponde con agenti difensivi (CodeMender che trova e chiude bug prima del rilascio, SecOps che cerca pattern comportamentali), ma è una corsa agli armamenti simmetrica: agenti contro agenti, velocità contro velocità. Chi ha il modello migliore, i dati migliori, l’infrastruttura più elastica vince. E oggi i modelli migliori sono ancora in mano a pochi colossi, mentre i framework offensivi sono open source e gratuiti.
Gli agenti autonomi cambieranno la cybersecurity? In realtà lo stanno già facendo. La vera questione è: quando il primo worm completamente autonomo — che si propaga, si adatta, monetizza da solo — uscirà da un repository GitHub e nessuno saprà chi l’ha lanciato, né come fermarlo, perché non c’è più un “chi” dietro la tastiera?