L’intelligenza artificiale e la sfida della sicurezza informatica: come affrontare le vulnerabilità

L’adozione di strumenti basati sull’intelligenza artificiale (IA) ha notevolmente incrementato la capacità di individuare vulnerabilità nei sistemi informatici. Tuttavia, la crescita della capacità di convalidare, prioritizzare e correggere queste segnalazioni non è avvenuta con lo stesso ritmo. Negli ultimi dodici mesi, il tempo medio necessario per correggere una vulnerabilità critica è stato ridotto di circa il 50%, ma l’arretrato di vulnerabilità non risolte è aumentato di quasi 29 volte.

L’intelligenza artificiale è in grado di analizzare codice e migliaia di asset alla ricerca di pattern noti, consentendo di rilevare esposizioni in modo più rapido rispetto ai test manuali. Tuttavia, la scoperta è solo il primo passo e non garantisce automaticamente una riduzione del rischio. Il vero collo di bottiglia risiede nella fase di validazione: i report generati dall’IA possono contenere duplicati, interpretazioni errate o problemi teorici che richiedono ulteriori indagini, consumando tempo prezioso per gli analisti e rischiando di far affondare segnalazioni urgenti in code congestionate.

Per affrontare questa problematica, è fondamentale stabilire standard chiari sulle evidenze richieste, sviluppare strumenti automatici che migliorino la qualità della prova piuttosto che aumentare la quantità di segnalazioni, e definire criteri che colleghino la severità tecnica al contesto di business. Ciò include la considerazione di servizi critici per i ricavi, dati regolamentati, dipendenze sensibili e controlli compensativi.

In questo contesto, il lavoro umano rimane essenziale per identificare percorsi d’attacco composti da più debolezze apparentemente minori e per dimostrare l’effettiva sfruttabilità delle esposizioni. I pagamenti ai ricercatori di sicurezza sono aumentati, superando i 47 milioni di dollari nel primo semestre dell’anno, con un incremento del 25% rispetto all’anno precedente. Questo aumento non deve però nascondere una trasformazione in atto: l’IA si occupa dei casi routinari, mentre cresce il valore dei ricercatori capaci di dimostrare impatti concreti e catene di attacco.

Le iniziative di Continuous Threat Exposure Management (CTEM) sono proposte come un quadro per mantenere connessi scoperta, validazione, prioritizzazione e remediation. Queste iniziative forniscono metriche operative orientate alla riduzione del rischio reale, come la sfruttabilità confermata, la velocità di remediation e la dimensione dell’arretrato critico, piuttosto che limitarsi a conteggi di rilevamenti.

La fase successiva nell’adozione dell’IA nella sicurezza informatica non si concentrerà sulla capacità di trovare più vulnerabilità, già abbondante, ma sulla capacità di trasformare quelle rilevazioni in azioni efficaci e verificate. Chi sarà in grado di convertire portata e giudizio tecnico in interventi concreti rimarrà avvantaggiato; chi non lo farà si troverà a fronteggiare un elenco di vulnerabilità in rapida crescita e non risolte.