X-Force Threat Intelligence Index 2026

I criminali informatici continuano a raggiungere obiettivi di scalabilità e impatto sfruttando le debolezze fondamentali nelle identità, nel controllo degli accessi e nella gestione delle credenziali, invece di affidarsi a tecniche altamente sofisticate o innovative. Mentre gli strumenti di attacco e l'automazione progrediscono, le condizioni di base che consentono la compromissione rimangono in gran parte invariate.

Una volta stabilito l'accesso, i criminali informatici perseguono costantemente il recupero delle credenziali, l'escalation dei privilegi e il dirottamento delle sessioni, consentendo il movimento laterale tra ambienti ibridi, cloud e SaaS. Questa attività è stata ulteriormente amplificata, secondo i dati del rapporto di quest'anno, dal fatto che più della metà delle vulnerabilità rivelate non richiedeva autenticazione, il che consentiva ai criminali informatici di ottenere un punto di riferimento senza bypassare completamente i controlli di identità.

Inoltre, l'esposizione delle credenziali di ai chatbot negli underground markets dimostra che le piattaforme AI sono rapidamente diventate parte della superficie di attacco. Sebbene le credenziali osservate non fossero più valide, la loro costante associazione con il malware infostealer sottolinea il rischio crescente causato da credenziali non gestite e dalla scarsa igiene delle identità negli ecosistemi SaaS e AI.

Allo stesso tempo, un aumento di quasi quattro volte delle principali violazioni della supply chain e di terze parti negli ultimi 5 anni riflette la crescente dipendenza dei criminali informatici da identità compromesse, credenziali condivise e integrazioni eccessivamente affidabili per ottenere l'accesso e mantenere la persistenza.

Date queste tendenze, come dovrebbero rispondere le organizzazioni e da dove dovrebbero iniziare? E come possono trasformare la sicurezza in un vero vantaggio aziendale e non solo in uno sforzo di mitigazione del rischio?

Dal momento che gli attori della minaccia usano l'AI per mettere pressione sui team di sicurezza, scalando le loro campagne di phishing, accelerando la creazione di codici malevoli e perfezionando l'ingegneria sociale, i leader della sicurezza hanno bisogno di un approccio proattivo piuttosto che reattivo a queste minacce. Dovrebbero garantire il futuro delle loro organizzazioni con una sicurezza end-to-end basata su AI.

Questa strategia "shift left" (da una risposta reattiva e tattica a un piano proattivo) significa prima di tutto acquisire una visione olistica del landscape delle minacce in rapida evoluzione, incorporando le minacce più recenti, il contesto più ampio e gli insight nel proprio piano.

Questi insight possono essere forniti dai partner della sicurezza, usando il rilevamento e la risposta alle minacce basati su agentic-AI e preparandosi alle minacce post-quantum. Questa azione shift-left deve includere anche una solida base di gestione, valutazione e livello del rischio. Con AI Security Posture Management (AISPM), le organizzazioni possono ottenere maggiore visibilità e protezione per le applicazioni basate su AI in ambienti cloud, consentendo alle organizzazioni di monitorare e governare gli asset di AI salvaguardando al contempo le implementazioni da minacce come il data poisoning e gli attacchi da parte di criminali informatici.

Lo shift-left deve anche tenere conto del contesto aziendale dell'organizzazione e della sua propensione al rischio. Dovrebbe dare priorità alla sicurezza di dati e asset critici in base all'impatto aziendale, conoscere le motivazioni e le funzionalità dei criminali informatic e individuare e gestire attivamente le dipendenze della supply chain e di terze parti.

La recente ascesa di centri operativi autonomi di sicurezza, che usano l'agentic AI per integrare i ruoli dei lavoratori della sicurezza, può orchestrare più agenti per lavorare lungo l'intero ciclo di vita delle minacce, dalla caccia alle minacce alla bonifica, offrendo alle organizzazioni gli strumenti necessari per rilevare e mitigare attacchi generati dall'AI sempre più complessi.

Per le organizzazioni, proteggere le identità ha sempre rappresentato una sfida. Sta per diventare più difficile. Man mano che i criminali informatici mettono a punto le loro operazioni basate sulle credenziali, i responsabili IT e della sicurezza devono rivolgersi all'AI per aiutarli ad ottenere visibilità sui rischi e sulle minacce basati sull'identità nel loro landscape IT. Combinando soluzioni e servizi di rilevamento e risposta alle minacce di identità (ITDR) e gestione del livello di sicurezza delle identità (ISPM) basati su AI, le organizzazioni possono agire in modo più rapido ed efficiente per individuare le vulnerabilità e prevenire gli attacchi.

Se serve ancora dirlo: l'identità deve essere trattata come un'infrastruttura critica. Data la sensibilità dei dati basati su AI e dei workflow agentici, i leader della sicurezza che non l'hanno già fatto dovrebbero elevare i propri sistemi di identità allo stesso livello di resilienza, governance e monitoraggio dei componenti infrastrutturali centrali. Dovrebbero centralizzare la governance e la gestione degli accessi delle identità della forza lavoro, dei clienti, dei partner e delle macchine.

Dovrebbero inoltre applicare controlli degli accessi costanti e basati sul rischio, informati dal contesto come il comportamento degli utenti, il livello del dispositivo e le caratteristiche del workload. Questo spostamento richiederà anche funzionalità specializzate di rilevamento delle minacce, protezioni specifiche per l'AI e controlli di sicurezza a livello di infrastruttura per difendersi da attacchi esterni sempre più sofisticati.

Oltre al rischio di credenziali compromesse, l'aumento delle vulnerabilità che non richiedono autenticazione dimostra l'importanza di integrare l'identità direttamente nelle architetture applicative.

Per proteggere queste architetture, i team di sicurezza devono offrire un livello elevato di autenticazione e applicazione delle autorizzazioni per le applicazioni pubbliche e interne, le API e le comunicazioni service-to-service. Le policy di accesso consapevoli delle identità dovrebbero essere usate per limitare l'esposizione e prevenire che l'utilizzo a livello di applicazione si trasformi in una compromissione più ampia.

Quello che i criminali informatici amano più in assoluto è una vulnerabilità trascurata o ignorata. Fortunatamente, i leader della sicurezza sanno come gestire questa situazione, tornando ai principi fondamentali. Questo significa adottare un approccio costante e proattivo per individuare le debolezze nei vari ambienti, come ad esempio la ricerca di:

- Codici non sicuri

- Credenziali deboli o riutilizzate

- Configurazioni errate

- Modifiche non autorizzate

- Valori predefiniti non sicuri

- Comportamento rischiosi degli utenti

- Correzioni mancanti

Se un criminale informatico dovesse riuscire a superare la superficie, ecco tre cose che possono aiutare a prevenire che uno sfruttamento iniziale si trasformi nella raccolta di credenziali o esfiltrazione dei dati: correzione proattiva, una sana gestione della configurazione e monitoraggio costante del comportamento dell'applicazione.

Sono inoltre necessari test di penetrazione costanti su tutto lo stack tecnologico, inclusi applicazioni, reti, infrastrutture cloud, modelli AI, mainframe, hardware e persino personale, per scoprire vulnerabilità e lacune nella configurazione che potrebbero portare ad accessi non autorizzati o all'esposizione di sistemi e dati sensibili.

Gli ai chatbot e i workflow agentici devono essere protetti e governati con lo stesso, o anche maggiore, rigore delle altre piattaforme SaaS aziendali. Troppo spesso questo non si verifica nella corsa all'implementazione sotto pressione. E rappresenta un problema perché i rischi e le minacce derivanti dall'AI presentano sfide significative per le organizzazioni.

L'agentic AI ha introdotto nuovi rischi e ne ha amplificato altri. I leader della sicurezza hanno bisogno di una soluzione completa di governance dell'AI per scalare l'AI con fiducia e trasparenza, e in modo da generare valore. Per evitare il blocco da fornitore, la soluzione dovrebbe essere aperta, ibrida e indipendente dalle piattaforme, il che significa che le organizzazioni possono usare il modello giusto per il caso d'uso giusto e implementare la propria AI dove ha più senso.

La governance dei modelli consente di valutare l'AI sottostante, di testarne le prestazioni, l'accuratezza e la protezione nei confronti di comportamenti inappropriati. Mantenere l'aggiornamento con le normative relative all'uso dell'AI è fondamentale per mantenere la conformità e ridurre i rischi.

Le organizzazioni dovrebbero valutare l'adozione dell'AI in tutta l'azienda, inclusa l'applicazione di controlli di autenticazione robusti e di accesso condizionato, la protezione dei sistemi AI, la tutela delle credenziali e dei token dei servizi AI e il monitoraggio di modelli di accesso anomali o di esposizione delle credenziali.

Configurazioni errate nella sicurezza, violazioni dei dati e semplici errori umani possono portare all'esposizione pubblica del marchio, del dominio, degli indirizzi IP o degli asset specifici del cliente di un'organizzazione. Questo mette in evidenza il rischio che risiede al di fuori del controllo del perimetro della rete. I team addetti alla sicurezza dovrebbero collaborare con un partner di fiducia per individuare l'esposizione di questi preziosi asset sul web di superficie rivolto al pubblico, sul deep web non indicizzato e sui siti di mercato nero sul dark web. Questi servizi specializzati includono funzionalità di monitoraggio per il furto di credenziali, domini sospetti, CVE e bollettini di sicurezza.

Dal momento che dati e AI svolgono un ruolo sempre più fondamentale nelle organizzazioni digitalizzate di oggi e nella nostra economia digitale, i leader della sicurezza devono innovare e adattarsi alla velocità del cambiamento basato su AI. A tale scopo, tali leader e relativi team dovrebbero assicurarsi di disporre dei controlli corretti sulla protezione dei dati come crittografia, controlli di accesso, prevenzione della perdita di dati, monitoraggio e audit, e classificazione sicura dei dati per proteggere i dati organizzativi e gestire quali dati vengono inviati all'AI per prevenire l'esposizione accidentale di dati sensibili.

Sebbene la sicurezza dei dati sia sempre stata importante, acquisisce ancora più importanza nel mondo dell'AI: scoprire dove risiedono i dati sensibili, capire come vengono usati ed esposti, dare priorità ai rischi dei dati in base al contesto e usare controlli proattivi, tutto mentre si rispettano i rigorosi requisiti di conformità come GDPR, CCPA, PCI-DSS e molti altri ancora.