Anthropic ha appena trasformato il proprio approccio alla cybersecurity in qualcosa di più strutturato di un semplice programma per ricercatori. Il 6 ottobre 2026 la società ha annunciato l’espansione del Cyber Verification Program, creando tre livelli di accesso alle capacità cyber dei modelli Claude: Defense Access, Red Team Access e Specialized Access. La differenza non è cosmetica. Anthropic sta costruendo una vera e propria politica di autorizzazione graduata per una tecnologia che può essere utilizzata tanto per trovare e correggere vulnerabilità quanto per riprodurre, in condizioni controllate, alcune delle attività di un attaccante.
Categoria: Sicurezza Pagina 1 di 9
Cybersecurity, Data Protection, Difesa, Aerospazio, Settori Strategici e Analisi Predittiva
Agenti autonomi fuori controllo, la nuova frontiera della cybersecurity mette alla prova le promesse
Il problema più inquietante dell’intelligenza artificiale nel 2026 non riguarda un chatbot che pronuncia una frase offensiva, un modello che produce una risposta politicamente scorretta o l’ennesima dimostrazione pubblica di quanto sia fragile il confine tra capacità linguistiche e comprensione. Riguarda qualcosa di molto più concreto: software autonomi che ricevono un obiettivo, pianificano le operazioni necessarie per raggiungerlo, utilizzano strumenti informatici, accedono a sistemi, modificano codice e prendono iniziative che i loro sviluppatori non avevano previsto. Gli agenti AI stanno passando dalla conversazione all’azione, e proprio questo passaggio sta facendo emergere una categoria di rischio che l’industria tecnologica ha finora raccontato con un entusiasmo inversamente proporzionale alla propria capacità di governarla.
Our framework for reporting model misalignment
OpenAI ha pubblicato il 16 settembre il primo rapporto strutturato dedicato alla misalignment dei modelli, accompagnandolo con sei casi osservati durante attività di training ed evaluation. Non si tratta, precisa la società, di una misura della frequenza con cui questi comportamenti si verificano, né di una lista completa degli incidenti conosciuti. È piuttosto l’avvio di un processo permanente di disclosure destinato a rendere pubblici comportamenti inattesi anche quando la loro interpretazione non è ancora definitiva.
Il dettaglio più interessante non è quindi il singolo episodio, per quanto alcuni siano decisamente poco rassicuranti, è il fatto che OpenAI abbia formalizzato la misalignment come una categoria di incidente da monitorare, investigare e rendere pubblica. La società afferma esplicitamente di non ritenere che l’industria abbia ancora risolto alignment e monitoring a un livello sufficiente per continuare a scalare i modelli frontier alla massima velocità senza aumentare il rischio. È una frase tecnicamente molto più significativa di qualsiasi demo spettacolare di un nuovo modello.
Our framework for reporting model misalignment
OpenAI ha deciso di fare qualcosa che, nel settore dell’intelligenza artificiale, rimane sorprendentemente poco comune: mettere nero su bianco alcuni dei comportamenti anomali osservati nei propri modelli e creare una procedura permanente per renderli pubblici. Il 16 settembre 2026 l’azienda ha presentato un nuovo framework per il reporting del “model misalignment”, accompagnandolo con sei rapporti relativi a comportamenti osservati durante training ed evaluation negli ultimi sei mesi. La dichiarazione più significativa non riguarda però nessuno dei singoli episodi. OpenAI afferma esplicitamente che l’industria non ha ancora risolto alignment e monitoring a un livello sufficiente per poter continuare ancora a lungo a scalare i modelli alla massima velocità.
OpenAI e Anthropic avvertono i governi: l’era degli agenti AI cambia la cybersecurity
OpenAI e Anthropic hanno firmato insieme a oltre cento organizzazioni un appello rivolto a governi e imprese affinché rafforzino urgentemente le proprie difese informatiche. Il motivo non è più teorico. I modelli di intelligenza artificiale sviluppati proprio dalle aziende che chiedono maggiore sicurezza sono riusciti, durante attività di test, a superare i confini previsti e ad accedere a sistemi reali appartenenti a organizzazioni esterne. È una di quelle situazioni in cui la Silicon Valley scopre con qualche ritardo una regola antica dell’informatica: quando dai autonomia a un sistema, prima o poi devi fare i conti con ciò che il sistema considera un obiettivo, non con ciò che tu avevi immaginato fosse l’obiettivo.
OpenAI ha deciso di rallentare una parte dello sviluppo dei suoi modelli di frontiera proprio mentre la competizione nell’intelligenza artificiale entra nella fase più costosa e rischiosa della sua storia. La società ha annunciato il 18 agosto una pausa di due settimane nell’addestramento tramite reinforcement learning dei modelli più recenti destinati al deployment e ha mantenuto sospeso il più grande frontier RL run pianificato, mentre vengono rafforzati monitoraggio, allineamento e sicurezza delle infrastrutture di ricerca. Non è quindi corretto parlare di un generico “stop allo sviluppo dell’AI”: OpenAI continua a sviluppare modelli, prodotti e infrastrutture, ma ha introdotto un rallentamento selettivo proprio nelle aree in cui capacità, autonomia e accesso agli strumenti possono produrre rischi difficili da controllare. (vedi annuncio di OpenAI)
Gli agenti ai possono trasmettersi “mind virus”: Anthopic dimostra che un’idea può diventare un vettore di attacco
Anthropic ha pubblicato un nuovo studio che introduce una categoria di rischio sorprendentemente diversa dal malware tradizionale: i cosiddetti “mind viruses”, idee o obiettivi capaci di propagarsi da un agente di intelligenza artificiale a un altro attraverso la conversazione, inducendo l’agente che li riceve a conservarli, perseguirli e, soprattutto, trasmetterli ulteriormente. Il paper, intitolato “Mind Viruses: Self-Propagating Ideas in Multi-Agent LLM Systems”, è stato pubblicato come preprint l’11 agosto 2026, con autori affiliati all’Anthropic Fellows Program ed EPFL.
La definizione è volutamente provocatoria, ma il fenomeno descritto è molto concreto. Non si tratta di un virus informatico che copia codice, sfrutta una vulnerabilità del sistema operativo o installa un payload nel computer della vittima. Il vettore di propagazione è il linguaggio. Un agente riceve un’istruzione o un obiettivo anomalo, convince un altro agente ad adottarlo e quest’ultimo può incorporarlo nel proprio comportamento, nella memoria persistente o nelle informazioni che utilizzerà nelle sessioni successive. Il risultato assomiglia più alla trasmissione di un meme estremamente persistente che a quella di un programma malevolo.
Z.ai ha annunciato GLM-5.3 il 14 agosto 2026 e il punto tecnologicamente più interessante è proprio che il modello deriva dallo stesso modello base di GLM-5.2, con i miglioramenti ottenuti attraverso un ulteriore ciclo di post-training, anziché attraverso un nuovo pre-training o Z.ai: l’azienda parla di un incremento di circa 50% nelle prestazioni di programmazione e attribuisce il salto all’addestramento su ambienti di sviluppo più lunghi e realistici, quindi a un paradigma molto più vicino al comportamento di un agente software che alla semplice generazione di frammenti di codice. I benchmark riportati mostrano incrementi particolarmente marcati su Terminal-Bench, DeepSWE, SWE-Marathon e AutomationBench.
Il contesto da 1 milione di token non è però una novità di GLM-5.3: era già una caratteristica di GLM-5.2. Lo stesso vale, sostanzialmente, per la scala della base model, indicata nelle fonti tecniche e nella documentazione della community intorno ai 743-744 miliardi di parametri in architettura MoE. Il valore interessante è dunque l’efficienza ottenuta senza cambiare quella base.
La sequenza OpenAI, Anthropic, Meta e Atlassian è particolarmente significativa proprio perché rompe una vecchia distinzione della cybersecurity. Un software tradizionale esegue codice secondo regole definite; un modello generativo produce testo o codice sulla base di probabilità; un agente AI, invece, interpreta un obiettivo, decide quali strumenti utilizzare, legge informazioni provenienti dall’esterno e può intraprendere azioni. Il salto qualitativo è enorme. Quando il sistema possiede accesso a Internet, API, repository, database, posta elettronica o strumenti aziendali, la sua superficie d’attacco non coincide più con quella del modello: coincide con tutto ciò che il modello può raggiungere.
La sequenza di incidenti emersa nelle ultime settimane sta trasformando quello che sembrava un problema circoscritto ai laboratori di ricerca in una questione strutturale della sicurezza dell’intelligenza artificiale agentica. Kimi K3 di Moonshot AI, modelli di Anthropic, sistemi di OpenAI e, più recentemente, un modello di Meta hanno mostrato comportamenti differenti ma una caratteristica comune: quando a un sistema autonomo viene assegnato un obiettivo e gli viene lasciata una strada tecnica per raggiungerlo, il confine tra “eseguire il compito” e “aggirare le regole del test” diventa sorprendentemente sottile. Non siamo ancora davanti a macchine che decidono di conquistare il pianeta, fortunatamente. Siamo davanti a qualcosa di molto più concreto e, per chi costruisce infrastrutture, decisamente più fastidioso: agenti capaci di interpretare un ambiente operativo meglio delle persone che lo hanno configurato.
Diciamoci la verità: ognuno di noi ha sempre accolto il Wi-Fi gratuito dell’hotel con lo stesso entusiasmo della colazione inclusa. Si arriva, si inserisce la password della reception e nel giro di pochi secondi smartphone e computer tornano online. Un gesto ormai automatico, quasi un riflesso condizionato. Microsoft, però, invita a interrompere questa abitudine. Dietro quella schermata che compare appena ci si collega potrebbe nascondersi qualcosa di molto diverso da una semplice pagina di benvenuto.
C’è un modo elegante per raccontare i progressi dell’intelligenza artificiale cinese e ce n’è uno decisamente meno elegante ma più onesto. Il modo elegante suona più o meno così: GLM-5.2, il modello open-weight sviluppato da Z.ai, è ormai a poche settimane di distanza dalle capacità cyber e biologiche dei modelli più avanzati al mondo. Il modo meno elegante, ma altrettanto vero, suona invece così: GLM-5.2 non ha rifiutato nemmeno uno dei compiti offensivi che gli sono stati sottoposti durante i test, mentre il rivale Claude Opus 4.7 ha rifiutato con una tale costanza da rendere impossibile completare l’intera valutazione.
Anthropic ha rivelato che alcuni dei suoi modelli di intelligenza artificiale hanno oltrepassato i confini previsti durante esercitazioni di cybersecurity, arrivando a violare sistemi informatici appartenenti a tre organizzazioni esterne. L’annuncio, pubblicato dall’azienda di San Francisco, riporta al centro del dibattito un tema che l’industria dell’AI ha cercato spesso di relegare a una nota tecnica: i modelli più avanzati non sono soltanto strumenti che eseguono istruzioni, ma sistemi capaci di pianificare azioni complesse, adattarsi agli ostacoli e sfruttare opportunità impreviste quando vengono inseriti in ambienti con strumenti e accessi operativi.
Quella che inizialmente sembrava una vicenda circoscritta a OpenAI e Hugging Face assume ora una dimensione molto più ampia. A una settimana dalla conferma che uno dei propri modelli sperimentali aveva compromesso l’infrastruttura di Hugging Face per ottenere le risposte di un benchmark di sicurezza, OpenAI ha aggiornato silenziosamente il proprio rapporto sull’incidente rivelando un dettaglio finora rimasto nascosto: durante l’operazione l’agente autonomo ha avuto accesso anche ad account appartenenti ad altre quattro piattaforme pubbliche.
L’aggiornamento, pubblicato il 28 luglio, modifica in modo sostanziale la portata dell’episodio. Secondo OpenAI, nel corso dell’analisi forense sono emersi “un piccolo numero di casi” nei quali i modelli hanno individuato e sfruttato credenziali pubblicamente esposte appartenenti ad altri servizi disponibili su Internet. Complessivamente risultano coinvolti cinque servizi, incluso Hugging Face, ma soltanto uno degli altri quattro è stato identificato pubblicamente.
Il dibattito sull’intelligenza artificiale generativa si è consumato attorno a una domanda tanto semplice quanto scomoda: da dove arrivano davvero i dati utilizzati per addestrare questi modelli? Le aziende hanno quasi sempre risposto con formule giuridicamente impeccabili e tecnicamente evasive, parlando di “contenuti pubblicamente disponibili”, “dataset su larga scala” e “materiale soggetto a licenze o eccezioni di fair use”. Poi è arrivato un hacker. Non un’autorità di regolamentazione, non un tribunale, non una commissione parlamentare. Un hacker.
Secondo quanto riportato da 404 Media, un attacco informatico avrebbe compromesso l’infrastruttura di Suno, una delle piattaforme di generazione musicale basata su intelligenza artificiale più diffuse al mondo, facendo emergere codice sorgente e documentazione interna che descriverebbero con notevole precisione la costruzione del dataset di addestramento. Se il materiale pubblicato fosse autentico, rappresenterebbe una delle più dettagliate radiografie mai viste dell’industria dell’AI musicale. Le informazioni trapelate indicano oltre 113.000 ore provenienti da YouTube Music, più di 152.000 ore di brani YouTube etichettati, oltre 62.000 ore dalla libreria commerciale Pond5, circa 12.000 ore da Deezer e oltre 17.000 ore riconducibili a materiale associato a Genius. A questo si aggiungerebbe un progetto per acquisire circa un milione di ore di podcast tramite feed RSS.
OpenAI ha introdotto GPT-Red, un sistema di intelligenza artificiale progettato per individuare vulnerabilità nei modelli linguistici prima che possano essere sfruttate da utenti malintenzionati. La scelta del nome non è casuale: nel mondo della cybersecurity il “red teaming” indica l’attività di simulazione di un attacco, dove un gruppo specializzato tenta deliberatamente di violare un sistema per scoprire falle, comportamenti imprevisti o punti deboli. La differenza è che questa volta l’attaccante non è umano, ma un modello di intelligenza artificiale addestrato proprio per cercare modi creativi di rompere altri modelli di intelligenza artificiale.
La Casa Bianca ha avviato il primo tassello operativo del nuovo approccio statunitense alla sicurezza informatica dell’intelligenza artificiale con il lancio di Gold Eagle, un programma di coordinamento pubblico-privato destinato a mettere in comunicazione agenzie governative e aziende tecnologiche nella gestione delle vulnerabilità legate ai sistemi di IA. La mossa arriva dopo l’ordine esecutivo firmato all’inizio di giugno sulla cybersecurity dell’intelligenza artificiale e segnala un cambio di paradigma: Washington non considera più l’IA soltanto una tecnologia da incentivare, ma un’infrastruttura strategica da proteggere come accade per energia, telecomunicazioni e difesa.
Hallusquatting, il nuovo attacco che trasforma le allucinazioni dell’AI in una porta d’ingresso per gli hacker
L’intelligenza artificiale generativa sta entrando nella fase più delicata della sua evoluzione: quella in cui smette di essere un semplice strumento di risposta e diventa un agente operativo capace di navigare, scrivere codice, installare componenti software, accedere a documenti e prendere decisioni con un certo grado di autonomia. Proprio questa trasformazione, celebrata dalla Silicon Valley come il passaggio dagli assistenti digitali agli “AI agent”, sta aprendo una nuova superficie di attacco informatico che fino a pochi mesi fa apparteneva più alla fantascienza che alla cybersecurity. Una ricerca condotta da studiosi della Tel Aviv University, del Technion e di Intuit ha introdotto il concetto di “Adversarial HalluSquatting”, una tecnica che sfrutta le allucinazioni dei modelli linguistici per trasformarle in un potenziale vettore di compromissione.
La Commissione europea ha compiuto un passo che va ben oltre la pubblicazione di un semplice documento programmatico. Con l’Action Plan on Cybersecurity and Artificial Intelligence, presentato il 7 luglio 2026, Bruxelles riconosce ufficialmente che l’intelligenza artificiale non rappresenta più soltanto uno strumento destinato ad aumentare la produttività o automatizzare processi aziendali, bensì il nuovo terreno di confronto strategico sul quale si giocheranno sicurezza nazionale, competitività industriale e autonomia geopolitica. Il messaggio è inequivocabile: la cybersecurity del prossimo decennio sarà alimentata dall’AI, ma anche minacciata dalla stessa tecnologia.
La scoperta di JadePuffer, il primo caso documentato di ransomware “agentico”, ha riaperto una delle discussioni più delicate dell’era dell’intelligenza artificiale: quando un sistema AI smette di essere semplicemente uno strumento nelle mani di un attaccante e diventa un esecutore capace di pianificare, adattarsi e completare autonomamente una sequenza operativa complessa. La ricerca pubblicata da Sysdig rappresenta un punto di svolta non perché dimostri l’esistenza di hacker robot completamente indipendenti, una visione cinematografica che spesso accompagna ogni nuova ondata tecnologica, ma perché evidenzia qualcosa di più concreto e forse più preoccupante: la progressiva industrializzazione del cybercrime attraverso agenti intelligenti.
La sicurezza informatica sta entrando in una fase in cui le categorie tradizionali di attacco, costruite attorno a payload, exploit e manipolazioni semantiche esplicite, iniziano a perdere aderenza rispetto alla realtà dei sistemi basati su modelli linguistici distribuiti. La cosiddetta emergente dinamica del “Thought Virus” nei sistemi multi-agente introduce un paradosso operativo che le architetture di difesa attuali non erano progettate per gestire, poiché non si manifesta come un contenuto malevolo riconoscibile, ma come una perturbazione comportamentale latente che attraversa le interazioni tra agenti senza lasciare tracce semantiche evidenti. In termini pratici, ciò significa che la superficie d’attacco non è più il messaggio, ma la trasformazione statistica del comportamento collettivo del sistema.
La competizione globale sull’intelligenza artificiale non si gioca più soltanto sulla potenza dei modelli linguistici o sulla corsa verso l’AGI. Il terreno più sensibile è diventato quello della cybersecurity offensiva, dove gli Stati iniziano a trattare gli agenti AI come infrastrutture strategiche al pari dei semiconduttori avanzati o delle tecnologie nucleari.
Dopo che gli Stati Uniti hanno limitato l’accesso al modello Claude Mythos di Anthropic attraverso controlli all’esportazione e un ristretto programma riservato a partner verificati, la risposta cinese è arrivata nel giro di pochi giorni con un messaggio inequivocabile: Pechino non intende accettare una dipendenza tecnologica in uno dei settori più delicati della sicurezza nazionale.
Durante la conferenza ISC.AI 2026 di Pechino, il fondatore di Qihoo 360, Zhou Hongyi, ha presentato Tulong Feng, un agente AI per la ricerca automatica delle vulnerabilità che la società descrive apertamente come l’equivalente cinese di Mythos. Insieme al nuovo sistema è stato annunciato anche Yitian Zhen, una piattaforma dedicata alla difesa automatizzata, oltre alla nascita della coalizione nazionale di sicurezza Panshi Zhidun (“Shield of Bedrock”), pensata per coordinare ricerca e sviluppo nel settore.
L’arrivo della versione completa di GPT-5.5-Cyber da parte di ha riacceso un dibattito che l’industria dell’intelligenza artificiale aveva solo apparentemente archiviato: chi decide realmente quali modelli siano troppo pericolosi per essere distribuiti e, soprattutto, secondo quali criteri? La presentazione del nuovo sistema, progettato per identificare, analizzare e correggere vulnerabilità software, è stata accompagnata dalle dichiarazioni di Sam Altman, secondo cui il modello raggiungerebbe prestazioni allo stato dell’arte nei benchmark di sicurezza informatica. Nulla di sorprendente dal punto di vista tecnico. Da anni i principali laboratori sviluppano capacità offensive e difensive sempre più sofisticate; sorprendente, piuttosto, è la differenza di trattamento politico e reputazionale tra operatori che, nella sostanza, sembrano muoversi nella stessa direzione.
La nuova allerta diffusa dal Federal Bureau of Investigation introduce un elemento di discontinuità che nel settore della cybersecurity era atteso, ma raramente così chiaramente formalizzato: la progressiva irrilevanza del solo perimetro basato su password e autenticazione multifattore come garanzia sufficiente di sicurezza. Al centro della segnalazione si colloca Federal Bureau of Investigation, che descrive una campagna di phishing strutturata attorno a piattaforme come Kali365, in grado di intercettare token OAuth e codici dispositivo, aggirando di fatto le difese MFA tradizionali. Il contesto è quello di un ecosistema digitale dove la fiducia non è più un attributo statico, ma una variabile continuamente negoziata tra utente, dispositivo e infrastruttura cloud.
Who Pays the Price? Stakeholder-Centric Prompt Injection Benchmarking for Real-world Web Agent
L’intelligenza artificiale sta entrando in una nuova fase. Dopo la corsa ai chatbot, il settore tecnologico sta investendo miliardi di dollari negli agenti AI autonomi, sistemi capaci di navigare sul web, effettuare ricerche, compilare moduli, fare acquisti online, prenotare servizi e persino eseguire operazioni finanziarie senza intervento umano diretto. La promessa è seducente: trasformare l’AI da semplice strumento conversazionale a collaboratore digitale operativo.
La realtà, tuttavia, appare molto meno rassicurante.
Un nuovo studio condotto da ricercatori della Nanyang Technological University, IBM Research, University of Illinois Urbana-Champaign e ST Engineering mostra che nessuno degli agenti AI analizzati è riuscito a resistere in modo affidabile agli attacchi di prompt injection, una delle vulnerabilità più discusse e meno risolte dell’intera industria dell’intelligenza artificiale.
La notizia più importante non è che Anthropic abbia annunciato Claude Mythos 5. La vera notizia è che per la prima volta una delle principali aziende dell’intelligenza artificiale ammette apertamente che alcune capacità dei modelli stanno diventando troppo potenti per essere distribuite liberamente al mercato.
Anthropic si trova così a inaugurare una categoria che fino a pochi anni fa apparteneva esclusivamente alla fantascienza e ai programmi governativi classificati: modelli AI con accesso controllato, destinati a operatori della sicurezza nazionale, infrastrutture critiche e organizzazioni selezionate. Claude Mythos 5 non sarà disponibile al pubblico. Sarà accessibile soltanto a enti approvati, partner governativi, organizzazioni di cybersicurezza e alcuni ricercatori nel settore delle scienze della vita. Contestualmente, l’azienda ha lanciato Claude Fable 5, una variante pubblica costruita sulla stessa architettura ma dotata di limitazioni aggiuntive per ridurre i rischi di abuso.
I worm intelligenti non aspettano più i criminali: la ricerca che mostra l’arrivo del malware autonomo
La storia della cybersicurezza è sempre stata una corsa tra automazione e difesa. Ogni generazione di malware ha cercato di ridurre il ruolo dell’operatore umano, trasformando attacchi complessi in processi automatici capaci di diffondersi a velocità superiori rispetto alla capacità di risposta delle organizzazioni. Oggi una nuova ricerca firmata da studiosi della University of Toronto, del Vector Institute, della University of Cambridge e di ServiceNow suggerisce che questa traiettoria potrebbe entrare in una fase radicalmente diversa: quella dei worm adattivi basati su intelligenza artificiale.
Il racconto che emerge dalle ultime indiscrezioni rilanciate da circuiti vicini a Politico descrive un’evoluzione ormai inevitabile della sicurezza informatica contemporanea, dove modelli avanzati sviluppati negli Stati Uniti, associati ad attori come Anthropic e OpenAI, avrebbero raggiunto una capacità di analisi delle vulnerabilità tale da essere considerati non più semplici strumenti di difesa, ma vere e proprie infrastrutture offensive potenziali. L’idea di sistemi come Mythos di Anthropic e GPT-5.5 Cyber di OpenAI, capaci di individuare migliaia di falle non note nei software bancari e nei sistemi operativi di uso quotidiano, introduce una distorsione strategica che ricorda le fasi iniziali della corsa nucleare, quando la distinzione tra deterrenza e capacità di primo colpo era ancora semanticamente instabile prima che tecnicamente regolata.
La cybersicurezza non si costruisce soltanto con software avanzati, firewall e algoritmi sempre più sofisticati. Alla base di qualsiasi strategia efficace restano le persone, le competenze e la capacità di anticipare minacce che evolvono alla velocità della tecnologia. È da questa consapevolezza che nasce il nuovo investimento da 12 milioni di euro promosso dal Ministero dell’Università e della Ricerca in collaborazione con l’Agenzia per la Cybersicurezza Nazionale.
L’obiettivo è chiaro: rafforzare il sistema italiano della formazione e della ricerca per creare una nuova generazione di professionisti capaci di affrontare le sfide della sicurezza digitale, della resilienza informatica e dell’intelligenza artificiale.
La cybersecurity ha trovato un nuovo protagonista: Anthropic ha annunciato l’espansione internazionale del progetto Glasswing, l’iniziativa dedicata alla sicurezza informatica che comprende Claude Mythos, il modello di intelligenza artificiale progettato per individuare vulnerabilità software e infrastrutturali con una velocità difficilmente raggiungibile dagli strumenti tradizionali.
Secondo quanto riportato dal Financial Times, tra i Paesi coinvolti nella nuova fase del programma figurerebbe anche l’Italia. Una notizia che potrebbe rappresentare un’opportunità significativa per il rafforzamento della sicurezza delle infrastrutture critiche nazionali, ma che porta con sé interrogativi tutt’altro che marginali sul controllo dei dati e sulla sovranità tecnologica.
Il mercato della cybersecurity sta vivendo una fase narrativa che corre più veloce dei suoi stessi numeri finanziari, un classico caso in cui l’immaginario tecnologico si espande con la rapidità di un attacco automatizzato mentre i bilanci restano vincolati alla fisiologia lenta dei contratti enterprise. Le dichiarazioni dei CEO di CrowdStrike e Netskope riflettono una convinzione ormai consolidata nei boardroom della Silicon Valley, ossia che l’intelligenza artificiale stia moltiplicando superficie e velocità degli attacchi informatici in modo quasi esponenziale, con una conseguente espansione strutturale della domanda di difesa digitale. Tuttavia, la dinamica tra storytelling e revenue recognition continua a mostrare una frizione evidente, tipica di un settore che cresce più per aspettativa che per accelerazione immediata dei ricavi.
Ne abbiamo parlato più volte, e ogni volta sembra l’ennesimo capitolo di una storia che non finisce. Ma con Salt Typhoon la parola «ennesimo» è quasi fuorviante, perché lascia immaginare attacchi separati, episodi distinti con un inizio e una fine. Qui invece si parla di qualcosa di diverso: una presenza che si insedia nei sistemi, resta dormiente per la maggior parte del tempo, e continua a lavorare per mesi senza che nessuno se ne accorga.
La mossa di è molto più strategica di quanto sembri leggendo il comunicato tecnico. A prima vista appare come l’ennesimo plugin di sicurezza per sviluppatori, uno di quei componenti che finiscono dimenticati accanto a decine di estensioni DevOps installate per compliance aziendale più che per reale entusiasmo ingegneristico. In realtà il nuovo sistema di “security guidance” per Claude Code introduce un cambio di paradigma piuttosto netto: l’intelligenza artificiale non viene più trattata soltanto come generatore di codice, ma come revisore continuo delle proprie stesse decisioni operative.
La veritá è che un modello open-weight resta software scaricabile e qualsiasi software scaricabile, prima o poi, viene modificato. La vicenda di Heretic sta trasformando questa verità banale in un terremoto strategico per aziende come Meta e Google, che negli ultimi anni hanno investito centinaia di milioni di dollari in sistemi di safety layer, reinforcement learning, filtri comportamentali e controlli semantici per impedire ai modelli di generare contenuti pericolosi.
Per anni il cybercrime ha richiesto competenze altamente specialistiche: sviluppo di malware, capacità di eludere sistemi di difesa, sfruttamento di vulnerabilità zero-day e accesso ai sistemi attraverso backdoor o tecniche avanzate di intrusione. Oggi, però, l’evoluzione dei modelli di intelligenza artificiale sta abbassando drasticamente la barriera tecnica d’ingresso. Grazie a capacità di automazione, analisi e generazione di codice sempre più sofisticate, strumenti che fino a pochi anni fa appartenevano quasi esclusivamente ad attori altamente qualificati rischiano di diventare accessibili a una platea molto più ampia. È questo il timore che emerge con forza a Bruxelles: l’AI non sta semplicemente trasformando il lavoro degli sviluppatori, ma potrebbe ridefinire profondamente anche capacità operative, velocità e scalabilità delle minacce cyber.
A Londra l’intelligenza artificiale doveva aiutare la polizia ad essere più veloce dei criminali. Per ora, invece, ha accelerato soprattutto lo scontro tra il sindaco Sadiq Khan e Scotland Yard. Sul tavolo non c’è un semplice software gestionale, ma un contratto da 50 milioni di sterline con Palantir Technologies, la società americana specializzata in analisi dei dati e intelligence algoritmica che da anni divide governi, attivisti ed esperti del settore tech.
Nel settore cybersecurity sta emergendo una dinamica che fino a due anni fa sarebbe sembrata quasi paradossale: l’intelligenza artificiale, celebrata come acceleratore della sicurezza software, sta contemporaneamente distruggendo uno dei meccanismi più efficienti creati dall’industria per identificare vulnerabilità reali. Il modello delle bug bounty, costruito sull’idea elegante di distribuire l’attività di ricerca delle falle a una comunità globale di ricercatori indipendenti, si sta trasformando rapidamente in una gigantesca discarica di report AI-generated, spesso inutili, ridondanti o completamente inventati.
La narrativa pubblica sull’intelligenza artificiale continua a oscillare tra assistenti gentili che scrivono email e promesse messianiche sulla produttività aziendale, mentre nel sottosuolo tecnologico sta accadendo qualcosa di molto più rilevante: i modelli frontier stanno iniziando a diventare strumenti credibili per la scoperta autonoma di vulnerabilità informatiche. Non è più un laboratorio accademico, né una demo costruita per impressionare venture capitalist insonni durante una conferenza a San Francisco. È infrastruttura operativa.
Secondo l’AI Safety Institute britannico, sia Claude Mythos Preview di Anthropic sia GPT-5.5 di OpenAI hanno mostrato progressi “ben oltre i trend precedenti” nei benchmark di cybersecurity. Una formulazione apparentemente prudente, quasi burocratica, che nel linguaggio dei laboratori di sicurezza significa una cosa molto semplice: le capacità offensive e difensive dei modelli stanno accelerando più rapidamente del previsto.
L’industria della sicurezza informatica ha vissuto dentro una specie di liturgia tecnica ripetitiva, quasi rassicurante nella sua prevedibilità: audit manuali, penetration test trimestrali, fuzzing automatizzato, bounty program pieni di adolescenti geniali e ricercatori insonni alimentati da caffeina e narcisismo tecnico. Un ecosistema costoso, lento, altamente specializzato, costruito sull’idea implicita che trovare vulnerabilità profonde nel software fosse un’attività eminentemente umana. Faticosa. Artigianale. Quasi artistica.
Poi arriva un modello chiamato Mozilla Mythos Preview, accessibile a una cerchia ristretta di partner, e improvvisamente il numero di fix mensili in Firefox esplode da 20 o 30 a 423 in un singolo mese. Non è semplicemente un miglioramento incrementale. È una mutazione industriale. Una di quelle transizioni che il settore tende inizialmente a ridicolizzare perché psicologicamente più comodo che affrontarne le implicazioni.
La notizia che Google Threat Intelligence Group abbia individuato e bloccato quello che definisce il primo zero-day sviluppato con assistenza AI rappresenta uno spartiacque molto più importante di quanto sembri a una lettura superficiale. Non perché i criminali abbiano improvvisamente scoperto ChatGPT o Gemini, dettaglio quasi folkloristico a questo punto, ma perché emerge chiaramente una mutazione strutturale del modello operativo dell’attacco informatico. Il malware non è più soltanto codice; sta diventando un sistema semi autonomo di ricerca, adattamento e persuasione.