L’intelligenza artificiale sta trasformando la cyber security aziendale, accelerando lo sfruttamento delle vulnerabilità e introducendo nuove superfici d’attacco. Le strategie di difesa devono evolvere di conseguenza, a partire dai modelli di valutazione del rischio e dalle competenze delle persone.
È quanto emerso dalla tavola rotonda “La nuova scala del rischio cyber”, ospitata ai Cybersecurity360 Awards 2026 e moderata da Alessandro Longo, direttore responsabile Cybersecurity360 e Agenda Digitale, che ha riunito rappresentanti di ACN e Clusit e i CISO di Snam, Hera e ACI Global Servizi.
Un confronto che ha messo in luce le difficoltà delle imprese italiane e le soluzioni già sperimentate per governare i rischi dell’AI.
Indice degli argomenti
AI e cyber security: gli attacchi accelerano e cambia la superficie di rischio
La prima trasformazione riguarda la velocità con cui le vulnerabilità possono essere individuate e sfruttate. L’intelligenza artificiale mette a disposizione degli attaccanti capacità di analisi e automazione che riducono i tempi necessari per identificare potenziali punti deboli nei sistemi informatici.
Le stesse capacità possono essere impiegate dalle organizzazioni per rafforzare le attività di prevenzione, rilevamento e risposta.
A descrivere questa evoluzione è stato Aldo Di Somma, vicecapo della divisione CSIRT Italia dell’Agenzia per la Cybersicurezza Nazionale (ACN), che ha richiamato l’attenzione sull’aumento delle vulnerabilità segnalate.
Secondo quanto riferito durante l’evento, con l’avvio della piattaforma europea unificata i numeri registrati sono più che decuplicati, in una fase caratterizzata anche dalla diffusione di modelli AI capaci di individuare vulnerabilità nel codice.
L’aumento delle segnalazioni deve essere letto tenendo conto dell’evoluzione dei sistemi di raccolta e delle nuove capacità tecnologiche. Resta evidente la pressione che una quantità crescente di informazioni esercita sulle strutture incaricate di analizzarle e trasformarle in interventi operativi.
Anche le istituzioni stanno cercando di adattare le proprie capacità di risposta. Di Somma ha spiegato che CSIRT Italia sta implementando soluzioni basate sull’intelligenza artificiale per migliorare l’efficienza delle attività, sviluppandole internamente con il supporto dell’infrastruttura di calcolo pubblica Megaride e di modelli open-weight.
Gli agenti AI introducono nuove dipendenze e vulnerabilità
La questione più delicata, secondo Di Somma, riguarda la progressiva trasformazione dell’intelligenza artificiale nella «vera e propria nuova superficie d’attacco».
L’integrazione di sistemi AI nei processi aziendali determina infatti ulteriori dipendenze tra applicazioni, modelli, fornitori e dati. I rischi diventano particolarmente complessi quando entrano in gioco agenti autonomi in grado di interagire con ambienti di sviluppo e servizi esterni, anche al di fuori del perimetro direttamente governato dall’impresa.
«Assistiamo alla corsa da parte delle aziende a introdurre l’intelligenza artificiale all’interno dei processi e, come sempre accade in queste rivoluzioni, si registra pochissimo controllo e una gestione insufficiente del rischio introdotto da questo nuovo tipo di applicazioni», ha osservato il rappresentante di ACN.
Una delle criticità riguarda la supply chain dell’intelligenza artificiale. Le catene di dipendenza possono coinvolgere diversi modelli e servizi, rendendo più difficile ricostruire quali componenti accedano alle informazioni aziendali e quali responsabilità ricadano sui singoli fornitori.
A questo si aggiunge il problema della governance dei dati utilizzati per addestrare o alimentare i sistemi AI. Di Somma ha evidenziato che, rispetto alla gestione consolidata degli accessi a reti e applicazioni tradizionali, «non disponiamo ancora di un framework preciso per regolamentare chi accede ai dataset di addestramento».
Per i responsabili della sicurezza si apre quindi un ambito di governo che richiede nuove modalità di inventario, controllo degli accessi, valutazione delle dipendenze e gestione del rischio lungo l’intero ciclo di vita delle applicazioni AI.
Vulnerability management: perché i tempi della cyber security tradizionale sono diventati critici
L’accelerazione delle capacità offensive incontra un problema strutturale delle imprese italiane: la difficoltà a tradurre le misure di sicurezza in interventi tempestivi.
Luca Bechelli, membro del comitato direttivo del Clusit, ha richiamato le analisi dell’associazione, sottolineando il divario tra le necessità di protezione e la maturità operativa di molte organizzazioni, soprattutto al di fuori dei grandi gruppi.
La criticità si manifesta nella gestione delle vulnerabilità, dove i processi aziendali possono richiedere settimane o mesi per completare attività di verifica, prioritizzazione e aggiornamento dei sistemi.
«I tempi necessari per scoprire una vulnerabilità e trasformarla in un vettore d’attacco sono passati da una media di sessanta giorni a poche ore», ha affermato Bechelli, descrivendo la rapidità con cui gli aggressori possono oggi passare dall’individuazione di una debolezza al suo potenziale sfruttamento.
Si tratta di una valutazione espressa nel corso della tavola rotonda, che evidenzia soprattutto il progressivo restringimento del tempo disponibile per intervenire.
Il patching deve adattarsi a una nuova velocità degli attacchi
Tra gli esempi discussi figura la possibilità che gli aggressori sfruttino l’AI per analizzare gli aggiornamenti pubblicati dai produttori software e risalire alle vulnerabilità corrette, cercando di colpire i sistemi ancora privi della patch.
Questa dinamica mette sotto pressione i tradizionali processi di vulnerability management, spesso organizzati intorno a cicli periodici di assessment, classificazione delle vulnerabilità e aggiornamento degli asset.
Il problema diventa particolarmente rilevante per le imprese di medie dimensioni, dove risorse limitate, architetture complesse e dipendenze dai fornitori possono allungare i tempi di intervento.
Bechelli ha collegato queste difficoltà agli obblighi introdotti dalla direttiva NIS2, che richiedono alle organizzazioni interessate un rafforzamento dei processi di gestione del rischio e delle misure di sicurezza. Il percorso di adeguamento risulta particolarmente impegnativo per le realtà che devono recuperare ritardi organizzativi e tecnologici accumulati negli anni.
«Va cambiato completamente il modo di affrontare il tema», ha sintetizzato Bechelli.
La priorità diventa individuare i processi e gli strumenti che consentano di ridurre concretamente l’esposizione entro tempi compatibili con la nuova rapidità delle minacce. Un obiettivo che richiede una revisione dei criteri di intervento, dei livelli di automazione e delle modalità con cui le funzioni IT e sicurezza collaborano.
Dalla severity al rischio economico: come Snam utilizza l’AI nel vulnerability management
Una risposta operativa a queste difficoltà arriva dall’esperienza di Snam, illustrata dal CISO Massimo Cottafavi.
Il punto di partenza è superare quella che Cottafavi definisce «la trappola del percepito»: la tendenza delle organizzazioni a rincorrere i rischi più discussi o le tecnologie più recenti, talvolta sotto la pressione delle notizie e delle preoccupazioni del management.
Per definire le priorità di sicurezza occorre invece comprendere quali minacce abbiano un impatto effettivo sui processi aziendali e sulle attività di business.
Misurare il rischio cyber attraverso il suo impatto sul business
Snam ha adottato una metodologia di risk assessment quantitativo, attraverso la quale l’esposizione viene rappresentata in termini economici.
La domanda alla base del modello è concreta: «quanto costerebbe questo rischio all’azienda in caso di concretizzazione?».
La quantificazione permette di collegare le valutazioni tecniche alle decisioni di investimento e alle priorità del consiglio di amministrazione. Il rischio cyber entra così nei processi di gestione aziendale attraverso indicatori più vicini alle esigenze del business.
Cottafavi ha sottolineato anche la necessità di rivedere le metriche utilizzate per valutare l’efficacia della cyber security. Il numero di vulnerabilità identificate o di patch applicate descrive l’attività operativa, mentre per orientare le decisioni strategiche occorrono KPI legati ai risultati effettivi delle misure di sicurezza.
Questa impostazione consente di concentrare gli investimenti sulle esposizioni che possono produrre le conseguenze più rilevanti, evitando di attribuire automaticamente la stessa urgenza a vulnerabilità con caratteristiche differenti.
L’AI individua il percorso ottimale per ridurre le vulnerabilità
L’applicazione più interessante riguarda il vulnerability management. Snam ha introdotto soluzioni di intelligenza artificiale che analizzano le vulnerabilità presenti nell’ambiente aziendale e identificano quello che Cottafavi definisce lo «shortest path».
Il sistema correla la possibilità di sfruttamento di una vulnerabilità, la sua raggiungibilità e la configurazione effettiva dell’architettura informatica. L’obiettivo è individuare la sequenza di interventi più efficace per ridurre il rischio, evitando di affrontare ogni vulnerabilità come un problema indipendente.
«Il sistema esamina simultaneamente le migliaia di vulnerabilità presenti, correlando per ciascuna i fattori di exploitability e reachability rispetto all’architettura reale del nostro ambiente, e calcola quale sia la sequenza minima di interventi necessaria per porsi in condizioni di sicurezza», ha spiegato il CISO.
Secondo Cottafavi, questo approccio permette di concentrare le attività di remediation su interventi selezionati, con effetti sull’esposizione complessiva che sarebbero difficili da ottenere attraverso una pianificazione manuale.
L’esperienza di Snam chiarisce una possibile direzione nell’adozione dell’AI per la cyber security: utilizzare le capacità di correlazione e analisi per sviluppare modalità decisionali precedentemente impraticabili.
«Riuscire a elaborare cento ticket all’ora anziché dieci rappresenta la baseline più banale; l’obiettivo strategico deve essere compiere operazioni che in precedenza erano materialmente impossibili», ha osservato Cottafavi.
Cyber security proattiva: la task force di Hera per analizzare la superficie d’attacco
Un secondo esempio concreto arriva da Hera, dove l’intelligenza artificiale è stata impiegata per supportare un’attività straordinaria di verifica della superficie d’attacco esterna.
Franco Picchioni, CISO del Gruppo Hera, ha raccontato come l’azienda abbia deciso di rafforzare i controlli sugli asset esposti a Internet, partendo dalla necessità di verificare approfonditamente diverse centinaia di indirizzi IP pubblici associati ai servizi del gruppo.
L’iniziativa è stata intrapresa pur in presenza di attività ordinarie di vulnerability assessment e penetration testing. L’obiettivo era ottenere una valutazione più approfondita delle configurazioni e delle protezioni esistenti, tenendo conto delle nuove capacità di analisi disponibili agli attaccanti.
Competenze trasversali e supporto del management
Per realizzare l’attività, Hera ha costituito una «task force interna multidisciplinare», coinvolgendo professionisti della cyber security, del networking, delle applicazioni e delle diverse linee di business.
Il gruppo ha esaminato gli asset esposti, individuando alcune situazioni che richiedevano interventi di bonifica. L’AI è stata utilizzata per supportare le verifiche e consentire al team di analizzare l’ambiente aziendale assumendo la prospettiva di un potenziale attaccante.
La componente organizzativa ha avuto un peso determinante. La task force ha potuto contare su un mandato esplicito del management, che ha facilitato l’accesso alle informazioni e la collaborazione tra funzioni normalmente separate da procedure e passaggi autorizzativi.
«L’elemento determinante per il successo della task force è stato il forte mandato ricevuto dal vertice aziendale», ha sottolineato Picchioni.
L’esperienza dimostra quanto la qualità dei risultati dipenda dalla capacità di integrare competenze tecniche, conoscenza dei processi aziendali e potere decisionale.
Picchioni ha inoltre precisato che le attività sono state condotte utilizzando soluzioni AI accessibili, senza ricorrere ai modelli più avanzati disponibili sul mercato.
«Anche l’adozione di soluzioni accessibili non di frontiera si è rivelata estremamente efficace», ha spiegato.
Il caso Hera offre quindi un’indicazione utile alle imprese che stanno valutando gli investimenti in AI per la cyber security: l’efficacia delle iniziative dipende anche dalla definizione degli obiettivi, dall’accesso alle informazioni e dalla capacità di mobilitare rapidamente le competenze necessarie.
Shadow AI e agenti intelligenti: governare i rischi che nascono all’interno dell’azienda
Accanto alle minacce esterne, l’intelligenza artificiale sta introducendo un ulteriore problema di sicurezza: la diffusione di strumenti e applicazioni utilizzati dai dipendenti al di fuori dei processi formalizzati di controllo.
È il fenomeno della Shadow AI, richiamato da Giampiero Zanvettor, CISO di ACI Global Servizi, durante la tavola rotonda.
L’adozione dell’intelligenza artificiale nelle organizzazioni segue spesso le esigenze immediate dei singoli utenti e delle funzioni di business. Gli strumenti vengono impiegati per migliorare la produttività, analizzare documenti, elaborare informazioni o automatizzare attività, talvolta prima che l’IT abbia potuto valutarne le implicazioni di sicurezza.
La conseguenza è una minore visibilità sui flussi di dati e sulle dipendenze tecnologiche introdotte nei processi aziendali.
Zanvettor ha evidenziato la necessità di «presidiare ciò che non è visibile, a partire dal fenomeno della Shadow AI», richiamando l’importanza di un controllo sistematico sulle tecnologie effettivamente utilizzate.
Dall’AI assessment agli agenti a supporto del SOC
ACI Global Servizi sta affrontando il problema attraverso un percorso di valutazione e rafforzamento delle proprie capacità difensive.
«Ci stiamo muovendo in questa direzione conducendo specifiche valutazioni di AI assessment, potenziando il nostro SOC con l’introduzione di nuove soluzioni e sperimentando l’impiego di agenti intelligenti anche a supporto delle attività difensive», ha spiegato Zanvettor.
L’adozione di agenti AI nei processi di sicurezza può contribuire ad automatizzare alcune attività e a migliorare la capacità operativa dei team. Occorre però considerare le nuove dipendenze introdotte da sistemi che possono agire con diversi livelli di autonomia.
L’azienda deve quindi conoscere quali strumenti vengono utilizzati, quali informazioni elaborano, con quali sistemi interagiscono e quali autorizzazioni possiedono.
«L’introduzione indiscriminata di nuovi strumenti rischia paradossalmente di incrementare il rischio complessivo», ha avvertito Zanvettor.
La gestione della Shadow AI richiede perciò una governance capace di coinvolgere le funzioni di business e di accompagnare l’adozione degli strumenti attraverso valutazioni preventive, regole di utilizzo e iniziative di sensibilizzazione.
Competenze cyber e cultura aziendale: come cambia il lavoro dei CISO con l’AI
La trasformazione della cyber security riguarda direttamente le competenze dei professionisti chiamati a progettare, gestire e verificare i sistemi di sicurezza.
L’introduzione dell’intelligenza artificiale pone nuove difficoltà anche ai team più esperti, formati su architetture applicative e modelli operativi tradizionali.
Massimo Cottafavi ha evidenziato il problema dell’upskilling e del reskilling delle figure senior, chiamate a confrontarsi con tecnologie che richiedono conoscenze e metodologie differenti.
«Fare security by design su architetture basate su agenti autonomi è profondamente diverso dall’approccio classico», ha osservato il CISO di Snam.
Lo stesso vale per le attività di penetration testing sui sistemi AI, il cui comportamento può variare in funzione delle informazioni ricevute, delle interazioni tra componenti e delle caratteristiche dei modelli utilizzati.
L’esigenza di sviluppare nuove competenze si scontra però con la disponibilità ancora limitata di percorsi formativi adeguati per professionisti che possiedono già un’elevata esperienza nella sicurezza informatica.
Awareness, collaborazione e cultura antifragile
Sul piano organizzativo, Zanvettor ha richiamato l’esperienza di ACI Global Servizi, impegnata da diversi anni in un percorso di evoluzione culturale e rafforzamento della consapevolezza dei dipendenti.
L’obiettivo è favorire il passaggio da un approccio prevalentemente reattivo a una gestione più proattiva della sicurezza, attraverso formazione, sperimentazione e collaborazione.
Secondo Zanvettor, le organizzazioni devono sviluppare una «cultura aziendale antifragile», capace di adattarsi alle trasformazioni tecnologiche e utilizzare quanto appreso dagli incidenti per migliorare le proprie capacità operative.
Il lavoro sulle persone assume particolare importanza anche nella gestione della Shadow AI. Una maggiore consapevolezza dei rischi associati agli strumenti utilizzati quotidianamente può favorire comportamenti più sicuri e rendere più efficace la collaborazione tra dipendenti e funzioni di controllo.
«Occorre preservare un’attitudine curiosa e sforzarsi di comprendere a fondo ciò che non si conosce, anziché adagiarsi sulle nozioni acquisite», ha affermato Zanvettor.
È un richiamo alla necessità di aggiornare costantemente le competenze e mantenere un atteggiamento aperto all’evoluzione tecnologica, anche per i professionisti con una lunga esperienza nel settore.
La nuova agenda dei CISO: misurare, prioritizzare e anticipare il rischio cyber
Le esperienze presentate ai Cybersecurity360 Awards delineano alcune priorità per l’evoluzione delle strategie di cyber security aziendale.
La prima riguarda la capacità di misurare il rischio in relazione alle sue conseguenze sul business, utilizzando informazioni tecniche e indicatori economici per sostenere decisioni più consapevoli. La seconda consiste nel rivedere i processi di vulnerability management e di controllo della superficie d’attacco, sfruttando l’intelligenza artificiale per migliorare l’analisi delle esposizioni e la selezione degli interventi.
La terza riguarda il governo delle tecnologie AI introdotte nei processi aziendali, con particolare attenzione agli agenti autonomi, alle dipendenze dai fornitori e alla Shadow AI. A queste esigenze si affianca l’investimento sulle persone, attraverso competenze aggiornate e una collaborazione più stretta tra cyber security, IT e funzioni di business.
Per CIO, CISO e vertici aziendali, la conseguenza è una revisione delle modalità con cui vengono stabilite le priorità, allocate le risorse e valutati i risultati delle iniziative di sicurezza. L’intelligenza artificiale amplia gli strumenti disponibili per proteggere le organizzazioni, mentre la sua diffusione impone di verificare continuamente l’adeguatezza dei controlli.
Le testimonianze di ACN, Clusit, Snam, Hera e ACI Global Servizi mostrano come questo percorso sia già entrato nelle attività operative delle organizzazioni, con approcci differenti ma esigenze comuni: conoscere l’esposizione effettiva, ridurre i tempi di intervento e mantenere il controllo sui sistemi da cui dipendono i processi aziendali.
FAQ: Intelligenza Artificiale
Cos’è l’intelligenza artificiale secondo la definizione dell’AI Act?
Secondo l’AI Act, un sistema di IA è definito come “un sistema basato su macchina progettato per operare con diversi livelli di autonomia e che può mostrare adattabilità dopo il suo impiego, e che, per obiettivi espliciti o impliciti, deduce, in base agli input che riceve, come generare output come previsioni, contenuti, raccomandazioni o decisioni che possono influenzare ambienti fisici o virtuali”. Questa definizione si articola in sette elementi chiave, con due caratteristiche distintive: l’autonomia e l’inferenza. L’autonomia permette al sistema di agire senza intervento umano, mentre l’inferenza consente di prendere decisioni e fare previsioni che influenzano l’ambiente circostante.
Quali sono i principali approcci di inferenza utilizzati nei sistemi di intelligenza artificiale?
Esistono due approcci principali per l’inferenza nei sistemi di intelligenza artificiale: l’apprendimento automatico e la logica basata sulla conoscenza. L’apprendimento automatico è una tecnica in cui i sistemi imparano da grandi quantità di dati senza essere programmati esplicitamente, identificando pattern autonomamente. Gli approcci basati sulla logica, invece, si fondano su regole predefinite e conoscenze strutturate codificate all’interno del sistema, come i sistemi esperti che risolvono compiti complessi inferendo risposte a partire da regole prestabilite. Questi ultimi sono particolarmente efficaci in situazioni con regole ben definite e contesto limitato, come le diagnosi di malattie comuni.
Cosa non rientra nella definizione di intelligenza artificiale secondo le linee guida UE?
Secondo le linee guida UE, non tutti i sistemi tecnologici rientrano nella definizione di intelligenza artificiale. I sistemi che applicano regole predefinite senza apprendimento autonomo non sono considerati IA, poiché operano seguendo istruzioni fisse senza capacità di evolversi. Anche alcuni sistemi che analizzano modelli, come la regressione lineare, non vanno oltre l’ottimizzazione matematica di base. I sistemi di “trattamento di dati di base” che filtrano e ordinano dati secondo criteri specifici, come i software di gestione database, non rientrano nella definizione. Allo stesso modo, i sistemi basati su euristiche classiche o previsioni semplici, come programmi di scacchi che utilizzano l’algoritmo minimax, non sono considerati IA perché non evolvono né apprendono.
Quali sono le applicazioni dell’intelligenza artificiale nell’intelligence?
L’intelligenza artificiale ha diverse applicazioni cruciali nel settore dell’intelligence. Una delle principali è l’analisi dei dati in tempo reale, dove algoritmi di machine learning identificano modelli e anomalie che potrebbero sfuggire agli analisti umani, analizzando dati da social media, intercettazioni e altre fonti per identificare potenziali minacce. Le tecnologie di visione artificiale permettono un riconoscimento facciale avanzato per identificare e monitorare individui. Nel campo della cyber intelligence, l’IA viene utilizzata per proteggere infrastrutture critiche da attacchi informatici, rilevando comportamenti anomali all’interno delle reti. Inoltre, l’automazione delle attività di routine, come la classificazione automatica di documenti e la traduzione istantanea, consente agli analisti di concentrarsi su compiti più complessi e strategici.
Quali sono i principali attori internazionali che utilizzano l’IA nell’intelligence?
Nel campo dell’intelligence, gli attori principali che utilizzano l’intelligenza artificiale sono le due superpotenze mondiali: Stati Uniti e Cina, con la Russia che si posiziona come terzo attore significativo. Negli Stati Uniti, la National Security Agency utilizza l’apprendimento automatico per identificare schemi nel traffico web globale, mentre la Direzione dell’Innovazione Digitale della CIA fa avanzare le tecnologie digitali per la raccolta di informazioni. L’Agenzia Nazionale di Intelligence Geospaziale impiega l’AI per estrarre dati dalle immagini satellitari, e la Defense Intelligence Agency addestra algoritmi per riconoscere e valutare dati relativi a vari settori strategici. Un esempio di successo è stata la scoperta di un impianto di ricerca di armi di distruzione di massa in un paese asiatico, localizzato tracciando un autobus attraverso l’analisi algoritmica di immagini satellitari.
Quali sono i principali rischi per la privacy legati all’uso dell’intelligenza artificiale?
I rischi per la privacy legati all’intelligenza artificiale derivano principalmente da diversi fattori. Innanzitutto, la raccolta dei dati rappresenta un rischio significativo, poiché i moderni sistemi di IA si basano su una vasta gamma di informazioni personali, tra cui dati biometrici, informazioni sanitarie e registri finanziari. Un altro rischio rilevante è il mancato consenso, quando dati raccolti per scopi specifici vengono utilizzati secondariamente senza autorizzazione esplicita degli utenti. I sistemi di sorveglianza basati sull’IA comportano rischi significativi grazie alla loro capacità di monitorare e profilare gli individui su larga scala. Inoltre, l’IA introduce nuove vulnerabilità dal punto di vista della cybersecurity, come gli attacchi di iniezione immediata (prompt injection) che possono indurre l’IA a divulgare informazioni riservate.
Come il quadro normativo europeo affronta la protezione dei dati nell’era dell’intelligenza artificiale?
Il quadro normativo europeo affronta la protezione dei dati nell’era dell’intelligenza artificiale attraverso un approccio multilivello che integra tre regolamenti principali. Il GDPR, entrato in vigore nel 2018, stabilisce principi fondamentali come la minimizzazione dei dati, la limitazione della finalità, la trasparenza, la responsabilizzazione e il diritto alla spiegazione delle decisioni automatizzate. L’AI Act adotta un approccio basato sul rischio, classificando i sistemi di IA in diverse categorie e imponendo requisiti più rigorosi per i sistemi ad alto rischio, con divieti specifici per pratiche considerate inaccettabili. Il Data Act completa il quadro affrontando la governance dei dati, facilitando la condivisione tra settori diversi e introducendo il diritto alla portabilità dei dati generati dall’utilizzo di prodotti o servizi.
Quali tecnologie emergenti possono migliorare la privacy nell’uso dell’intelligenza artificiale?
Diverse tecnologie emergenti offrono soluzioni per migliorare la privacy nell’era dell’intelligenza artificiale. L’apprendimento federato (federated learning) consente l’addestramento collaborativo dei modelli su fonti di dati distribuite senza centralizzare le informazioni sensibili. La crittografia omomorfica permette di elaborare i dati in forma crittografata, fornendo risultati senza esporre i dati sottostanti. Le tecniche di privacy-preserving data mining proteggono i dati personali attraverso anonimizzazione, aggregazione, mascheramento e tokenizzazione. La privacy differenziale aggiunge rumore statistico calibrato ai dati, impedendo l’estrazione di informazioni personali specifiche. Il calcolo multi-parte sicuro consente alle parti di calcolare congiuntamente una funzione sui propri input mantenendoli privati, mentre le prove a conoscenza zero permettono di condividere e verificare informazioni senza rivelare dati non necessari.
Quali critiche sono state mosse all’approccio normativo dell’UE sull’intelligenza artificiale?
L’approccio normativo dell’UE sull’intelligenza artificiale ha ricevuto diverse critiche, principalmente incentrate sulla tempistica e sulla natura delle regolamentazioni. Secondo alcuni critici, l’UE sembra aver posto prematuramente delle barriere normative invece di sostenere l’ondata di innovazione rappresentata dall’IA. Questa tendenza a regolamentare prima di vedere l’attuazione pratica è vista come preoccupante, poiché gli imprenditori con idee rivoluzionarie in materia di IA si scontrano con ostacoli burocratici prima ancora di iniziare. I critici sostengono che l’Europa ha già perso momenti cruciali in settori come il cloud computing, le auto elettriche e l’energia solare, e temono che un approccio eccessivamente cauto possa portare a un altro passo falso nel campo dell’IA. La necessità sarebbe quella di una regolamentazione dinamica, che si evolva di pari passo con l’innovazione, permettendole di prosperare e garantendo al contempo sicurezza ed etica.
Quali sono i principali rischi di sicurezza informatica legati all’intelligenza artificiale per le PMI?
Le PMI affrontano significativi rischi di sicurezza informatica legati all’intelligenza artificiale. Un problema principale è la percezione errata del rischio: molte piccole e medie imprese si considerano un improbabile bersaglio di attacchi cyber avanzati, mentre in realtà sono spesso nel mirino proprio perché ritenute meno protette e strutturate. L’adozione dell’IA può aggravare la situazione quando viene integrata senza un’adeguata governance, esponendo le aziende a rischi di data breach, blocchi operativi e perdite economiche. Inoltre, l’intelligenza artificiale viene già utilizzata dai cybercriminali per potenziare le proprie capacità offensive, generando malware evoluti, attacchi mirati basati su ingegneria sociale automatizzata, phishing intelligente e deepfake convincenti. Le PMI si trovano quindi in uno scenario più complesso rispetto al passato, dove i normali strumenti di protezione non sono più sufficienti.
In che modo l’intelligenza artificiale può migliorare i backup dei dati aziendali?
L’intelligenza artificiale può migliorare significativamente i backup dei dati aziendali in diversi modi. I sistemi di analisi ML basati su serie temporali possono prevedere i tempi di esecuzione dei lavori e ottimizzare costantemente il calendario dei backup attraverso una sequenza ottimale, riducendo al minimo le finestre temporali necessarie. L’IA può anche raccogliere continuamente dati sulle prestazioni di varie operazioni di backup per analizzare lo stato di migliaia di lavori ogni giorno, identificando anomalie e classificandole in base a tipologia, frequenza e gravità. Inoltre, i modelli di classificazione possono essere addestrati per identificare le tipologie di documenti più rilevanti e determinare quali dati devono essere ripristinati prioritariamente in caso di disastro. L’IA è anche fondamentale per la sicurezza dei backup, interpretando le anomalie dei dati come indicatori di attacco e rilevando immediatamente eventi come la crittografia malevola dei file.
Come l’intelligenza artificiale può migliorare la difesa cyber proattiva?
L’intelligenza artificiale può migliorare significativamente la difesa cyber proattiva superando le limitazioni dei sistemi SIEM (Security Information and Event Management) tradizionali. L’IA eccelle nel filtrare enormi volumi di telemetria di sicurezza, correlare eventi apparentemente scollegati e far emergere anomalie che altrimenti passerebbero inosservate. Questo livello di intelligenza contestuale permette ai team SOC di dare priorità agli incidenti ad alto rischio, ridurre i falsi allarmi e comprendere più a fondo le tattiche degli avversari. I SIEM moderni potenziati dall’IA non si limitano a raccogliere e archiviare dati, ma offrono ai team di sicurezza la possibilità di agire rapidamente, filtrando il rumore, evidenziando allarmi ad alta fedeltà e riducendo i tempi di rilevamento e risposta. L’IA agisce come un moltiplicatore di forza, automatizzando le attività di routine, accelerando il triage e facendo emergere intuizioni che manualmente richiederebbero ore o giorni per essere scoperte.
Quali sono gli sviluppi recenti nella regolamentazione globale dell’intelligenza artificiale?
Uno sviluppo significativo nella regolamentazione globale dell’intelligenza artificiale è la recente sottoscrizione della Convenzione quadro del Consiglio d’Europa (CETS 225), a cui hanno preso parte numerosi Stati europei, Santa Sede, USA, Canada, Messico, Giappone, Israele, Australia, Argentina, Perù, Uruguay e Costa Rica, con contributi di 68 organizzazioni internazionali. Questa Convenzione rappresenta il primo strumento internazionale giuridicamente vincolante sull’intelligenza artificiale e pienamente compatibile con l’AI Act europeo. La Convenzione si applicherà a tutti i sistemi di AI durante l’intero ciclo di vita e propone un approccio differenziato in base al rischio. Coerentemente con la legge europea, prevede misure come la valutazione d’impatto sui diritti umani, la trasparenza e l’informazione per le persone interessate, garanzie procedurali in caso di impatto significativo sui diritti, e protezione dei dati personali nel rispetto delle disposizioni nazionali e internazionali.
Partecipa alla community