Catene di agenti AI e sicurezza informatica: come cambia la scoperta delle vulnerabilità

I risultati dichiarati da Mandiant

Google afferma che AVDH è stato utilizzato internamente per circa dieci mesi e ha individuato decine di falle assegnabili in estensioni web ampiamente utilizzate e progetti open source. L’attività ha portato all’assegnazione di 12 CVE, mentre circa un’altra dozzina di vulnerabilità è sottoposta a una procedura di divulgazione attiva.

Durante un’indagine di risposta a un incidente legato a repository aziendali sottratti, fonti esterne riferiscono che il sistema ha contribuito a identificare oltre 100 vulnerabilità ad alta gravità verificate in due giorni.

I numeri mostrano il potenziale della revisione assistita dall’AI, ma vanno interpretati con cautela. Si tratta di risultati operativi riportati da Mandiant e dalla relativa copertura giornalistica, non di un confronto sottoposto ad audit indipendente con i metodi tradizionali di sicurezza. Inoltre, una vulnerabilità appena scoperta o non ancora segnalata non deve essere automaticamente definita uno zero-day sfruttato attivamente: non è detto che venga utilizzata “in the wild”.

NOVA combina più modelli per cercare vulnerabilità

Unit 42 di Palo Alto Networks descrive NOVA, acronimo di Network and Open-Source Vulnerability Analyzer, come un sistema autonomo per la scoperta, la validazione e la produzione di report, basato su harness agentici proprietari e su diversi modelli di AI di frontiera.

Nel test riportato dall’azienda, NOVA ha analizzato 3.915 progetti open source in due mesi e individuato 14.090 vulnerabilità precedentemente sconosciute. Unit 42 afferma che il 99,4% non era stato segnalato in precedenza e che circa il 40% aveva una gravità alta o critica.

L’importanza del risultato non riguarda solo il volume. Le informazioni disponibili indicano che molte falle erano di tipo semantico o logico, non i tradizionali bug di corruzione della memoria spesso associati all’analisi automatizzata. Possono includere errori nei controlli di accesso, nella gestione dei percorsi, nelle richieste lato server o nelle difese contro l’iniezione di codice: ambiti nei quali capire il comportamento previsto dell’applicazione è fondamentale.

Anche in questo caso, però, i dati principali provengono dal fornitore. L’espressione “precedentemente sconosciute” non dimostra da sola che ogni risultato sia uno zero-day sfruttabile in pratica, così come le classificazioni di gravità possono dipendere dal sistema di valutazione utilizzato. La conclusione più solida è che i sistemi agentici multi-modello stanno diventando capaci di far emergere grandi quantità di candidati alla vulnerabilità che i processi di revisione convenzionali potrebbero non esaminare con la stessa rapidità.

Scoprire più in fretta non basta

Individuare le vulnerabilità più rapidamente può aumentare la capacità difensiva, ma può anche aggravare la crisi se le organizzazioni continuano a dipendere da cicli di remediation lenti. CERT-EU cita un tempo medio stimato di sfruttamento pari a meno sette giorni: in altre parole, lo sfruttamento può iniziare prima che una patch sia ampiamente disponibile.

Questo dato cambia il ruolo delle patch. La correzione permanente del codice resta necessaria, ma potrebbe non essere più la prima, né l’unica, misura utile. I team di sicurezza devono anche ridurre l’esposizione mentre gli sviluppatori analizzano il problema, testano la soluzione, coordinano la divulgazione e completano una distribuzione graduale.

Le “patch virtuali” portano il contenimento a livello di rete

Il Frontier AI Critical Defense Program di Palo Alto Networks è stato progettato per coordinare laboratori di AI, organizzazioni software e open source e settori come tecnologia operativa e sanità. La risposta proposta consiste nell’installare “patch virtuali” a livello di rete, cioè protezioni capaci di bloccare il traffico associato a un exploit o comportamenti abusivi di un protocollo prima che sia disponibile una correzione permanente del software.

Palo Alto afferma che la propria funzione Advanced Virtual Patching può distribuire queste protezioni in poche ore, contro una media di settore dichiarata di 55 giorni per una patch convenzionale.

Una patch virtuale va intesa come un controllo compensativo, non come un sostituto della correzione del codice vulnerabile. La sua efficacia dipende dalla capacità di identificare con precisione il percorso d’exploit e di bloccarlo senza interrompere le attività legittime. La copertura può inoltre essere limitata quando l’attacco passa attraverso canali considerati affidabili, traffico cifrato, escalation locale dei privilegi o comportamenti difficili da distinguere dall’uso normale.

I difensori possono recuperare il vantaggio?

È possibile, ma non semplicemente aggiungendo uno scanner AI.

L’architettura difensiva più solida collega diverse fasi in un unico ciclo operativo:

1. Mappare il codice e la superficie d’attacco, così che gli agenti comprendano il funzionamento del sistema.
2. Costruire e sottoporre a revisione un modello delle minacce prima di generare un grande numero di ipotesi.
3. Usare più agenti e più modelli per analizzare il problema da prospettive differenti e contestare i risultati deboli.
4. Riprodurre e prioritizzare le vulnerabilità con esperti umani e prove della loro sfruttabilità.
5. Coordinare la divulgazione e sviluppare una correzione permanente attraverso il processo appropriato.
6. Contenere subito l’esposizione con controlli di rete o altre misure compensative.
7. Verificare la remediation dopo la distribuzione della patch software.

La lezione strategica di AVDH e NOVA è questa: il vantaggio nasce dall’orchestrazione, non dal solo output del modello. L’AI può comprimere i tempi di scoperta e validazione, ma i difensori hanno ancora bisogno di prove affidabili, priorità ben definite, architetture resilienti e sistemi di distribuzione capaci di muoversi allo stesso ritmo.

Gli attaccanti possono usare modelli comparabili, mentre le patch virtuali sono temporanee e dipendono dalla copertura. L’obiettivo realistico, quindi, non è eliminare il rischio degli zero-day. È rendere il ciclo difensivo — dalla scoperta al contenimento fino alla remediation — più rapido e affidabile del percorso che porta un attaccante dall’individuazione di una falla al suo sfruttamento.