L’AI pronta ad elaborare piani di attacco a reti elettriche e idriche (al momento solo nei test)
L’intelligenza artificiale (AI) fino ad oggi non ha dimostrato di poter spegnere una rete elettrica o manomettere un acquedotto da sola, ma sicuramente può aiutare a pianificare i passaggi necessari a raggiungere un obiettivo molto preciso all’interno di un ambiente industriale, in sintesi: a pianificare (ancora in fase di testing) attacchi alle nostre infrastrutture critiche. È questo il segnale lanciato da una ricerca pubblicata dalla società di cybersecurity Frenos e riportata da Sam Sabin per Axios: in un test su dieci modelli, tre hanno elaborato piani d’attacco giudicati efficaci in circa il 90% dei tentativi.
Il risultato riguarda la capacità di mettere in sequenza passaggi plausibili in un ambiente simulato. Non prova che un modello possa individuare da sé un impianto reale, entrarvi e portare a termine un attacco. Questa distinzione è decisiva per valutare il rischio senza minimizzarlo né sopravvalutarlo.
Che cosa ha misurato la ricerca
La ricerca ha sottoposto sei modelli di frontiera, due modelli statunitensi open-weight e due modelli open-weight stranieri alle stesse prove. In totale, Frenos dichiara 16.980 test, più di 13mila decisioni, circa 2.500 tentativi di pianificazione e oltre 500 osservazioni in simulatore.
Ai modelli sono state fornite informazioni sul bersaglio, sull’accesso iniziale disponibile, sulle azioni possibili e sull’obiettivo da raggiungere. Il compito era collegare questi elementi in una sequenza di passaggi coerente. I ricercatori hanno poi verificato se il piano avrebbe raggiunto l’obiettivo nella simulazione. In pratica, hanno misurato quanto il modello riuscisse a ragionare sul percorso d’attacco, non se sapesse condurre da solo una campagna contro un’infrastruttura reale.
I dati richiedono una lettura attenta, si legge sulla testata online americana. I tre modelli di frontiera più performanti hanno superato circa il 90% delle prove di pianificazione: i risultati individuali sono 92,9%, 91,9% e 89,5%. Altri tre modelli di frontiera hanno registrato tassi di successo complessivi più bassi: 31,9%, 18,8% e 17,9%. Il modello open-weight straniero migliore ha raggiunto il 36,2%, contro il 5,2% del migliore tra quelli statunitensi. I ricercatori non hanno reso noti i nomi dei modelli.
Il confronto non va trasformato in una classifica tra Paesi: misura versioni specifiche di singoli modelli, non la qualità complessiva dei sistemi nazionali. Inoltre, il rapporto distingue tra coverage, la quota di percorsi per cui il modello è riuscito almeno una volta, e consistency, cioè la percentuale di tentativi effettivamente riusciti. Un modello può quindi individuare un percorso valido senza riprodurlo con affidabilità a ogni prova.
Perché l’AI aumenta il rischio per energia e acqua
Le reti elettriche, gli impianti di trattamento dell’acqua e gli stabilimenti produttivi dipendono dalla tecnologia operativa, o OT: sistemi digitali che monitorano e controllano processi fisici. Qui un incidente informatico può avere conseguenze concrete sui servizi, sulla sicurezza degli impianti e sulla continuità delle operazioni.
Queste reti hanno esigenze diverse dai sistemi informatici aziendali. Devono continuare a funzionare e non sempre possono essere aggiornate o testate senza cautele: traffico imprevisto o comandi anomali possono interferire con processi delicati. NIST e CISA sottolineano che la sicurezza OT deve tenere insieme protezione informatica, affidabilità, continuità operativa e sicurezza fisica.
Il possibile vantaggio per un aggressore è soprattutto nella preparazione. Un modello può aiutare ad analizzare informazioni già raccolte, ricostruire relazioni tra componenti e individuare quali passaggi potrebbero avvicinare a un obiettivo. Se integrato in strumenti più ampi, potrebbe inoltre lavorare a lungo e passare al vaglio grandi quantità di dati. Frenos e gli esperti citati da Axios avvertono che queste capacità potrebbero rendere più agevoli le attività di ricognizione dopo che un attaccante ha già ottenuto accesso a una rete. La ricerca, tuttavia, non ha dimostrato che i modelli abbiano individuato autonomamente bersagli o vulnerabilità nel mondo reale.
Il rischio non nasce dunque da una capacità magica di “hackerare”, ma dalla possibilità di ridurre il tempo e le competenze necessari per interpretare un ambiente complesso e pianificare i passaggi successivi. Questo può essere utile a gruppi criminali e attori statali, già interessati a infrastrutture essenziali, ma i test portati avanti nelle sperimentazioni non attribuiscono capacità o intenzioni a specifici gruppi.
Un piano corretto non è un attacco riuscito, ma bisogna aggiornare le difese delle infrastrutture critiche
La stessa ricerca evidenzia i limiti della prova: “i modelli lavoravano con dati e opzioni forniti dai ricercatori, e i risultati venivano valutati in un simulatore. Non è stato dimostrato un attacco autonomo a sistemi OT reali”. In alcuni casi i modelli hanno saltato passaggi necessari o dato per acquisiti privilegi che non avevano. La supervisione di una persona competente può intercettare errori e correggere le ipotesi.
Il dato più rilevante è che, anche con una configurazione descritta dall’azienda come “relativamente semplice”, alcuni modelli hanno costruito piani validi con notevole frequenza. È stato osservato che strumenti capaci di aggiungere contesto e feedback potrebbero migliorare le prestazioni, si tratta però di una possibilità, non di un risultato già misurato in questa ricerca.
Per i gestori di reti e impianti, il problema è anche organizzativo. Molti operatori devono proteggere sistemi complessi con budget e personale limitati, mentre interventi e aggiornamenti richiedono attenzione per non compromettere i servizi.
L’AI può ampliare le capacità di analisi degli aggressori, ma anche aiutare i difensori a collegare inventari degli apparati, vulnerabilità ed eventi di sicurezza, purché le conclusioni siano verificate da analisti. Gli esperti raccomandano inoltre di limitare gli accessi remoti, separare le reti e provare le procedure di ripristino.
La ricerca non stabilisce quando un modello open-weight sarà in grado di replicare i risultati dei migliori sistemi di frontiera, né dimostra che questo passaggio sia inevitabile o imminente. Mostra però perché il margine di preparazione si sta riducendo: se la pianificazione degli attacchi diventa più accessibile, la difesa delle infrastrutture energetiche e idriche dovrà puntare su controlli rigorosi, capacità di rilevare attività anomale e piani di continuità testati. Per questi servizi, prevenire un’intrusione significa proteggere anche la regolarità delle forniture da cui dipendono cittadini e imprese.
Novità su Google, per aggiungere Key4Biz tra le tue fonti preferite, clicca qui
Leggi le altre notizie sull’home page di Key4biz
https://www.key4biz.it/ai-ecco-come-i-modelli-possono-aiutare-a-pianificare-attacchi-cyber-a-reti-elettriche-e-idriche/591654/
