Per anni, “attacchi basati sull’AI” significavano email di phishing migliori. Quell’era è finita. Alla fine del 2025, Anthropic ha rivelato una campagna di spionaggio supportata dallo stato in cui un agente AI ha eseguito circa l’80-90% del lavoro tattico contro circa 30 obiettivi, con l’intervento umano solo in pochi punti decisionali. Il collo di bottiglia per l’aggressore non è più la forza lavoro. Sono i token.
Per gli analisti SOC e gli ingegneri della rilevazione, questo cambia i calcoli. Il tempo di permanenza si riduce, il volume degli attacchi aumenta con il calcolo, e le TTP per le quali scriviamo le regole iniziano a mutare ad ogni esecuzione. Ecco come appaiono gli attacchi autonomi nel profondo, e come costruire una difesa che si muova alla stessa velocità.
Cosa sono gli Attacchi Cyber AI Autonomi?
Un attacco cyber AI autonomo è un’intrusione in cui un agente AI pianifica, esegue e adatta la catena d’attacco con una direzione umana minima. L’operatore stabilisce un obiettivo (“ottenere l’amministratore di dominio all’obiettivo X”) e l’agente decide come arrivarci.
La differenza chiave rispetto all’automazione classica è il ragionamento. Uno script esegue sempre lo stesso playbook. Un agente legge l’output dello strumento, nota un exploit fallito, e tenta un altro percorso. Pensatelo come un passaggio da una pistola carica a un giovane membre del red team che non dorme mai, lavora su centinaia di obiettivi in parallelo, e costa pochi dollari all’ora di tempo API.
Come funzionano gli Attacchi Autonomi?
La maggior parte dei framework di attacco autonomi eseguono un ciclo semplice: osserva, pianifica, agisci, valuta, ripeti. Un modello orchestratore suddivide l’obiettivo in piccoli compiti e li affida a sotto-agenti collegati a strumenti reali attraverso framework come il Model Context Protocol (MCP): scanner, estrattori di credenziali, browser, shell.
Una tipica esecuzione si mappa chiaramente a MITRE ATT&CK:
- Ricognizione (TA0043): l’agente enumera i servizi esposti, raccoglie dati sui dipendenti e classifica gli obiettivi per valore.
- Accesso Iniziale (TA0001): scrive o adatta un exploit per una vulnerabilità scoperta, lo testa e ritenta in caso di fallimento.
- Accesso alle Credenziali e Movimento Laterale (TA0006, TA0008): raccoglie segreti, li valida, e si sposta, registrando ogni passo per l’operatore.
- Raccolta ed Esfiltrazione (TA0009, TA0010): ordina i dati rubati per valore informativo prima di inviarli fuori.
Il trucco che rende possibile tutto ciò è la decomposizione delle attività. Ogni sotto-attività appare innocua isolatamente (“scansiona questo host,” “testa questo login”), ed è proprio così che gli aggressori sono riusciti a superare le difese dei modelli. L’insegnamento per la difesa: il segnale risiede nella sequenza e nel ritmo, non in nessun singolo evento.
Come difendersi dagli Attacchi AI Autonomi?
Gli agenti sono veloci, ma non sono sottili. Generano tassi di richieste che nessun operatore umano potrebbe sostenere, ritentano aggressivamente e a volte immaginano credenziali o risultati. Quel rumore è il tuo vantaggio. Focalizza la rilevazione su:
- Comportamento rispetto agli indicatori. Gli IOC da una campagna guidata da agenti possono essere unici per ogni esecuzione. Scrivi regole Sigma intorno a comportamenti come comandi di scoperta rapida sequenziale, tentativi di autenticazione a raffica su molti account, o un nuovo processo che avvia dozzine di strumenti di ricognizione in pochi secondi.
- Velocità e correlazione. Collega eventi di bassa gravità in allerta ad alta fiducia. Dieci azioni innocue entro 60 secondi da un’identità è una storia che merita di essere raccontata.
- Identità e telemetria API. Gli agenti vivono su token e account di servizio. Monitora utilizzi API anomali, sessioni a velocità impossibile e chiamate inaspettate agli endpoint LLM dai server.
- Inganno. I honeytoken e le credenziali esca funzionano magnificamente contro agenti che convalidano avidamente tutto ciò che trovano.
Come vengono usate le LLM negli Attacchi Autonomi?
Le LLM svolgono tre ruoli nella moderna stack d’attacco:
- Il cervello. Modelli commerciali o open-weight fungono da orchestratori, ragionando su cosa fare dopo e generando codice su richiesta.
- Il payload. Il malware ora interroga i modelli durante il runtime. LameHug di CERT-UA, collegato ad APT28, ha utilizzato un LLM ospitato per generare comandi di ricognizione al volo, e il proof of concept PromptLock ha mostrato ransomware che scrive i propri script Lua tramite un modello eseguito localmente. Nessun comando statico significa meno firme da abbinare.
- L’ingegnere sociale. Il phishing personalizzato, il clonaggio vocale e il video deepfake ora si scalano a migliaia di obiettivi a costo marginale quasi zero.
Per gli ingegneri della rilevazione, questo crea una nuova telemetria da cacciare: traffico in uscita verso API LLM da host non utente, chiavi API incapsulate in binari, runtime di inferenza locale che appaiono sugli endpoint, e script che sembrano appena generati anziché copiati da un toolkit noto.
Come preparare la tua azienda per tali attacchi?
La preparazione inizia con una domanda onesta: se un aggressore potesse provare ogni tecnica nel tuo modello di minaccia stasera, in parallelo, quali cattureresti?
- Mappa la copertura a ATT&CK. Identifica le lacune rispetto alle tecniche preferite dagli agenti: scoperta, accesso alle credenziali e movimento laterale. Prioritizza sulla base delle tue vere fonti di log, non su una matrice teorica.
- Riduci la superficie esposta. Gli agenti sono maestri nel trovare asset dimenticati. Una gestione continua della superficie d’attacco esterna e una rapida applicazione delle patch ai sistemi esposti a Internet rimuovono le loro vittorie più facili.
- Rafforza l’identità. Applica MFA resistente al phishing, ruota i segreti e elimina i privilegi permanenti. Le credenziali rubate sono il carburante per ogni catena autonoma.
- Governa il tuo AI. Fai un inventario degli agenti interni, dei server MCP e delle integrazioni LLM. Ogni strumento che dai al tuo AI è uno strumento che un aggressore può dirottare tramite l’iniezione di prompt.
- Esercitati a velocità macchina. Esegui esercizi di purple-team con emulazione avversaria assistita da AI e misura il tempo di rilevazione in minuti, non giorni.
Come Trasformare la Sicurezza in Difesa Autonoma?
Non puoi combattere un agente con una coda di ticket. Difesa autonoma significa lasciare che le macchine gestiscano il loop ripetitivo mentre gli analisti possiedono il giudizio e la strategia. In pratica, questo si traduce in:
- Pipeline di rilevamento come codice. Le regole vivono nel controllo della versione, sono testate automaticamente e si distribuiscono su ogni SIEM, EDR e data lake in minuti. Sigma come formato agnostico dal fornitore rende questo portatile.
- Ingegneria di rilevazione assistita da AI. Usa l’AI per tradurre rapporti di minacce in regole, convertire query su piattaforme e sintonizzare contenuti rumorosi. Uncoder AI di SOC Prime fa esattamente questo, trasformando il CTI in rilevamenti pronti per l’uso e traducendo regole in dozzine di lingue SIEM, EDR e data lake.
- Aggiornamento continuo dei contenuti. Ogni settimana emergono nuovi comportamenti. Threat Detection Marketplace sulla piattaforma SOC Prime fornisce regole curate, mappate ATT&CK, non appena emergono nuove minacce, in modo che la copertura evolva senza aspettare un arretrato.
- Triage agentico con paletti. Consentire agli agenti AI di arricchire gli avvisi, correlare il contesto e redigere azioni di risposta, ma mantenere gli esseri umani nel ruolo di approvazione per qualsiasi attività distruttiva. L’autonomia senza supervisione dà solo agli aggressori un nuovo obiettivo.
L’obiettivo non è sostituire gli analisti. È comprimere il ciclo di individuazione e risposta in modo che il tuo team lavori sul 5% dei casi che necessitano effettivamente di un cervello umano.
Quali sono le tendenze della cybersecurity per gli Attacchi Autonomi?
- Le finestre di exploit si riducono. I sistemi AI già trovano vulnerabilità reali su vasta scala, come dimostrato dall’AI Cyber Challenge di DARPA. Aspettatevi che il tempo dalla divulgazione alla weaponizzazione passi da settimane a ore.
- Malware generato in runtime diventa mainstream. I payload che interrogano LLM spingeranno ulteriormente i difensori verso la rilevazione comportamentale.
- L’infrastruttura AI diventa l’obiettivo. Iniezione di prompt, server MCP avvelenati e agenti dirottati si uniranno alla superficie d’attacco.
- La difesa diventa agente contro agente. I SOC che combinano l’esperienza umana con l’ingegneria della rilevazione guidata dall’AI terranno il passo. Quelli che non lo faranno saranno superati.
Gli attaccanti si sono automatizzati. Ora è il tuo turno. Esplora la piattaforma SOC Prime per ottenere rilevamenti basati sul comportamento per minacce emergenti guidate dall’AI nel tuo stack oggi.