Il Threat Intelligence Group di Google (GTIG), insieme a Mandiant, ha pubblicato il 16 novembre 2026 un nuovo rapporto del suo AI Threat Tracker in cui descrive per la prima volta un attacco condotto da un framework di intelligenza artificiale senza alcun intervento umano. Lo strumento, che il suo operatore ha chiamato exploit_agent, confronta il codice dei software prima e dopo le correzioni di sicurezza, ricava la vulnerabilità chiusa, scrive un exploit e lo esegue automaticamente. Il rapporto si intitola “Agentic Threat Activity Crosses a Significant Threshold”.

Come funziona exploit_agent
GTIG ha individuato il framework su un server di staging esposto, collegato a diversi modelli linguistici, sia di frontiera sia eseguiti in locale. Il sistema svolge un’analisi differenziale continua di applicazioni web diffuse: confronta il codice prima e dopo l’annuncio di una patch, individua la possibile vulnerabilità, prepara l’exploit e lo lancia. Sullo stesso server c’erano dati sottratti alle vittime e script per ricognizione interna, attacchi brute force, installazione di webshell e rimozione delle webshell lasciate da altri attaccanti.
Secondo la telemetria presente sul server, l’operatore era interessato soprattutto a siti francesi dei settori media, intrattenimento e istruzione. I commenti nel file di configurazione erano in russo e facevano riferimento alle chiavi API dei modelli per lo “sfruttamento automatico”. Come ricorda SiliconANGLE, nella precedente edizione del rapporto, due mesi fa, Google scriveva di non aver ancora osservato pipeline di attacco completamente autonome usate contro bersagli reali.
Perché le vulnerabilità già corrette diventano il bersaglio
Per GTIG, agli attaccanti può convenire usare i modelli linguistici sulle vulnerabilità n-day, cioè già note e corrette, piuttosto che cercare zero-day: il materiale da analizzare è limitato (versioni del codice, note di rilascio, ricerche e proof of concept), mentre la caccia a falle sconosciute richiede uno sforzo molto più ampio. Il risultato è che si accorcia il tempo tra la pubblicazione di una patch e il suo sfruttamento. Il rapporto cita il caso di due falle di PaperCut sfruttate come zero-day a fine agosto: secondo GreyNoise, una campagna partita quattro giorni dopo la divulgazione ha probabilmente usato modelli linguistici per costruire gli exploit e in un caso è arrivata ai privilegi di amministratore di dominio in pochi minuti.
Google segnala anche l’uso, durante intrusioni reali, di framework di penetration test agentici open source come ARTEX, CAIRN, CyberStrikeAI e PentAGI, di cui avevamo parlato a proposito dell’analisi di Check Point su ARTEX. Per ora, osserva GTIG, questi strumenti sacrificano la discrezione alla velocità e lasciano tracce che ne facilitano il rilevamento. Un effetto collaterale è la diffusione di exploit generati con l’IA che vengono spacciati per funzionanti ma non lo sono, con più lavoro di verifica per chi difende.
LLMJacking, falsi profili e Claude Code
Il rapporto descrive poi il fenomeno del LLMJacking: criminali che rubano credenziali cloud e chiavi dei modelli per consumarne le risorse a spese delle vittime. Mandiant ha seguito casi in cui gli addebiti fraudolenti hanno superato i 100.000 dollari in un solo giorno e, nei casi più gravi, hanno raggiunto complessivamente un milione di dollari. L’accesso rubato viene rivenduto tramite “LLM Mixer” nei mercati underground, con prezzi tra 0,10 e 25 dollari per milione di token.
Tra gli altri casi, un fornitore commerciale ha usato le API di Gemini per sviluppare una piattaforma pensata per gestire oltre 100.000 account social falsi, mentre un gruppo sospettato di legami con la Corea del Nord ha usato profili di finti recruiter con immagini generate dall’IA e, una volta dentro le aziende di criptovalute prese di mira, ha modificato i file .claude/settings.json nei repository interni per far scaricare la backdoor SOMBERMEME all’avvio di Claude Code. Google afferma di aver disattivato account e risorse legati agli abusi di Gemini e di aver rafforzato i propri classificatori.
Cosa possono fare le aziende
Il messaggio principale del rapporto è che la finestra tra la pubblicazione di una patch e il primo attacco si sta riducendo. Conviene quindi applicare il prima possibile gli aggiornamenti di sicurezza, a partire dalle applicazioni web esposte su Internet, e tenere un inventario aggiornato dei software in uso per sapere subito se un avviso ci riguarda. Utile anche monitorare i server esposti alla ricerca di webshell e attività anomale. È la stessa logica che ha spinto Anthropic a ridurre a 30 giorni i tempi di divulgazione delle vulnerabilità gravi.
Sul fronte dei servizi di intelligenza artificiale, le aziende dovrebbero proteggere credenziali cloud e chiavi API dei modelli, limitarne i permessi e impostare quote e avvisi di spesa per accorgersi in fretta di picchi di utilizzo. Chi usa assistenti di programmazione basati sull’IA dovrebbe controllare le modifiche ai loro file di configurazione nei repository, come qualsiasi altro codice. Mandiant ha pubblicato una guida di hardening dedicata alla difesa dagli strumenti offensivi basati sui modelli linguistici.










Scrivi una risposta