Tutte le tecnologie per la security in un unico evento: SICUREZZA 2025 a Fiera Milano

La sicurezza non è più solo controllo, ma intelligenza, integrazione e visione. A SICUREZZA 2025, in programma dal 19 al 21 novembre a Fiera Milano, i professionisti del settore troveranno un vero ecosistema dedicato all’innovazione, dove tecnologie fisiche e digitali si incontrano per disegnare la sicurezza di domani.

Dalla videosorveglianza predittiva alle piattaforme AI-driven per il monitoraggio in tempo reale, dalle soluzioni di fire & safety intelligente ai nuovi sistemi di controllo accessi connessi: la manifestazione offrirà un panorama completo di come la cybersecurity stia diventando parte integrante di ogni processo di protezione.

Oltre all’area espositiva, cuore dell’evento sarà la Cyber & Security Arena, spazio dedicato al confronto tra esperti, istituzioni e aziende leader, con talk, casi studio e dimostrazioni live per capire come le nuove tecnologie possano essere applicate a infrastrutture critiche, grandi eventi, mobilità e industria.

Visitare SICUREZZA 2025 significa entrare in contatto con un settore in piena trasformazione, dove l’AI dialoga con la protezione fisica e la tecnologia diventa alleata della consapevolezza.
Un appuntamento imprescindibile per chi vuole restare aggiornato, connettersi e crescere professionalmente.

Il programma convegni e la biglietteria sono disponibili online su www.sicurezza.it

Condividi sui Social Network:

https://www.ictsecuritymagazine.com/notizie/sicurezza-2025-fiera-milano/




Commercial spyware “Landfall” ran rampant on Samsung phones for almost a year

Before the April 2025 patch, Samsung phones had a vulnerability in their image processing library. This is a zero-click attack because the user doesn’t need to launch anything. When the system processes the malicious image for display, it extracts shared object library files from the ZIP to run the Landfall spyware. The payload also modifies the device’s SELinux policy to give Landfall expanded permissions and access to data.

Landfall flowchart

How Landfall exploits Samsung phones.

Credit: Unit 42

How Landfall exploits Samsung phones. Credit: Unit 42

The infected files appear to have been delivered to targets via messaging apps like WhatsApp. Unit 42 notes that Landfall’s code references several specific Samsung phones, including the Galaxy S22, Galaxy S23, Galaxy S24, Galaxy Z Flip 4, and Galaxy Z Fold 4. Once active, Landfall reaches out to a remote server with basic device information. The operators can then extract a wealth of data, like user and hardware IDs, installed apps, contacts, any files stored on the device, and browsing history. It can also activate the camera and microphone to spy on the user.

Removing the spyware is no easy feat, either. Because of its ability to manipulate SELinux policies, it can burrow deeply into the system software. It also includes several tools that help evade detection. Based on the VirusTotal submissions, Unit 42 believes Landfall was active in 2024 and early 2025 in Iraq, Iran, Turkey, and Morocco. The vulnerability may have been present in Samsung’s software from Android 13 through Android 15, the company suggests.

Unit 42 says that several naming schemes and server responses share similarities with industrial spyware developed by big cyber-intelligence firms like NSO Group and Variston. However, they cannot directly tie Landfall to any particular group. While this attack was highly targeted, the details are now in the open, and other threat actors could now employ similar methods to access unpatched devices. Anyone with a supported Samsung phone should make certain they are on the April 2025 patch or later.

https://arstechnica.com/gadgets/2025/11/commercial-spyware-landfall-ran-rampant-on-samsung-phones-for-almost-a-year/




In aumento gli attacchi russi e lo spionaggio contro Ucraina ed Europa. Il report di ESET


Nell’ultimo APT Activity Report relativo al periodo aprile-settembre 2025, ESET ha evidenziato un significativo aumento degli attacchi russi contro Ucraina ed Europa, con una campagna di spearphishing che ha usato il nome della compagnia per colpire le vittime.

I gruppi APT allineati alla Russia hanno preso di mira in particolare le entità governative in operazioni di cyberspionaggio, sia in Ucraina che in diversi Stati Membri dell’UE che hanno legami strategici e operativi con essa.

attacchi russi

ESET ha riportato che il gruppo RomCom ha sfruttato una vulnerabilità zero-day in WinRAR per distribuire DLL malevole e installare diverse backdoor, prendendo di mira bersagli nei settori settori finanziario, manifatturiero, della difesa e della logistica. Molto attivi anche i gruppi Gamaredon e Sandworm che hanno invece usato lo spearphishing come metodo principale di compromissione.

La compagnia ha segnalato inoltre che il gruppo FrostyNeighbor, allineato alla Bielorussia, ha sfruttato una vulnerabilità XSS in Roundcube per inviare email di spearphishing che imitavano comunicazioni di imprese polacche. La struttura dei messaggi suggerisce un impiego significativo dell’IA nella campagna.

Oltre agli attacchi russi, anche le campagne a opera di attaccanti cinesi sono state tra le più impattanti, soprattutto contro l’America Latina. ESET ha osservato un uso crescente della tecnica adversary-in-the-middle sia per l’accesso iniziale che per il movimento laterale. Tra i gruppi più attivi in sud America emerge FamousSparrow, il quale ha preso di mira numerose entità governative della regione.

“I gruppi allineati alla Cina restano molto attivi, con campagne che ESET ha recentemente osservato in Asia, Europa, America Latina e Stati Uniti. Questa estensione globale dimostra come gli attori APT allineati a Pechino continuino a essere mobilitati per supportare una vasta gamma di priorità geopolitiche del Paese” ha affermato Jean-Ian Boutin, Director of Threat Research di ESET.

Anche in Asia la situazione è piuttosto accesa, con diversi gruppi APT che hanno continuato a colpire entità governative e realtà dei settori tecnologico, ingegneristico e manifatturiero. I gruppi allineati alla Corea del Nord sono rimasti attivi contro la Corea del Sud, concentrandosi in particolare sulle criptovalute per finanziare le attività del regime.

Condividi l’articolo



Articoli correlati

Altro in questa categoria


https://www.securityinfo.it/2025/11/07/in-aumento-gli-attacchi-russi-e-lo-spionaggio-contro-ucraina-ed-europa-il-report-di-eset/?utm_source=rss&utm_medium=rss&utm_campaign=in-aumento-gli-attacchi-russi-e-lo-spionaggio-contro-ucraina-ed-europa-il-report-di-eset




L’Italia e le E-Evidence: architettura tecnico-giuridica del nuovo ecosistema investigativo transfrontaliero

Quando si parla di acquisizione transfrontaliera di prove digitali nei procedimenti penali, ci troviamo di fronte a una delle sfide più complesse che il diritto processuale penale europeo abbia mai affrontato. Non si tratta semplicemente di armonizzare procedure: stiamo ridisegnando il rapporto tra sovranità nazionale, tutela dei diritti fondamentali e necessità investigative in un ecosistema digitale dove i dati non rispettano confini geografici e i provider di servizi possono trovarsi a migliaia di chilometri dalla giurisdizione richiedente.

Gli schemi di decreto legislativo attualmente all’esame delle Commissioni parlamentari italiane – l’Atto del Governo n. 303 e l’Atto del Governo n. 330 – rappresentano il tentativo italiano di dare attuazione a questo nuovo paradigma normativo. Ma al di là della mera trasposizione tecnica delle norme europee, questi provvedimenti sollevano questioni che toccano il cuore stesso della digital forensics, della cooperazione investigativa e della tutela dei diritti nella società dell’informazione.

Dal sistema tradizionale alla rivoluzione E-Evidence: un cambio di paradigma

Per comprendere appieno la portata innovativa del pacchetto E-Evidence, è necessario inquadrarlo nel più ampio sistema di cooperazione internazionale in materia di cybercrime. La Convenzione di Budapest del 2001 ha rappresentato per oltre vent’anni il principale strumento di cooperazione, introducendo meccanismi di assistenza giudiziaria reciproca specificamente pensati per i reati informatici.

Il Secondo Protocollo Addizionale alla Convenzione, adottato dal Comitato dei Ministri del Consiglio d’Europa il 17 novembre 2021 e aperto alla firma il 12 maggio 2022, ha tentato di modernizzare questi strumenti, introducendo procedure accelerate e contatti diretti tra autorità. Tuttavia, anche questi aggiornamenti non hanno risolto il problema strutturale che affligge l’investigazione digitale transfrontaliera: i tempi della cooperazione giudiziaria tradizionale, spesso nell’ordine di mesi, collidono frontalmente con la volatilità delle prove elettroniche, che possono essere cancellate in pochi secondi o automaticamente sovrascritte da retention policies aggressive.

L’Ordine Europeo di Indagine, introdotto dalla Direttiva 2014/41/UE e recepito in Italia con il decreto legislativo 21 giugno 2017, n. 108, ha semplificato le procedure tra Stati membri dell’UE sostituendo il sistema delle rogatorie con uno strumento più agile basato sul principio del riconoscimento reciproco. Eppure, anche l’OEI mantiene il modello della cooperazione «verticale» attraverso le autorità giudiziarie dello Stato di esecuzione, con i conseguenti tempi di tramitazione che, per quanto ridotti rispetto alle rogatorie tradizionali, rimangono incompatibili con l’urgenza di molte investigazioni digitali.

Il Regolamento UE 2023/1543 e la Direttiva UE 2023/1544, pubblicati nella Gazzetta Ufficiale dell’Unione Europea il 28 luglio 2023, rappresentano un salto paradigmatico che alcuni studiosi hanno definito «post-westfaliano» perché mette in discussione il principio tradizionale della territorialità della giurisdizione penale. Per la prima volta, viene introdotta la cooperazione «orizzontale», permettendo alle autorità giudiziarie di rivolgersi direttamente ai prestatori di servizi stabiliti in altri Stati membri, bypassando il necessario coinvolgimento preventivo dell’autorità giudiziaria dello Stato di esecuzione. Questa innovazione solleva interrogativi profondi sul bilanciamento tra efficienza investigativa e tutela dei diritti fondamentali, tra necessità di rapidità e garanzie processuali, tra cooperazione europea e sovranità nazionale.

L’architettura del sistema italiano: autorità, procedure e governance

La decisione del Consiglio dei Ministri dell’8 ottobre 2025 ha designato il Ministero della Giustizia quale autorità centrale per la gestione del sistema E-Evidence sul territorio nazionale, ma l’architettura operativa che emerge dalla bozza dell’Atto del Governo n. 303 è significativamente più complessa e stratificata. Il primo nodo da sciogliere riguarda l’individuazione delle autorità di emissione competenti, una questione che il regolamento europeo affronta attraverso una graduazione basata sulla tipologia e sull’invasività dei dati richiesti.

La tassonomia dei dati e le implicazioni per le autorità competenti

Quando parliamo di prove digitali, la distinzione tra le diverse categorie di dati non è meramente accademica ma ha profonde implicazioni forensi, probatorie e, soprattutto, in termini di tutela dei diritti fondamentali. I dati relativi agli abbonati, quelli che il regolamento definisce come subscriber data, comprendono le informazioni fornite dall’utente al momento della registrazione del servizio: nome, cognome, alias o username, indirizzo email, numero di telefono, indirizzo postale, data di nascita, informazioni di pagamento come le ultime quattro cifre della carta di credito o l’IBAN, data di creazione dell’account e stato dello stesso.

Questi dati, considerati relativamente poco invasivi perché già condivisi volontariamente dall’utente con il provider, possono essere richiesti tramite un ordine emesso o convalidato da un pubblico ministero. Il loro valore investigativo risiede principalmente nell’identificazione del soggetto e nella possibilità di correlare identità digitali multiple che una stessa persona può utilizzare su piattaforme diverse.

I dati di accesso, o access data, rappresentano un salto qualitativo in termini di invasività. Si tratta delle informazioni tecniche relative alle connessioni: indirizzo IP di connessione, timestamp precisi di login e logout, user agent che rivela il browser e il sistema operativo utilizzato, eventuale geolocalizzazione se disponibile, tipo di dispositivo, identificativi di sessione.

Questi dati, generati automaticamente dai sistemi al momento dell’accesso, permettono di ricostruire la timeline di attività dell’utente, di determinare la sua geolocalizzazione approssimativa attraverso l’analisi degli indirizzi IP e di identificare i dispositivi specifici utilizzati. Dal punto di vista forense, sono particolarmente preziosi ma anche estremamente volatili, spesso conservati per periodi limitati in base alle data retention policies dei provider. Anche per questi dati, il regolamento consente che l’autorità di emissione sia il pubblico ministero.

La situazione si complica quando entriamo nel territorio dei dati relativi alle operazioni, i transactional data che la giurisprudenza della Corte di Giustizia dell’Unione Europea considera altamente invasivi anche se non includono il contenuto effettivo delle comunicazioni. Nel caso delle email, si tratta degli header completi che rivelano mittente, destinatari in chiaro, in copia e in copia nascosta, l’oggetto del messaggio, i timestamp precisi e il route seguito dal messaggio attraverso i server. Per le chiamate VoIP, comprendono i numeri del chiamante e del chiamato, la durata della conversazione e i timestamp.

Per i servizi di messaggistica, si tratta dell’elenco delle comunicazioni con tutti i metadati ma senza il contenuto dei messaggi. Questi dati permettono di mappare le reti di contatti, di identificare possibili complici, di ricostruire pattern comunicativi che possono essere rivelatori quanto il contenuto stesso delle comunicazioni. La Corte di Giustizia, nelle celebri sentenze Digital Rights Ireland e Tele2 Sverige, ha equiparato l’accesso massivo a questi dati a una forma di sorveglianza che può rivelare informazioni intime sulla vita privata delle persone. Per questo motivo, il regolamento richiede garanzie più elevate.

Infine, i content data rappresentano il livello massimo di invasività: il corpo dei messaggi email, il contenuto delle chat, i file allegati, le foto e i video condivisi, i documenti caricati su servizi di cloud storage, i post pubblicati sui social media. Si tratta del contenuto effettivo delle comunicazioni private, che richiede le tutele più stringenti. Per questi dati, il regolamento impone che l’autorità di emissione sia un giudice, un tribunale o un giudice istruttore, escludendo esplicitamente la competenza del pubblico ministero.

Il decreto italiano deve mappare con precisione chirurgica le autorità nazionali su questo schema europeo, e qui emergono le peculiarità del nostro ordinamento processuale penale. Il pubblico ministero italiano è magistrato inquirente ma non organo giurisdizionale, una distinzione che diventa cruciale soprattutto per i dati relativi alle operazioni e ai contenuti, dove la giurisprudenza europea ha stabilito standard elevati di tutela che richiedono un controllo genuinamente giurisdizionale. Il riferimento naturale per i dati più invasivi sarebbe al giudice per le indagini preliminari, ma il decreto dovrà chiarire se in fase dibattimentale la competenza passi al giudice del dibattimento o rimanga comunque al GIP.

Il caso delle emergenze e la questione della polizia giudiziaria

L’articolo 7 del regolamento prevede che, in casi di urgenza debitamente accertati, gli ordini europei di produzione possano essere emessi da «qualsiasi altra autorità competente» purché seguiti da convalida giudiziaria entro ventiquattro ore. La formulazione è volutamente ampia per consentire agli Stati membri di adattarla ai propri ordinamenti, ma solleva questioni delicate quando si tratta di attribuire questo potere alla polizia giudiziaria. La legge di delegazione europea 2024 prevede che il Governo coordini le disposizioni nazionali per consentire agli organi di polizia giudiziaria di emettere ordini europei di produzione in casi di emergenza.

Questa previsione rappresenta un’innovazione significativa nel nostro sistema processuale, dove la polizia giudiziaria opera tradizionalmente sotto la direzione e il controllo del pubblico ministero ai sensi dell’articolo 109 della Costituzione e degli articoli 347-348 del codice di procedura penale. Un EPOC emesso autonomamente dalla polizia giudiziaria, anche con successiva convalida, configura uno spazio di autonomia operativa che necessita di essere circoscritto con parametri rigorosi.

Il decreto dovrà probabilmente limitare questa facoltà a situazioni di reale necessità e urgenza: pericolo imminente di perdita irreparabile delle prove, situazioni di pericolo di vita, indagini su atti di terrorismo o criminalità organizzata transnazionale dove ogni ora può essere decisiva. La convalida giudiziaria entro ventiquattro ore dovrà essere effettiva e non meramente formale, con l’obbligo per l’autorità giudiziaria di verificare non solo i presupposti sostanziali dell’ordine ma anche la sussistenza delle condizioni di urgenza che hanno giustificato l’emissione da parte della polizia giudiziaria.

Il coordinamento con la Direzione Nazionale Antimafia: un tassello cruciale

Un aspetto che potrebbe apparire marginale a una lettura superficiale, ma che rivela la sua importanza strategica nell’ottica del coordinamento investigativo nazionale, è l’obbligo di trasmettere copia dei certificati EPOC ed EPOC-PR al Procuratore Nazionale Antimafia quando si riferiscono a procedimenti per i delitti indicati all’articolo 51, comma 3-bis e 3-quater del codice di procedura penale. Si tratta dei delitti di criminalità organizzata, terrorismo, criminalità transnazionale, traffico di stupefacenti, armi ed esseri umani.

La ratio di questa previsione, inserita nella legge di delegazione, risponde a logiche di coordinamento investigativo fondamentali nel contrasto alla criminalità organizzata: la Direzione Nazionale Antimafia deve avere contezza in tempo reale delle indagini transfrontaliere che potrebbero interconnettersi con altre investigazioni in corso su organizzazioni criminali, permettendo di individuare collegamenti, di evitare sovrapposizioni o conflitti tra procedimenti, di coordinare strategie investigative complesse che coinvolgono più procure.

Dal punto di vista tecnico, questo significa che il sistema informatico decentrato dovrà prevedere meccanismi automatizzati di routing delle comunicazioni verso la DNA, con adeguate misure di sicurezza e tracciabilità. La sfida tecnica è garantire che questa trasmissione avvenga in tempo reale o near-real-time, senza creare colli di bottiglia procedurali che rallenterebbero l’intero meccanismo.

Il sistema informatico decentrato: l’infrastruttura critica invisibile

L’articolo 25 del Regolamento 2023/1543 prevede l’istituzione di un sistema informatico decentrato per la comunicazione sicura e lo scambio di dati tra le autorità competenti e i prestatori di servizi. La terminologia tecnica e burocratica rischia di oscurare la portata di questa infrastruttura: non si tratta di un semplice sistema di messaggistica ma dell’infrastruttura critica su cui poggia l’intero meccanismo E-Evidence. Senza un sistema affidabile, sicuro e interoperabile, anche le norme più sofisticate rimangono lettera morta.

L’architettura del sistema si basa su un modello decentrato dove ogni Stato membro mantiene il proprio punto di accesso nazionale, interconnesso con gli altri punti di accesso attraverso una rete sicura. Questa scelta architettonica, preferita rispetto a un sistema centralizzato, risponde a multiple esigenze: sovranità nazionale, perché ogni Stato mantiene il controllo sul proprio nodo e sui dati che transitano; resilienza, perché il fallimento di un nodo non compromette l’intero sistema; scalabilità, perché nuovi Stati membri possono essere aggiunti senza riprogettare l’architettura complessiva. Il modello ricorda quello adottato per e-CODEX, il sistema utilizzato per lo scambio di informazioni giudiziarie in ambito civile, che ha dimostrato nel corso degli anni una buona tenuta operativa.

Il decreto italiano deve garantire che il punto di accesso nazionale rispetti rigorosi requisiti di sicurezza che vanno ben oltre gli standard generici della cybersecurity. Tutte le comunicazioni devono essere cifrate utilizzando algoritmi crittografici conformi agli standard dell’ENISA e alle raccomandazioni dell’Agenzia per la Cybersicurezza Nazionale. La gestione delle chiavi crittografiche deve seguire best practice consolidate: utilizzo di Hardware Security Module per la custodia delle chiavi private, rotazione periodica delle chiavi, segregazione rigorosa dei ruoli tra chi genera, chi custodisce e chi autorizza l’uso delle chiavi. L’autenticazione degli operatori deve basarsi su meccanismi multi-fattore, con certificati digitali rilasciati e gestiti secondo gli standard eIDAS che garantiscono l’identità digitale certificata degli operatori.

Un aspetto cruciale per la digital forensics è la tracciabilità completa di ogni operazione sul sistema. Ogni emissione, ricezione, modifica, accesso ai dati deve essere tracciata in log immutabili con timestamp certificato. Questa tracciabilità non risponde solo a esigenze di sicurezza informatica ma è fondamentale per garantire la chain of custody digitale delle prove: in un eventuale processo, deve essere possibile ricostruire esattamente chi ha avuto accesso a quali dati, quando, da quale terminale, con quale autorizzazione. I log devono essere protetti contro manomissioni attraverso tecniche di firma digitale o blockchain, e conservati per periodi congrui che permettano verifiche ex post.

La segregazione dei dati sensibili contenuti negli EPOC e nelle risposte deve essere implementata attraverso controlli di accesso granulari basati su Role-Based Access Control. Non basta un semplice sistema di permessi: ogni operatore deve avere accesso esclusivamente ai procedimenti per i quali è specificamente autorizzato, con meccanismi automatici che impediscano accessi non autorizzati anche accidentali. Il sistema deve inoltre garantire availability del 99,9%, il che significa al massimo circa otto ore di downtime all’anno. Considerando che gli EPOC in emergenza devono essere eseguiti entro otto ore, anche poche ore di interruzione del sistema potrebbero tradursi nella perdita di prove critiche. Questo richiede sistemi ridondanti, backup geograficamente distribuiti, procedure di disaster recovery testate periodicamente attraverso simulazioni realistiche.

L’intero sistema deve essere progettato secondo i principi di privacy by design e privacy by default, con una Data Protection Impact Assessment obbligatoria che coinvolga attivamente il Garante per la protezione dei dati personali. Ma c’è un ulteriore livello di complessità: il punto di accesso nazionale non può essere un sistema isolato.

Deve interfacciarsi con il sistema OEI nazionale per garantire coordinamento e complementarietà tra i due strumenti, evitando che gli investigatori si trovino a dover scegliere tra procedure diverse senza criteri chiari. Deve dialogare con il Sistema Informativo della Cognizione Penale per la gestione dei procedimenti penali, con i sistemi Eurojust e della rete giudiziaria europea per lo scambio di informazioni complementari, con il portale europeo e-Justice per l’accesso alle informazioni pubbliche sul sistema.

Il rischio concreto è creare l’ennesimo sistema a sé stante, un’isola tecnologica che richiede login separati, interfacce diverse, flussi di lavoro ridondanti. L’integrazione con i sistemi esistenti è cruciale non solo per l’efficienza operativa ma anche per garantire che gli strumenti vengano effettivamente utilizzati dagli operatori sul campo. La legge di delegazione impone al Governo di provvedere all’adozione delle misure necessarie a garantire la piena funzionalità del sistema informatico nazionale, il che significa investimenti significativi non solo in hardware e software ma anche in formazione degli operatori. La governance del sistema dovrà coinvolgere Ministero della Giustizia, Agenzia per la Cybersicurezza Nazionale, AGID, con ruoli e responsabilità chiaramente definiti e meccanismi di coordinamento efficaci.

Procedure di riesame e tutela dei diritti: il difficile equilibrio

Uno degli aspetti più delicati del sistema E-Evidence, che solleva le maggiori perplessità tra i garantisti e gli esperti di diritti fondamentali, riguarda i meccanismi di riesame e tutela dei diritti. Il modello «orizzontale» che bypassa l’autorità giudiziaria dello Stato di esecuzione rischia di indebolire le garanzie processuali se non viene adeguatamente bilanciato attraverso altri meccanismi di controllo. Il regolamento cerca questo equilibrio attraverso un sistema articolato di obiezioni, notifiche e ricorsi, ma l’efficacia concreta dipenderà dalle scelte implementative degli Stati membri.

L’articolo 14 del regolamento prevede che i prestatori di servizi possano sollevare obiezioni motivate all’esecuzione di un EPOC in diverse circostanze: quando l’ordine non è stato emesso o convalidato da un’autorità competente secondo il regolamento; quando l’ordine è manifestamente al di fuori dell’ambito di applicazione del regolamento, ad esempio perché richiede dati per finalità non penali; quando l’ordine viola manifestamente la Carta dei diritti fondamentali dell’UE o è manifestamente arbitrario; quando esistono conflitti con obblighi previsti dalla legislazione di paesi terzi dove i dati sono fisicamente conservati.

Quest’ultimo caso è particolarmente delicato: se un provider americano conserva dati su server negli Stati Uniti e riceve un EPOC che richiede quei dati, potrebbe trovarsi in conflitto tra gli obblighi europei e le disposizioni del CLOUD Act americano.

Il decreto italiano deve individuare l’autorità giudiziaria competente per il riesame di queste obiezioni ai sensi dell’articolo 17 del regolamento. La scelta più logica appare essere il Tribunale del Riesame, già competente per questioni analoghe in ambito interno relative al sequestro e all’acquisizione di prove, ma il decreto potrebbe anche prevedere un giudice specializzato considerata la complessità tecnico-giuridica delle questioni. Un giudice chiamato a valutare un’obiezione basata su un conflitto con la legislazione di un paese terzo deve avere competenze che vanno oltre il tradizionale diritto processuale penale: deve comprendere i principi di diritto internazionale privato, le questioni di giurisdizione extraterritoriale, gli aspetti tecnici di localizzazione dei dati in architetture cloud distribuite.

Parallelamente, l’articolo 15 del regolamento impone che la persona i cui dati sono stati richiesti sia informata della richiesta, salvo quando la notifica possa compromettere l’indagine. Il decreto deve definire con precisione le tempistiche per la notifica quando non differita, il contenuto dell’informativa specificando quali elementi devono essere comunicati, i meccanismi di ricorso effettivo dinanzi alle autorità giudiziarie dello Stato di emissione, le procedure per l’accesso, la rettifica e la cancellazione dei dati compatibilmente con le esigenze investigative.

Questo diritto all’informazione è fondamentale perché permette alla persona interessata di attivarsi per la tutela dei propri diritti, ma al contempo può compromettere l’efficacia dell’indagine se esercitato prematuramente. Il bilanciamento tra questi interessi confliggenti richiede criteri oggettivi e verificabili, non rimessi alla mera discrezionalità dell’autorità inquirente.

Un ultimo livello di garanzia è rappresentato dal sistema di notifica agli Stati membri previsto per i dati più invasivi. Per i dati relativi alle operazioni e ai contenuti, salvo casi specifici dove è evidente che il reato è stato commesso nel paese di emissione o la persona interessata risiede in quel territorio, lo Stato di emissione deve notificare l’EPOC allo Stato di esecuzione dove si trova lo stabilimento designato o il rappresentante legale del provider.

Lo Stato di esecuzione ha dieci giorni per sollevare eventuali motivi di rifiuto: immunità o privilegi secondo il proprio diritto, rischio per la sicurezza nazionale o per altri interessi essenziali, ne bis in idem se la persona è già stata giudicata per gli stessi fatti, conflitto con principi fondamentali del proprio ordinamento costituzionale. Questo meccanismo rappresenta un residuo di cooperazione «verticale» all’interno del modello orizzontale, una valvola di sicurezza per proteggere gli interessi fondamentali degli Stati membri. Il decreto italiano deve definire quale autorità nazionale gestisce queste notifiche in arrivo e valuta l’eventuale sollevazione di motivi di rifiuto, con procedure rapide che non vanifichino l’obiettivo di celerità del sistema ma che garantiscano al contempo una valutazione seria e approfondita.

L’obbligo di rappresentanza: ridisegnare la presenza dei provider nell’UE

La Direttiva UE 2023/1544, che l’Atto del Governo 330 deve recepire entro il 18 febbraio 2026, introduce un obbligo che può apparire tecnico ma che ha implicazioni profonde sul modo in cui i provider globali operano nel mercato europeo. I prestatori di servizi che offrono servizi nell’Unione Europea, anche se non fisicamente stabiliti sul territorio, devono designare uno «stabilimento designato» o nominare un «rappresentante legale» in almeno uno Stato membro dell’UE. Questa previsione ribalta il principio tradizionale per cui un’impresa non stabilita in un territorio non è soggetta alla giurisdizione di quel territorio: qui si impone un obbligo di presenza, sia pure attraverso un rappresentante, come condizione per operare nel mercato europeo.

Il perimetro applicativo della direttiva è ampio. Rientrano nell’obbligo i fornitori di reti e servizi di comunicazione elettronica, dai tradizionali operatori telefonici ai provider di servizi internet, dai servizi VoIP come Skype o WhatsApp ai servizi di messaggistica istantanea. Sono inclusi i prestatori di servizi della società dell’informazione: social media come Facebook, Twitter, Instagram; piattaforme di video-sharing come YouTube o TikTok; servizi di cloud storage come Dropbox, Google Drive, OneDrive; provider di email come Gmail o Outlook.com; piattaforme e-commerce come Amazon o eBay. Infine, ricadono nell’obbligo i prestatori di servizi finanziari: banche online, servizi di pagamento elettronico come PayPal o Stripe, piattaforme di trading, servizi di wallet digitale per criptovalute.

Le esclusioni sono significative e rispondono a logiche di proporzionalità. Sono esentate le micro-imprese con meno di dieci dipendenti e fatturato annuo inferiore a due milioni di euro, una soglia che esclude le startup in fase iniziale e i piccoli progetti ma che non offre riparo ai player consolidati.

Sono esclusi i prestatori puramente nazionali che offrono servizi esclusivamente all’interno di un singolo Stato membro, anche se la verifica di questo requisito può essere complessa nell’era di internet dove anche un servizio pensato per un mercato locale può essere tecnicamente accessibile da qualsiasi parte del mondo. Infine, sono esclusi i servizi dove la conservazione dei dati è puramente accessoria rispetto all’attività principale, come nel caso di professionisti quali avvocati, architetti, ingegneri o contabili che forniscono servizi online ma la cui attività principale non è digitale.

La sfida per il decreto italiano sarà applicare queste categorie a modelli di business ibridi o innovativi che non rientrano facilmente nelle classificazioni tradizionali. Un influencer con milioni di follower che monetizza contenuti attraverso una piattaforma proprietaria è un prestatore di servizi della società dell’informazione? Un’applicazione di dating con funzionalità di messaggistica integrata rientra nell’obbligo perché offre un servizio di comunicazione elettronica? Una piattaforma di gaming online con chat tra giocatori deve nominare un rappresentante legale? Il decreto dovrà fornire criteri interpretativi chiari, possibilmente attraverso esempi concreti o una casistica di riferimento, per evitare incertezze che potrebbero tradursi in contenziosi.

Rappresentante legale vs stabilimento designato: una scelta strategica

La direttiva lascia ai prestatori la scelta tra due modalità di adempimento dell’obbligo. Lo stabilimento designato è un’entità del provider già presente nell’UE – una filiale, una succursale, un ufficio – che viene formalmente designata come punto di contatto per ricevere e dare seguito agli ordini europei. Questa opzione presenta vantaggi in termini di integrazione con la struttura aziendale esistente e di accesso diretto ai sistemi e alle banche dati del provider, ma presuppone che il provider abbia già una presenza fisica significativa nell’UE, il che non è scontato per molti player extra-europei.

L’alternativa è la nomina di un rappresentante legale, una persona fisica o giuridica distinta dal provider che viene incaricata di fungere da interfaccia. Può essere un grande studio legale specializzato in diritto digitale e cooperazione giudiziaria internazionale, un service provider dedicato che offre servizi di rappresentanza legale per conto di multipli clienti, un consulente esterno con le competenze necessarie. Questa opzione offre flessibilità ed è particolarmente adatta per provider extra-UE senza presenza fisica, ma solleva interrogativi sulla reale capacità del rappresentante di dare seguito agli ordini se non ha accesso diretto ai sistemi del provider.

Ed è proprio qui che la direttiva introduce una previsione cruciale: l’articolo 3, paragrafo 4, impone che il rappresentante legale o lo stabilimento designato abbiano «i poteri e le risorse necessari per ottemperare» agli ordini europei. Non si tratta quindi di una semplice nomina formale, di una casella postale o di un front office che inoltra le richieste alla casa madre. Il rappresentante deve avere accesso tecnico effettivo ai sistemi del provider per recuperare i dati richiesti, il che implica accordi contrattuali dettagliati, interfacce tecniche sicure, credenziali di accesso privilegiate.

Deve disporre di competenza tecnico-legale, con personale esperto sia in digital forensics e data management che in diritto processuale penale e data protection. Deve avere capacità operativa H24/7 per gestire le richieste di emergenza che richiedono risposta entro otto ore, il che significa turni continui, reperibilità costante, processi organizzativi rodati e testati. Deve avere risorse finanziarie adeguate per sostenere i costi operativi non trascurabili di un sistema di questo tipo.

Il decreto italiano deve chiarire gli standard minimi richiesti per considerare adeguati i poteri e le risorse del rappresentante. Un rappresentante legale che dichiara formalmente di avere i poteri necessari ma che nella pratica non riesce ad accedere ai dati o che impiega settimane per ottenere risposte dalla casa madre rende l’intero meccanismo inefficace. Potrebbe essere opportuno prevedere un sistema di accreditamento o certificazione dei rappresentanti legali, con verifiche periodiche della loro effettiva capacità operativa. D’altra parte, standard troppo stringenti potrebbero scoraggiare i provider dall’offrire servizi nel mercato europeo o spingere verso soluzioni di compliance meramente formali.

Responsabilità solidale: un meccanismo controverso ma necessario

Uno degli aspetti più discussi della direttiva è la previsione di responsabilità solidale tra il prestatore di servizi e il rappresentante legale o lo stabilimento designato per l’inottemperanza agli obblighi. L’articolo 3, paragrafo 5, stabilisce che entrambi possono essere ritenuti responsabili e che non può essere invocata «la mancanza di procedure interne adeguate» tra provider e rappresentante come giustificazione dell’inottemperanza. Questa previsione risponde a un’esigenza pratica comprensibile: evitare che provider e rappresentanti si «scarichino» reciprocamente la responsabilità, con il provider che sostiene di aver fornito tutti i dati al rappresentante e il rappresentante che afferma di non aver ricevuto collaborazione dal provider, mentre l’autorità inquirente rimane senza le prove necessarie.

Tuttavia, la responsabilità solidale solleva questioni complesse che il decreto italiano dovrà affrontare. Come si coordina questo meccanismo con i principi costituzionali di personalità della responsabilità penale e amministrativa? Se il rappresentante legale è uno studio legale esterno che ha adempiuto diligentemente ai propri obblighi contrattuali ma il provider, che ha sede in un paese extra-UE, si rifiuta di fornire i dati, è giusto sanzionare anche il rappresentante? Viceversa, se il provider ha fornito tempestivamente tutti i dati richiesti ma il rappresentante, per negligenza o incapacità organizzativa, non li trasmette all’autorità richiedente, il provider deve subire le conseguenze?

La soluzione probabilmente risiede in una graduazione della responsabilità basata sull’effettivo controllo sulla situazione e sulla possibilità concreta di adempiere. Il rappresentante legale dovrebbe rispondere pienamente quando l’inottemperanza dipende da inefficienze nella sua organizzazione o da sua negligenza, ma dovrebbe avere la possibilità di dimostrare di aver fatto tutto il possibile per ottenere i dati dal provider. Simmetricamente, il provider dovrebbe rispondere pienamente quando si rifiuta di collaborare con il proprio rappresentante o quando le «procedure interne» sono volutamente farraginose per rendere difficile l’esecuzione degli ordini. La responsabilità dovrebbe essere effettivamente solidale solo quando entrambi hanno contribuito all’inottemperanza o quando non è possibile determinare dove risieda la responsabilità principale.

Il regime sanzionatorio disegnato dal regolamento 2023/1543 prevede sanzioni pecuniarie fino al due per cento del fatturato mondiale annuo totale dell’esercizio precedente per i provider che non rispettano gli ordini europei, mentre la direttiva 2023/1544 richiede sanzioni «effettive, proporzionate e dissuasive» per la violazione degli obblighi di designazione o nomina e per l’inottemperanza. Per comprendere la portata di queste cifre, si consideri che per un gigante tecnologico come Meta il due per cento del fatturato mondiale può significare oltre due miliardi di dollari. Si tratta di sanzioni potenzialmente devastanti, pensate per essere realmente deterrenti anche per i player globali che potrebbero essere tentati di ignorare le richieste europee.

Il decreto italiano deve definire diversi aspetti fondamentali di questo regime sanzionatorio. Innanzitutto, la natura delle sanzioni: saranno puramente amministrative o si configureranno reati in casi particolarmente gravi, ad esempio quando l’inottemperanza è dolosa e finalizzata a favorire attività criminali? In secondo luogo, l’autorità competente per l’irrogazione: il Garante per la protezione dei dati personali, che ha già esperienza con sanzioni significative in ambito GDPR? L’autorità giudiziaria che ha emesso l’EPOC non eseguito? Un’autorità amministrativa dedicata?

La graduazione delle sanzioni dovrà tenere conto della gravità della violazione, distinguendo tra ritardi nella risposta e rifiuti espliciti, tra prime violazioni e comportamenti reiterati, tra situazioni di impossibilità oggettiva debitamente documentata e mancanza di collaborazione. Dovranno essere previste circostanze attenuanti per situazioni di reale impossibilità tecnica, per i casi di prima violazione quando seguita da immediata correzione, per i provider che dimostrano piena cooperazione anche se non riescono a fornire tutti i dati richiesti nei tempi previsti.

Infine, e questo è cruciale per la legittimità del sistema, devono essere garantiti il diritto di difesa e meccanismi di ricorso effettivo. Un provider sanzionato deve avere la possibilità di contestare la sanzione dinanzi a un giudice indipendente, di dimostrare l’impossibilità di esecuzione, di fornire elementi a propria discolpa. Il rischio, altrimenti, è che sanzioni tanto elevate vengano considerate sproporzionate dalla giurisprudenza europea, rendendo l’intero sistema inefficace.

Impatto operativo: costi, opportunità e trasformazioni di mercato

L’implementazione del sistema E-Evidence comporta costi significativi per i prestatori di servizi che vanno ben oltre l’aspetto meramente finanziario, incidendo sull’organizzazione aziendale, sui processi operativi, sulle strategie di mercato. I costi di setup iniziale includono la nomina o designazione del rappresentante legale o stabilimento designato, con tutti gli adempimenti legali e contrattuali connessi. Occorre sviluppare interfacce tecniche con il sistema informatico decentrato, il che significa progetti di integrazione software complessi che devono garantire sicurezza, affidabilità e conformità agli standard europei.

I sistemi interni di data retention e retrieval devono essere adeguati per permettere l’estrazione rapida ed efficiente dei dati nelle categorie previste dal regolamento, con particolare attenzione alla capacità di rispettare i tempi stringenti di otto ore per le emergenze. Il personale deve essere formato non solo sugli aspetti tecnici ma anche su quelli giuridici, perché chi gestisce le richieste deve essere in grado di comprendere le implicazioni legali di ogni categoria di dati e di valutare la legittimità formale degli ordini ricevuti.

I costi ricorrenti sono altrettanto rilevanti. Ogni richiesta richiede analisi legale per verificare la conformità formale dell’ordine, estrazione tecnica dei dati che può essere semplice per i subscriber data ma estremamente complessa per ricostruzioni di dati storici o per dati conservati in architetture distribuite, preparazione delle risposte in formati strutturati e sicuri. Il mantenimento della disponibilità H24/7 implica costi di personale significativi, con turni di reperibilità e procedure di escalation. Gli aggiornamenti tecnici e normativi sono continui in un settore in rapidissima evoluzione, e il sistema deve essere costantemente adeguato. Infine, le attività di auditing e compliance per dimostrare la conformità agli obblighi richiedono risorse dedicate.

Per i grandi provider questi costi sono sostenibili e probabilmente già parzialmente ammortizzati attraverso le strutture esistenti per gestire richieste di autorità nazionali attraverso canali tradizionali. Google, Meta, Microsoft, Amazon hanno già team dedicati alla law enforcement compliance con processi consolidati, anche se dovranno adeguarli alle specificità del sistema E-Evidence. Per provider medio-piccoli, invece, questi costi possono rappresentare una barriera significativa che potrebbe scoraggiarli dall’offrire servizi nel mercato europeo o spingerli verso modelli di business che eludono formalmente l’applicazione della direttiva. Il rischio concreto è un effetto di concentrazione di mercato, dove i player dominanti vengono ulteriormente rafforzati perché hanno le risorse per gestire la compliance mentre i concorrenti più piccoli vengono marginalizzati.

Questo scenario potrebbe però aprire opportunità di business interessanti. Si sta già sviluppando un mercato di «E-Evidence Compliance as a Service», con società specializzate che offrono servizi di rappresentanza legale e gestione delle richieste per conto di multiple provider.

Il modello è simile a quello dei Data Protection Officer as a Service emerso con il GDPR: un provider specializzato che mette a disposizione le competenze, le infrastrutture, i processi necessari serve multiple clienti, distribuendo i costi fissi e rendendo la compliance accessibile anche a realtà più piccole.

Questo modello potrebbe abbassare significativamente le barriere all’ingresso, ma solleva questioni di qualità del servizio e di tutela dei dati, perché i provider delegano al fornitore esterno l’accesso a dati potenzialmente molto sensibili dei propri utenti.

Digital forensics transfrontaliera: l’anello critico della catena probatoria

Chain of custody in ambiente transfrontaliero: preservare l’integrità attraverso i confini

Quando parliamo di prove digitali acquisite attraverso un EPOC, uno degli aspetti più critici da un punto di vista forense è la preservazione della chain of custody attraverso passaggi multipli e giurisdizioni diverse. In ambito nazionale, la catena di custodia delle prove digitali segue protocolli consolidati: dal momento del sequestro o dell’acquisizione, ogni passaggio deve essere documentato, ogni persona che ha avuto accesso ai dati deve essere identificata, ogni operazione sui dati deve essere tracciata, ogni trasferimento deve essere accompagnato da verbali di consegna. Gli standard internazionali come l’ISO/IEC 27037 forniscono linee guida dettagliate per l’identificazione, la raccolta, l’acquisizione e la preservazione di prove digitali.

Il sistema E-Evidence introduce una complessità aggiuntiva perché la prova digitale attraversa confini giurisdizionali senza che l’autorità richiedente abbia controllo diretto sul processo di estrazione. I dati vengono estratti dai sistemi del provider, nello Stato di esecuzione, da personale del provider o del rappresentante legale che opera secondo procedure proprie, possibilmente diverse da quelle dello Stato richiedente. I dati vengono quindi trasmessi attraverso il sistema informatico decentrato, subendo processi di crittografia, trasferimento su reti, decrittografia. Infine, arrivano all’autorità richiedente che deve verificarne l’autenticità e l’integrità prima di utilizzarli nel procedimento.

Come garantire che in questo processo articolato le prove mantengano le caratteristiche di genuinità, autenticità e integrità richieste per la loro utilizzabilità processuale? La risposta risiede in una combinazione di misure tecniche e procedurali.

Dal punto di vista tecnico, l’utilizzo di funzioni di hash crittografiche come SHA-256 o SHA-3 permette di generare un’impronta digitale univoca dei dati al momento dell’estrazione. Questa impronta viene allegata ai dati trasmessi e l’autorità ricevente può ricalcolarla sui dati ricevuti: se le due impronte coincidono, è matematicamente certo che i dati non sono stati alterati durante la trasmissione. Il timestamping certificato, basato su servizi di timestamping qualificati ai sensi del regolamento eIDAS, permette di provare che i dati esistevano in una certa forma in un momento specifico, rendendo impossibile retrodatazioni o modifiche.

I metadata originali dei file devono essere preservati integralmente perché possono contenere informazioni forensi cruciali: data e ora di creazione, data e ora di ultima modifica, autore del documento, versioni precedenti, dati EXIF per le immagini che includono informazioni sulla fotocamera e sulla geolocalizzazione. Il formato di trasmissione deve essere forense-friendly, preferibilmente formati aperti e documentati che permettano verifiche indipendenti. Le firme digitali apposte dal sistema informatico decentrato ad ogni passaggio creano una catena di autenticazione verificabile.

Dal punto di vista procedurale, è fondamentale che ogni attore della catena documenti dettagliatamente le proprie operazioni. Il provider o il rappresentante legale che estrae i dati deve generare un report tecnico che descriva: quali sistemi sono stati interrogati, quali query sono state eseguite, in quale formato sono stati estratti i dati, quali hash sono stati calcolati, chi ha effettuato materialmente l’estrazione, quando è avvenuta l’operazione. Il sistema informatico decentrato deve generare log completi che documentino ogni passaggio della trasmissione. L’autorità ricevente deve verificare formalmente l’integrità dei dati ricevuti ricalcolando gli hash, controllando le firme digitali, validando i timestamp, e deve documentare queste verifiche in un verbale che entrerà a far parte del fascicolo processuale.

La sfida è standardizzare queste procedure tra Stati membri con tradizioni processuali diverse. Un investigatore italiano deve poter fidarsi che i dati estratti da un provider secondo le procedure tedesche o francesi o svedesi rispettino standard forensi equivalenti a quelli italiani. Questo richiede un lavoro di armonizzazione che va oltre le norme giuridiche e coinvolge le best practice tecniche, la formazione degli operatori, la certificazione dei processi.

I tempi di risposta come variabile critica: tra efficienza e qualità

Il regolamento stabilisce tempi di risposta stringenti: dieci giorni per un EPOC standard, riducibili a otto ore in caso di emergenza debitamente accertata. Questi tempi rappresentano un drammatico miglioramento rispetto ai mesi necessari per le rogatorie tradizionali o alle settimane dell’OEI, ma introducono tensioni con le esigenze di accuratezza e completezza proprie della digital forensics. Un’estrazione di dati frettolosa, eseguita sotto la pressione di una scadenza di otto ore, può comportare errori, omissioni, perdita di metadata, contaminazione di prove.

Le otto ore per le emergenze sono pensate per situazioni dove il pericolo di perdita delle prove è imminente: un sospetto di terrorismo che potrebbe rendersi conto di essere sotto investigazione e cancellare tutti i suoi account; una vittima di sequestro di persona dove le comunicazioni del sequestratore potrebbero fornire indizi sulla localizzazione; un attacco informatico in corso dove i log potrebbero essere cancellati. In questi casi, la velocità è effettivamente prioritaria rispetto alla perfezione forense, secondo il principio che una prova imperfetta è meglio di nessuna prova. Ma questa logica non può essere estesa indiscriminatamente: l’emergenza deve essere reale, documentata, verificabile ex post.

I dieci giorni per le richieste standard rappresentano un compromesso più ragionevole che dovrebbe permettere estrazioni accurate, ma anche qui ci sono criticità. Per dati semplici come subscriber data o access data limitati nel tempo, dieci giorni sono abbondanti.

Ma se l’EPOC richiede, ad esempio, tutti i contenuti di un account email attivo da anni con decine di migliaia di messaggi, o tutti i file conservati in un account di cloud storage che contiene terabyte di dati, o una ricostruzione completa delle comunicazioni di un utente su un social network nell’arco di mesi, dieci giorni possono essere insufficienti per un’estrazione completa e accurata. Il regolamento prevede la possibilità per il provider di chiedere una proroga in casi di impossibilità tecnica, ma questa deve essere motivata e documentata, e non è detto che venga concessa.

Un aspetto spesso sottovalutato riguarda la qualità dei dati ricevuti. Non basta che il provider trasmetta dei dati entro i termini: i dati devono essere completi, accurati, utilizzabili. Se arrivano dati parziali, o in formati proprietari non facilmente analizzabili, o senza adeguata documentazione tecnica che permetta di interpretarli correttamente, l’utilità investigativa è compromessa.

Il regolamento non specifica in dettaglio i requisiti tecnici per il formato di trasmissione dei dati, rimandando a standard che dovranno essere sviluppati nell’ambito del sistema informatico decentrato. Questa standardizzazione è cruciale: un investigatore che riceve un file di log di accesso deve sapere come interpretare ogni campo, quale timezone sia utilizzato per i timestamp, come siano codificati gli indirizzi IP se compressi, quale sia il significato di eventuali flag o codici.

Competenze richieste: oltre il tradizionale perito informatico

L’utilizzo efficace del sistema E-Evidence richiede competenze che vanno ben oltre quelle del tradizionale investigatore o del perito informatico. Gli organi investigativi devono sviluppare capacità di formulare richieste tecnicamente precise, il che significa comprendere a fondo la distinzione tra le diverse categorie di dati e le loro implicazioni. Non è più sufficiente chiedere genericamente «tutti i dati relativi all’utente X»: bisogna specificare se si richiedono subscriber data, access data, transactional data, content data, e per ciascuna categoria quali elementi specifici sono rilevanti per l’indagine.

Un investigatore che sta seguendo un caso di frode online potrebbe aver bisogno dei subscriber data per identificare il titolare dell’account, degli access data per determinare da dove e quando l’account è stato utilizzato, dei transactional data per ricostruire le comunicazioni con le vittime, dei content data per acquisire i messaggi in cui è stata perfezionata la truffa. Ma deve sapere che richiedere i content data comporta un livello di tutela più elevato, tempi potenzialmente più lunghi, maggiori possibilità di obiezioni. Deve valutare se i transactional data, che possono già rivelare molto sulla rete di contatti, siano sufficienti per quella fase dell’indagine, lasciando eventualmente i content data a una richiesta successiva quando ci saranno elementi più solidi.

La competenza tecnica deve estendersi alla comprensione delle architetture dei servizi investigati. I dati su un servizio di email tradizionale sono strutturati diversamente da quelli su un servizio di messaggistica end-to-end encrypted.

Un social network organizza i dati in modi che riflettono la sua particolare architettura: post pubblici, post condivisi con gruppi specifici, messaggi privati, reazioni, commenti, metadata di geolocalizzazione, connessioni tra utenti. Un servizio di cloud storage può conservare non solo i file attuali ma anche versioni precedenti, file cancellati ancora presenti in cestini o backup, metadata di condivisione. Richiedere «tutti i dati» senza specificare può portare a ricevere una massa enorme di informazioni difficile da analizzare, oppure a ricevere solo una parte dei dati effettivamente rilevanti perché il provider interpreta la richiesta in senso restrittivo.

Questa complessità implica necessità formative significative. Gli investigatori devono essere formati non solo sugli aspetti giuridici del sistema E-Evidence ma anche sugli aspetti tecnici dei servizi digitali più comuni. I magistrati che devono convalidare gli EPOC o valutare le obiezioni dei provider devono avere competenze che vanno oltre il diritto processuale penale tradizionale, includendo elementi di diritto digitale, data protection, giurisdizione internazionale, tecnologie informatiche. I periti e i consulenti tecnici che analizzano i dati ricevuti devono avere familiarità con i formati di export dei principali provider e con le tecniche di analisi forense di grandi volumi di dati digitali.

E-Evidence e OEI: complementarietà o sovrapposizione?

Una delle questioni operative più delicate riguarda il rapporto tra il sistema E-Evidence e l’Ordine Europeo di Indagine. Entrambi gli strumenti sono destinati a coesistere, ma con ambiti di applicazione e logiche diverse che possono creare confusione negli operatori. L’OEI è uno strumento generalista che copre qualsiasi atto di indagine penale in ambito transfrontaliero: intercettazioni in tempo reale, perquisizioni e sequestri, assunzioni di testimoni, accertamenti tecnici, e ovviamente anche l’acquisizione di prove digitali. Il sistema E-Evidence è invece uno strumento specialistico focalizzato esclusivamente sull’acquisizione di prove digitali già conservate dai provider di servizi.

La logica dell’OEI rimane quella della cooperazione verticale tra autorità giudiziarie: l’autorità di emissione invia l’OEI all’autorità di esecuzione che lo esegue secondo le proprie procedure nazionali. Questo significa che l’autorità di esecuzione mantiene un controllo sull’esecuzione dell’atto investigativo, può sollevare motivi di rifiuto, può ricorrere a atti di indagine diversi da quello richiesto se permettono di ottenere lo stesso risultato con mezzi meno intrusivi. Il sistema E-Evidence introduce invece la cooperazione orizzontale dove l’autorità richiedente si rivolge direttamente al provider, bypassando l’autorità giudiziaria dello Stato di esecuzione salvo il meccanismo di notifica per i dati più invasivi.

In teoria, la scelta tra i due strumenti dovrebbe basarsi sulla natura dell’atto investigativo richiesto. Se si tratta di acquisire prove digitali già conservate da un provider che ha uno stabilimento designato o un rappresentante legale nell’UE, lo strumento appropriato è l’EPOC. Se invece l’atto investigativo richiede un’attività materiale sul territorio dello Stato di esecuzione – una perquisizione di locali fisici, un sequestro di dispositivi hardware, un’intercettazione in tempo reale di comunicazioni – lo strumento appropriato rimane l’OEI. Se l’obiettivo è acquisire prove digitali da un soggetto che non è un provider di servizi rientrante nell’ambito della direttiva 2023/1544 – ad esempio, acquisire i dispositivi informatici di un’azienda sospettata di frode – l’OEI rimane lo strumento necessario.

Tuttavia, nella pratica le situazioni possono essere più ambigue. Si consideri il caso di un’indagine su un reato commesso utilizzando un servizio di cloud storage. L’investigatore potrebbe voler acquisire sia i file conservati sul cloud (accessibili tramite EPOC) sia il dispositivo fisico da cui l’utente accedeva al servizio (che richiederebbe un OEI per la perquisizione e il sequestro nello Stato dove si trova il dispositivo). Oppure un’indagine su traffico di stupefacenti potrebbe richiedere sia i messaggi scambiati su un’app di messaggistica (EPOC) sia le intercettazioni in tempo reale delle comunicazioni future (OEI). La complementarietà dei due strumenti richiede coordinamento: l’autorità inquirente deve sviluppare strategie investigative integrate che utilizzino entrambi gli strumenti in modo sinergico.

C’è poi una zona grigia rappresentata dai casi in cui sarebbe tecnicamente possibile utilizzare entrambi gli strumenti. Se un’autorità italiana vuole acquisire i contenuti dell’account email di un indagato, e l’email provider ha un rappresentante legale in Germania, può emettere un EPOC indirizzato direttamente al rappresentante legale.

Ma potrebbe anche, in teoria, emettere un OEI verso l’autorità giudiziaria tedesca chiedendo di acquisire quegli stessi dati. Quale strumento dovrebbe essere preferito? La logica del sistema E-Evidence suggerisce che, quando applicabile, l’EPOC dovrebbe essere lo strumento primario perché più rapido ed efficiente. Ma ci potrebbero essere situazioni in cui l’autorità richiedente preferisce passare attraverso l’OEI perché ritiene importante il controllo dell’autorità giudiziaria dello Stato di esecuzione, ad esempio in casi particolarmente delicati o controversi.

Il decreto italiano dovrebbe fornire linee guida operative su questi aspetti, possibilmente attraverso circolari interpretative o manuali operativi destinati ai pubblici ministeri e agli investigatori. Dovrebbe chiarire che il sistema E-Evidence non sostituisce l’OEI ma lo affianca per una categoria specifica di prove, che la scelta tra i due strumenti deve basarsi sulla natura dell’atto investigativo e sul soggetto da cui si vogliono acquisire le prove, che in situazioni complesse è possibile e anzi auspicabile utilizzare entrambi gli strumenti in modo coordinato.

Un aspetto procedurale importante riguarda la gestione dei casi in cui un EPOC non produce i risultati attesi: se il provider non è in grado di fornire i dati richiesti, o se fornisce dati parziali o inadeguati, l’autorità richiedente può «convertire» la richiesta in un OEI rivolgendosi all’autorità giudiziaria dello Stato di esecuzione per un’azione più invasiva? Il coordinamento tra i due sistemi deve essere fluido per evitare che le inefficienze di uno strumento non possano essere compensate dall’altro.

Privacy, GDPR e proporzionalità: il bilanciamento necessario

Il rapporto tra il sistema E-Evidence e il Regolamento Generale sulla Protezione dei Dati è uno dei nodi più delicati e potenzialmente conflittuali dell’intera architettura normativa. Il regolamento 2023/1543 non deroga al GDPR ma stabilisce una base giuridica specifica per il trattamento dei dati personali nell’ambito dei procedimenti penali, richiamando l’articolo 23 del GDPR che permette limitazioni dei diritti degli interessati quando necessarie per la prevenzione, l’indagine e il perseguimento di reati. Tuttavia, anche quando opera questa base giuridica, rimangono fermi i principi fondamentali della protezione dati: necessità, proporzionalità, finalità limitata, minimizzazione dei dati, conservazione limitata nel tempo.

Ogni EPOC deve rispettare il principio di necessità, nel senso che i dati richiesti devono essere effettivamente necessari per l’indagine in corso e non acquisibili con mezzi meno invasivi.

Non è legittimo richiedere «tutti i dati» disponibili su un account per poi selezionare a posteriori quelli rilevanti: la richiesta deve essere specifica e mirata. Il principio di proporzionalità richiede che l’invasività della richiesta sia bilanciata con la gravità del reato investigato. Il regolamento stesso incorpora questo principio prevedendo che gli EPOC per i dati più invasivi (transactional e content data) possano essere emessi solo per reati punibili con pena detentiva massima di almeno tre anni, o per specifici reati informatici, di terrorismo o contro la sicurezza cibernetica indipendentemente dalla pena prevista.

Il principio di finalità limitata impone che i dati acquisiti tramite EPOC possano essere utilizzati esclusivamente per il procedimento penale per cui sono stati richiesti, e non per altri scopi. Se durante l’analisi dei dati emergono indizi di reati diversi da quello per cui è stato emesso l’EPOC, la loro utilizzabilità come prova per questi altri reati è questione delicata che richiederà l’intervento della giurisprudenza. In ambito nazionale, la Corte di Cassazione ha elaborato la dottrina delle «scoperte fortuite» nel contesto delle intercettazioni, ma l’applicazione di questi principi ai dati acquisiti tramite EPOC presenta specificità che dovranno essere chiarite.

La minimizzazione dei dati richiede che vengano acquisiti solo i dati strettamente necessari. Se è sufficiente conoscere con chi un indagato ha comunicato e quando (transactional data), non è proporzionato richiedere anche il contenuto delle comunicazioni. Se è sufficiente sapere da quale indirizzo IP un account è stato utilizzato (access data), non è necessario richiedere tutti i file conservati nell’account. Questo principio pone oneri significativi sulle autorità richiedenti che devono formulare richieste precise e giustificate, ma anche sui provider che dovrebbero avere la capacità tecnica di estrarre selettivamente solo i dati richiesti senza fornire automaticamente insiemi di dati più ampi.

Il diritto all’informazione dell’interessato, previsto dall’articolo 15 del regolamento E-Evidence, deve essere effettivo e non meramente formale. La persona deve essere informata in termini comprensibili di quali dati sono stati acquisiti, per quale procedimento, con quale base giuridica, con quali diritti di ricorso. L’informazione può essere differita quando potrebbe pregiudicare l’indagine, ma non può essere negata indefinitamente. Il decreto italiano deve stabilire criteri oggettivi per decidere quando differire l’informazione e per quanto tempo, evitando che il differimento diventi la regola piuttosto che l’eccezione.

I diritti di accesso, rettifica e cancellazione dell’interessato, previsti dal GDPR, devono essere compatibilizzati con le esigenze investigative. Un indagato ha diritto di accedere ai propri dati acquisiti dall’autorità inquirente? In linea generale, questo diritto si realizza attraverso il diritto di accesso agli atti del procedimento secondo le norme processuali penali, non attraverso i meccanismi del GDPR.

Ma ci possono essere fasi in cui l’interessato non è ancora formalmente indagato e quindi non ha accesso agli atti: in questi casi, il GDPR potrebbe offrire tutele aggiuntive. Il diritto alla cancellazione è particolarmente problematico: non può essere invocato per cancellare prove di reato, ma potrebbe applicarsi a dati non rilevanti che sono stati acquisiti ma non sono utilizzati nel procedimento. Il decreto dovrebbe prevedere procedure di revisione periodica dei dati conservati per cancellare quelli non più necessari.

Prospettive critiche e rischi sistemici

Sarebbe ingenuo pensare che il sistema E-Evidence risolverà magicamente tutti i problemi dell’acquisizione transfrontaliera di prove digitali. Diverse questioni strutturali rimangono aperte e potrebbero minare l’efficacia del sistema o generare conseguenze indesiderate.

La prima incognita riguarda l’effettiva volontà di compliance dei provider, specialmente quelli extra-europei. I giganti tecnologici americani hanno già team dedicati alla law enforcement compliance e probabilmente si adegueranno, anche se non senza tensioni politiche. Ma provider cinesi, russi, o di altre giurisdizioni con cui l’UE ha rapporti difficili, potrebbero essere meno cooperativi. Un provider che decide di non nominare un rappresentante legale nell’UE tecnicamente viola la direttiva e dovrebbe essere sanzionato, ma come imporre concretamente la sanzione a un’entità che non ha presenza fisica nell’UE e che potrebbe semplicemente ignorare le richieste europee? L’unica leva reale sarebbe il blocking del servizio, ma questo solleva questioni di proporzionalità e di impatto sugli utenti europei che utilizzano legittimamente quel servizio.

La frammentazione geografica dei dati pone sfide tecniche e giuridiche. Molti provider globali utilizzano architetture cloud distribuite dove i dati degli utenti sono replicati su server in diverse giurisdizioni per ragioni di performance e affidabilità. Un utente italiano che utilizza un servizio americano potrebbe avere i propri dati conservati contemporaneamente su server in Irlanda, negli Stati Uniti, a Singapore. Quale copia dei dati viene fornita in risposta a un EPOC? Cosa succede se le diverse copie non sono perfettamente sincronizzate? Il provider è tenuto a fornire tutte le copie o solo una? E se diverse giurisdizioni reclamano obblighi contrastanti su quegli stessi dati?

Il rischio di weaponization politica del sistema E-Evidence è concreto. Stati membri con standard democratici indeboliti potrebbero utilizzare gli EPOC per perseguire oppositori politici, giornalisti, attivisti. Il sistema di garanzie previsto dal regolamento dovrebbe proteggere contro questi abusi, ma la storia insegna che le garanzie formali non sempre sono sufficienti quando manca la volontà politica di applicarle. I provider potrebbero trovarsi nella difficile posizione di dover valutare se un EPOC formalmente legittimo nasconda in realtà un abuso politico, una valutazione che richiede giudizi delicati su sistemi giuridici stranieri.

La standardizzazione tecnica tra Stati membri richiederà tempo e investimenti che non tutti i paesi sono egualmente preparati a sostenere. Il rischio è che il sistema funzioni efficacemente tra un nucleo di Stati con infrastrutture avanzate e competenze consolidate, mentre altri Stati rimangano ai margini. Questo potrebbe creare una cooperazione giudiziaria a più velocità, dove gli Stati tecnologicamente avanzati cooperano efficacemente tra loro attraverso E-Evidence mentre gli altri rimangono ancorati a strumenti tradizionali più lenti.

La pressione sui tempi di risposta potrebbe compromettere la qualità delle prove. L’enfasi sulla velocità, comprensibile date le esigenze investigative, potrebbe creare incentivi perversi a sacrificare accuratezza e completezza sull’altare dell’efficienza. Un’estrazione frettolosa eseguita per rispettare il termine di otto ore potrebbe perdere metadata cruciali, omettere dati rilevanti, o introdurre errori che compromettono l’utilizzabilità processuale. Serve un bilanciamento delicato, e la cultura forense deve evolversi per incorporare protocolli di qualità anche in contesti di emergenza.

Conclusioni: verso un ecosistema investigativo maturo

L’attuazione del pacchetto E-Evidence attraverso gli schemi di decreto legislativo attualmente all’esame parlamentare rappresenta un passaggio epocale per il diritto processuale penale europeo e italiano. Non si tratta di una semplice aggiunta di strumenti tecnici alla cassetta degli attrezzi investigativi, ma di un ripensamento profondo di come lo Stato esercita la giurisdizione penale in un mondo digitalizzato dove i confini territoriali hanno perso gran parte del loro significato pratico.

Per gli operatori del diritto, questo significa acquisire competenze nuove che incrociano diritto processuale, data protection, tecnologie informatiche, cooperazione internazionale. Per le forze di law enforcement, significa riorganizzare processi investigativi consolidati, formare personale specializzato, investire in infrastrutture tecnologiche. Per i CISO e i professionisti della cybersecurity dei provider, significa costruire processi di compliance complessi che bilanciano obblighi legali, tutela della privacy degli utenti, efficienza operativa, rischi reputazionali. Per gli esperti di digital forensics, significa sviluppare metodologie che funzionino in contesti transfrontalieri dove il controllo diretto sull’acquisizione delle prove è limitato.

Ma soprattutto, per tutti gli attori dell’ecosistema, significa mantenere alta la vigilanza sui diritti fondamentali. L’efficienza investigativa è un valore importante in una società che deve proteggersi dalla criminalità, sempre più organizzata su scala transnazionale e sempre più sofisticata nell’uso delle tecnologie. Ma questa efficienza non può mai tradursi in un sacrificio ingiustificato della privacy, della libertà di espressione, del diritto alla difesa, delle garanzie processuali che definiscono una democrazia liberale. Il sistema E-Evidence funzionerà veramente solo se saprà essere al contempo efficace nel dare alle autorità gli strumenti per investigare e garantista nel proteggere i diritti delle persone.

L’Italia ha l’opportunità, attraverso gli schemi di decreto attualmente in discussione, di contribuire a costruire un sistema che sia modello di questo equilibrio. Le scelte implementative che verranno fatte nelle prossime settimane e mesi – quali autorità designare, come strutturare i processi di riesame, quali standard di sicurezza imporre al sistema informatico, come graduare le sanzioni, come formare gli operatori – determineranno se il sistema E-Evidence italiano sarà un esempio di cooperazione giudiziaria efficace e rispettosa dei diritti, o se si rivelerà un’altra occasione mancata.

Il dibattito tecnico e politico che accompagna l’esame parlamentare degli schemi di decreto deve essere all’altezza della posta in gioco. Non può limitarsi a questioni formali di conformità alle norme europee, ma deve affrontare le questioni sostanziali di come vogliamo che la giustizia penale funzioni nell’era digitale, di quali garanzie consideriamo irrinunciabili, di come bilanciare esigenze investigative e tutela dei diritti, di come costruire fiducia reciproca tra Stati membri e tra Stati e cittadini. Ridefinire il rapporto tra giustizia penale e spazio digitale nell’Europa del ventunesimo secolo è la sfida che ci troviamo di fronte. Gli strumenti normativi ci sono, l’infrastruttura tecnica si sta costruendo. Ora serve la saggezza di usarli bene.

Condividi sui Social Network:

https://www.ictsecuritymagazine.com/articoli/e-evidence/




How to trade your $214,000 cybersecurity job for a jail cell

According to the FBI, in 2023, Martin took steps to become an “affiliate” of the BlackCat ransomware developers. BlackCat provides full-service malware, offering up modern ransomware code and dark web infrastructure in return for a cut of any money generated by affiliates, who find and hack their own targets. (And yes, sometimes BlackCat devs do scam their own affiliates.)

Martin had seen how this system worked in practice through his job, and he is said to have approached a pair of other people to help him make some easy cash. One of these people was allegedly Ryan Goldberg of Watkinsville, Georgia, who worked as an incident manager at the cybersecurity firm Sygnia. Goldberg told the FBI that Martin had recruited him to “try and ransom some companies.”

In May 2023, the group attacked its first target, a medical company based in Tampa, Florida. The team got the BlackCat software onto the company’s network, where it encrypted corporate data, and demanded a $10 million ransom for the decryption key.

Eventually, the extorted company decided to pay up—though only $1.27 million. The money was paid out in crypto, with a percentage going to the BlackCat devs and the rest split between Martin, Goldberg, and a third, as-yet-unnamed conspirator.

Success was short-lived, though. Throughout 2023, the extortion team allegedly went after a pharma company in Maryland, a doctor’s office, and an engineering firm in California, plus a drone manufacturer in Virginia.

Ransom requests varied widely: $5 million, or $1 million, or even a mere $300,000.

But no one else paid.

By early 2025, an FBI investigation had ramped up, and the Bureau searched Martin’s property in April. Once that happened, Goldberg said that he received a call from the third member of their team, who was “freaking out” about the raid on Martin. In early May, Goldberg searched the web for Martin’s name plus “doj.gov,” apparently looking for news on the investigation.

On June 17, Goldberg, too, was searched and his devices taken. He agreed to talk to agents and initially denied knowing anything about the ransomware attacks, but he eventually confessed his involvement and fingered Martin as the ringleader. Goldberg told agents that he had helped with the attacks to pay off some debts, and he was despondent about the idea of “going to federal prison for the rest of [his] life.”

https://arstechnica.com/security/2025/11/fbi-arrests-ransomware-clean-up-experts-for-planting-ransomware/




Intelligenza artificiale e machine learning nelle indagini forensi digitali: rivoluzione tecnologica tra potenzialità e sfide giuridiche

Le indagini forensi digitali stanno vivendo una profonda trasformazione grazie all’integrazione dell’intelligenza artificiale e del machine learning. Questo articolo analizza come gli algoritmi avanzati stiano ridefinendo le metodologie investigative, migliorando l’efficienza operativa e sollevando al contempo nuove sfide etiche, legali e di trasparenza. Vengono esaminati casi di studio, framework istituzionali e prospettive future per una forensica digitale più spiegabile, equa e affidabile.

L’integrazione dell’intelligenza artificiale nella forensica digitale rappresenta una trasformazione paradigmatica nell’investigazione dei crimini informatici. Questo studio analizza criticamente l’applicazione di machine learning alle indagini forensi, esaminando algoritmi investigativi attraverso evidenze empiriche, case study internazionali e framework istituzionali. L’analisi si concentra sulle implicazioni operative degli algoritmi di deep learning per l’acquisizione di prove digitali, sulle criticità dell’ammissibilità probatoria e sulle sfide dell’explainable AI nel contesto legale. La ricerca evidenzia come l’intelligenza artificiale nell’analisi forense abbia permesso riduzioni del 57% nei tempi di analisi, pur sollevando questioni fondamentali sulla trasparenza algoritmica e sui bias computazionali. Attraverso l’esame di metodologie NIST ed ENISA, vengono delineate raccomandazioni operative evidence-based per implementazioni responsabili dell’intelligenza artificiale nelle investigazioni sui crimini informatici.

Introduzione e quadro teorico: l’evoluzione dell’intelligenza artificiale nelle investigazioni digitali

L’esplosione del volume di dati digitali e la crescente sofisticazione delle minacce informatiche hanno reso le metodologie forensi tradizionali progressivamente inadeguate. La crescita esponenziale del volume di prove digitali, mentre le capacità analitiche manuali degli investigatori sono rimaste sostanzialmente invariate, ha creato un divario investigativo senza precedenti. Questo gap ha catalizzato l’adozione dell’intelligenza artificiale come risposta sistemica a una sfida investigativa di portata globale.

L’integrazione di machine learning nelle indagini forensi rappresenta un vero cambio di paradigma metodologico. Secondo lo studio di Dipo Dunsin et al. A comprehensive analysis of the role of artificial intelligence and machine learning in modern digital forensics and incident response (2024) pubblicato su Forensic Science International: Digital Investigation, l’intelligenza artificiale amplifica l’efficienza investigativa grazie alla capacità di elaborare dataset complessi, identificare pattern nascosti e automatizzare processi ripetitivi. Tuttavia, l’utilizzo di queste tecnologie nella forensica digitale è ancora in fase nascente, con applicazioni limitate a domini specifici piuttosto che sistemi autonomi integrati.

Stato dell’arte: dalla ricerca accademica all’implementazione operativa

La ricerca sull’intelligenza artificiale applicata alla forensica digitale ha registrato un’accelerazione significativa negli ultimi anni. Lo studio di Khaliq et al. Revolutionizing Cyber Forensics: Advance Digital Evidence Analysis through Machine Learning Techniques (2025) pubblicato su Annual Methodological Archive Research Review ha analizzato tecniche avanzate di machine learning per la classificazione delle prove digitali, raggiungendo accuratezze del 94,3% nella categorizzazione automatica delle evidenze e del 92,7% nell’identificazione di anomalie di rete. Questi risultati impressionanti vanno però contestualizzati: molte sperimentazioni utilizzano dataset controllati che non riflettono pienamente la complessità dei dati forensi reali.

Il NIST (National Institute of Standards and Technology) ha pubblicato nel settembre 2024 il report Strategic Opportunities to Advance Forensic Science in the United States, identificando lo sviluppo di metodi analitici basati su algoritmi e intelligenza artificiale tra le quattro “grand challenges” della forensica moderna. Il documento sottolinea non solo l’importanza dell’adozione tecnologica, ma anche la necessità di standard scientifici rigorosi per garantire validità, affidabilità e consistenza dei risultati.

ENISA (European Union Agency for Cybersecurity), nel suo programma 2024-2026, ha inserito la cybersecurity degli algoritmi di intelligenza artificiale tra le priorità strategiche europee. L’agenzia riconosce la duplice natura dell’AI: strumento investigativo potente ma anche possibile vettore di minacce emergenti. Questo crea una corsa tecnologica continua tra investigatori e criminali informatici, dove entrambe le parti utilizzano le stesse tecnologie avanzate.

Metodologie AI-driven: analisi tecnica delle architetture algoritmiche

L’implementazione di algoritmi di intelligenza artificiale nelle procedure forensi richiede la comprensione approfondita di diverse architetture di machine learning e delle loro applicazioni specifiche.

Natural Language Processing per l’analisi di log e comunicazioni

Le tecniche di Natural Language Processing (NLP) basate su architetture transformer hanno rivoluzionato l’analisi di grandi volumi di log di sistema, comunicazioni email e messaggistica. Khaliq et al. (2025) hanno dimostrato che i modelli transformer raggiungono il 95,1% di precisione nell’identificazione di minacce via email, superando significativamente gli approcci tradizionali basati su regole.

L’applicazione pratica di queste tecniche riguarda l’analisi automatizzata di conversazioni estratte da dispositivi sequestrati. Gli algoritmi possono identificare pattern linguistici indicativi di attività criminali, keyword correlate a traffici illeciti e reti di comunicazione tra soggetti sospetti. Questo riduce drasticamente i tempi di analisi manuale, che potrebbero altrimenti richiedere settimane o mesi di lavoro.

Tuttavia, l’applicazione del NLP solleva questioni delicate di privacy. L’analisi semantica massiva di comunicazioni personali richiede un equilibrio tra efficacia investigativa e tutela dei diritti fondamentali, particolarmente nel contesto delle normative europee.

Convolutional Neural Networks per la forensica multimediale

Le Convolutional Neural Networks (CNN) hanno trasformato l’analisi di immagini e video nelle indagini forensi. Dunsin et al. (2024) evidenziano l’efficacia delle reti convoluzionali nell’identificazione di prove visive, nel rilevamento di alterazioni fotografiche e nell’analisi di filmati per attività sospette.

Un’applicazione paradigmatica riguarda il rilevamento dei deepfake: algoritmi CNN addestrati su dataset multimodali possono identificare manipolazioni sintetiche con accuracy superiori al 90%. Si presenta però un paradosso interessante: mentre le CNN diventano più sofisticate nel rilevare contenuti falsificati, le stesse architetture generative (Generative Adversarial Networks) utilizzate per crearli evolvono parallelamente, generando una dinamica competitiva simile a una corsa agli armamenti digitale.

Recurrent Neural Networks e analisi delle sequenze temporali

Le Recurrent Neural Networks (RNN) e le loro varianti più avanzate, come le Long Short-Term Memory (LSTM), eccellono nell’analisi di sequenze temporali. Queste architetture sono fondamentali per ricostruire la timeline di eventi criminali, processando log di sistema cronologici, sequenze di comandi eseguiti e tracce di accesso.

Una ricerca pubblicata su IIETA (2023) intitolata Enhancing Cyber Forensics with AI and Machine Learning: A Study on Automated Threat Analysis and Classification realizzata da Bandr Fakiha, ha dimostrato che l’applicazione di RNN nell’analisi forense permette di identificare con precisione del 92% i pattern temporali associati ad attacchi Advanced Persistent Threat (APT), riducendo significativamente i falsi positivi rispetto alle tecniche tradizionali.

Autoencoders per il rilevamento di anomalie

Gli autoencoder rappresentano uno strumento potente per il rilevamento di anomalie nei sistemi compromessi. Queste reti neurali, progettate per l’apprendimento non supervisionato, vengono addestrate su dati “normali” e possono quindi identificare deviazioni statistiche indicative di comportamenti malevoli, senza necessità di dataset etichettati di malware noti.

Khaliq et al. (2025) hanno implementato autoencoder ottenendo risultati significativi: identificazione di attività sospette con precisione del 92,7% nel network traffic analizzato in tempo reale. Questo apre prospettive interessanti per sistemi di threat intelligence automatizzata capaci di adattarsi a minacce emergenti.

Analisi critica multidimensionale: evidenze empiriche e casi di studio

A. Evidenze quantitative dall’implementazione operativa

L’adozione operativa dell’intelligenza artificiale nelle indagini forensi ha prodotto risultati misurabili significativi. Lo studio condotto da ricercatori dell’Università di Umm Al-Qura (Arabia Saudita, 2023) ha raccolto dati empirici da organizzazioni che hanno implementato AI e machine learning nella forensica informatica, rivelando miglioramenti sostanziali:

  • Riduzione del 57% nei tempi di analisi forense rispetto alle metodologie tradizionali
  • Incremento del 40% nella capacità di processamento di grandi volumi di dati in casi complessi
  • Miglioramento del 35% nell’accuratezza di identificazione di artefatti rilevanti

È importante sottolineare che questi miglioramenti si concentrano in domini applicativi specifici: analisi di malware, data carving e classificazione automatica di file. Le capacità di ragionamento investigativo olistico, correlazione inter-contestuale e interpretazione semantica rimangono ancora prevalentemente dominio dell’intelligenza umana.

B. Caso di studio 1: Framework blockchain-enhanced per l’analisi di malware

Un caso emblematico pubblicato nel gennaio 2025 dai ricercatori del G.H. Raisoni College of Engineering (India) e intitolato Blockchain Enhanced AI Digital Forensic Framework for Malware Analysis illustra l’integrazione innovativa di intelligenza artificiale e tecnologia blockchain per la forensica del malware.

Il framework combina un modulo di analisi basato su machine learning per l’identificazione e classificazione automatica del malware attraverso analisi statica (estrazione di caratteristiche da file eseguibili senza esecuzione) e analisi dinamica (monitoraggio comportamentale in ambiente sandbox). La classificazione multi-classe viene effettuata mediante algoritmi ensemble.

Il componente blockchain garantisce l’immutabilità della catena di custodia (chain of custody), timestamp crittograficamente verificabili per ogni operazione forense e resistenza alla manomissione delle evidenze digitali.

Il sistema ha dimostrato capacità di identificare varianti di malware precedentemente sconosciute con accuratezza dell’89%, significativamente superiore ai sistemi basati esclusivamente su firme. L’overhead computazionale della blockchain introduce però latenze nell’ordine dei secondi per ogni transazione di evidenza registrata, potenzialmente problematico in scenari di incident response in tempo reale.

C. Caso di studio 2: Sistema di explainable AI per la rilevazione di crimini informatici

La ricerca condotta da Billah (2025) presso la Bangladesh University of Professionals intitolato Developing an Explainable AI System for Digital Forensics: Enhancing Trust and Transparency in Flagging Events for Legal Evidence rappresenta un avanzamento significativo verso l’explainable artificial intelligence (XAI) nella forensica digitale.

Il sistema combina algoritmi di deep learning per la rilevazione di eventi criminali informatici con tecniche XAI (SHAP – SHapley Additive exPlanations e LIME – Local Interpretable Model-agnostic Explanations) per generare spiegazioni interpretabili. L’interfaccia utente consente agli investigatori di visualizzare il razionale delle classificazioni in modo comprensibile.

I risultati sono notevoli: accuracy del 94,3% nella rilevazione di cybercrime, riduzione del 67% del tempo necessario per validare manualmente le classificazioni e spiegazioni comprensibili anche da investigatori senza competenze di data science.

Il sistema è stato testato con avvocati e magistrati, ottenendo un tasso di comprensibilità del 78% delle spiegazioni algoritmiche. Questo rappresenta un passo significativo verso l’ammissibilità giuridica delle prove generate da intelligenza artificiale, affrontando la criticità del “black box problem”.

D. Caso di studio 3: Intelligenza artificiale nella forensica di dispositivi mobili

Una survey su 122 professionisti della forensica digitale condotta nel 2024 (DFPulse) intitolata Artificial intelligence in mobile forensics: A survey of current status, a use case analysis and AI alignment objectives ha evidenziato tendenze significative nell’adozione di AI per l’analisi di dispositivi mobili.

Le principali sfide operative identificate includono l’eterogeneità dei dispositivi (versioni Android personalizzate da Samsung, Huawei, Xiaomi rendono complessa la standardizzazione), il volume di applicazioni (milioni di app con formati dati proprietari) e la cifratura end-to-end crescente che limita l’efficacia dell’analisi automatizzata.

Le applicazioni AI implementate con successo riguardano la categorizzazione automatica di immagini mediante algoritmi CNN, l’analisi semantica cross-modale che correla testo, immagini e metadati, e il topic modeling guidato dalla conoscenza per esaminare efficacemente grandi volumi di dati.

La ricerca ha rivelato che il 68% degli investigatori considera l’AI utile per il triage iniziale delle evidenze, ma solo il 23% si fiderebbe completamente di classificazioni automatiche senza supervisione umana. Questo evidenzia la persistenza di gap di fiducia significativi nella comunità forense.

Sfide critiche: dimensioni tecnologiche, legali ed etiche

Il problema dell’explainability e l’ammissibilità giuridica

La questione dell’explainability rappresenta la sfida più critica per l’adozione forense dell’intelligenza artificiale. Come evidenziato da Magnet Forensics nel articolo Evaluating the use of AI in digital evidence and courtroom admissibility (2025), i sistemi giudiziari federali statunitensi si affidano al Daubert Standard per l’introduzione di testimonianze scientifiche innovative.

Gli strumenti forensi basati su AI devono soddisfare cinque criteri fondamentali: testabilità della tecnica, peer review e pubblicazione scientifica, tasso di errore noto e controllato, accettazione nella comunità scientifica rilevante e affidabilità con risultati consistenti e replicabili.

Il problema è che molti algoritmi di deep learning operano come “black boxes”: anche quando producono risultati accurati, il processo decisionale interno rimane opaco. Come notato dall’Honorable Paul Grimm nel Northwestern Journal of Technology and Intellectual Property, quando la metodologia viene trattata come segreto commerciale dal sviluppatore, impedendone la verifica, diventa difficile sostenere l’autenticità e l’ammissibilità delle prove generate.

Explainable AI: verso la trasparenza algoritmica

L’explainable artificial intelligence (XAI) emerge come soluzione fondamentale a questo problema. Ricercatori Shahid Alam e Zeynep Altiparmak nella pubblicazione XAI-CF – Examining the Role of Explainable Artificial Intelligence in Cyber Forensics (2024) hanno formalizzato il concetto di XAI-CF (XAI for Cyber Forensics), definendo requisiti specifici per sistemi utilizzabili nel contesto forense.

Le caratteristiche essenziali includono l’interpretabilità (gli investigatori devono comprendere come l’algoritmo raggiunge conclusioni), la giustificabilità (i risultati devono essere supportati da razionale tracciabile), l’interattività (possibilità di interrogare il sistema per chiarimenti) e l’autenticità (le spiegazioni devono riflettere accuratamente i meccanismi decisionali reali).

Uno studio del Digital Society Explainable AI and Law: An Evidential Survey (2024) ha condotto una survey sistematica sulla XAI nel contesto legale, evidenziando che logiche giuridiche diverse (ragionamento evidenziale, decisionale, procedurale) richiedono forme differenziate di spiegabilità algoritmica. Non esiste un approccio XAI universale: i sistemi devono essere calibrati sui requisiti specifici del contesto legale.

Bias algoritmici e discriminazione sistemica

I bias algoritmici rappresentano una minaccia significativa all’equità delle investigazioni forensi. Ricerche documentate come quella di Rohit Tahsildar Yadav AI-Driven Digital Forensics hanno identificato diverse fonti di distorsione che meritano attenzione critica.

La sottorappresentazione culturale nei dataset di addestramento costituisce un problema serio: gli studi forensi storicamente si sono concentrati su contesti occidentali, limitando l’efficacia dell’AI con gruppi demografici diversi. Lo sbilanciamento delle classi, con dataset che presentano distribuzione non uniforme di esempi, può generare modelli che identificano male varianti rare di malware o comportamenti anomali.

Un caso emblematico riguarda sistemi di riconoscimento facciale che hanno dimostrato tassi di errore superiori del 34% per individui afroamericani rispetto a caucasici, sollevando preoccupazioni etiche fondamentali sull’applicazione forense di tali tecnologie.

Le strategie di mitigazione includono audit algoritmici regolari per valutare le performance su sottogruppi demografici, l’incorporazione di fairness constraints nei processi di ottimizzazione e la diversificazione dei dataset con inclusione intenzionale di variabilità culturale, geografica e contestuale.

Privacy, GDPR e trattamento dei dati forensi

L’utilizzo di intelligenza artificiale nelle indagini forensi genera tensioni tra efficacia investigativa e tutela della privacy. Il GDPR europeo impone principi stringenti che devono essere rispettati anche nelle attività forensi: minimizzazione (raccolta solo dei dati strettamente necessari), limitazione della finalità (utilizzo esclusivo per scopi dichiarati) e diritto alla spiegazione (possibilità di richiedere chiarimenti su decisioni automatizzate).

Come evidenziato nel documento Improving Cybercrime Detection and Digital Forensics Investigations with Artificial Intelligence realizzato da Silvia Lucia Sanna, Leonardo Regano, Davide Maiorca, e Giorgio Giacinto dell’Università di Cagliari (ottobre 2024), l’applicazione di machine learning richiede spesso l’analisi di grandi volumi di dati personali sensibili, potenzialmente in contrasto con i principi di minimizzazione. Le tecniche XAI che forniscono spiegazioni attraverso esempi del training set potrebbero involontariamente esporre dati personali di terzi non coinvolti nell’indagine, violando il GDPR.

Le soluzioni operative includono l’implementazione di differential privacy (tecniche che aggiungono rumore controllato per proteggere l’identificabilità individuale), il federated learning (addestramento distribuito che mantiene i dati locali) e audit di conformità sistematici per verificare l’aderenza al GDPR prima del deployment.

Attacchi adversarial e robustezza dei modelli

La vulnerabilità dei sistemi AI forensi ad attacchi adversarial rappresenta un aspetto critico spesso sottovalutato. Criminali informatici sofisticati possono manipolare intenzionalmente evidenze digitali per ingannare algoritmi di classificazione.

Le tipologie di attacchi includono gli evasion attacks (modifiche minime a malware per eludere la rilevazione), i poisoning attacks (contaminazione dei dataset di addestramento con esempi malevoli) e il model inversion (tecniche per estrarre informazioni sensibili dai modelli addestrati).

I ricercatori dell’Università di Caglari hanno dimostrato che il malware può rilevare ambienti sandbox utilizzati per l’analisi dinamica e alterare il proprio comportamento, ingannando i sistemi di classificazione automatica. Questo evidenzia la necessità di approcci ibridi che combinino rilevazione automatizzata e validazione umana esperta.

Prospettive interdisciplinari e riflessioni critiche

Il paradosso dell’automazione forense

Emerge un paradosso fondamentale nell’applicazione dell’intelligenza artificiale alle indagini forensi: più i sistemi diventano sofisticati e autonomi, più diventa critica la competenza umana per interpretarne e validarne i risultati.

L’automazione non sostituisce gli investigatori ma sposta il carico cognitivo verso livelli di astrazione superiore. Gli investigatori forensi devono ora comprendere principi di machine learning e limiti statistici dei modelli, metodologie di validazione algoritmica, implicazioni legali dell’explainability e gestione dei bias.

Questa elevazione delle competenze richieste rappresenta simultaneamente una sfida educativa e un’opportunità professionale: la forensica digitale evolve verso una disciplina profondamente interdisciplinare che integra informatica, statistica, diritto e scienze cognitive.

Intelligenza artificiale e modifiche al burden of proof

I sistemi automatizzati che producono classificazioni con confidence scores elevati (es. “questo file è malware con probabilità del 97%”) potrebbero creare aspettative irrealistiche di certezza scientifica. La natura probabilistica intrinseca dei modelli di machine learning introduce inevitabilmente margini di incertezza.

Come conciliare l’esigenza giuridica di prova “oltre ogni ragionevole dubbio” con output algoritmici intrinsecamente probabilistici? La questione rimane aperta e richiede dialogo approfondito tra comunità scientifica e giuridica per sviluppare framework interpretativi adeguati.

Implicazioni per la standardizzazione internazionale

La natura transnazionale del cybercrime rende cruciale la standardizzazione internazionale delle metodologie forensi basate su AI. Esistono però divergenze significative tra giurisdizioni che complicano l’armonizzazione.

Gli standard americani (Daubert, Frye) enfatizzano la testabilità scientifica e l’accettazione nella comunità di riferimento. Gli standard europei (GDPR, NIS2) danno priorità a privacy, protezione dati e diritti fondamentali. Gli standard asiatici mostrano variabilità significativa tra paesi con approcci più permissivi o restrittivi.

NIST e ENISA stanno lavorando a framework armonizzati, ma il processo è complesso. La mancanza di standard globali rischia di creare frammentazione metodologica che complica la cooperazione investigativa internazionale.

Intelligenza artificiale generativa: nuova frontiera e nuova minaccia

L’avvento di large language models (LLM) e AI generativa introduce dimensioni ulteriori alla forensica digitale con implicazioni contraddittorie.

Da un lato, questi sistemi offrono opportunità forensi come l’analisi semantica avanzata di comunicazioni sospette, la generazione automatica di report investigativi e l’assistenza nella ricostruzione di timeline complesse attraverso natural language queries.

Dall’altro, rappresentano minacce emergenti: generazione di prove digitali sintetiche (deepfake audio/video, documenti falsificati), creazione automatizzata di malware polimorfo e generazione di alibi digitali artificiali (falsi log, timestamp manipolati).

Lo studio già citato Digital forensics and strong AI: A structured literature review ha esplorato la forensica di servizi AI conversazionali come ChatGPT, Copilot e Gemini, evidenziando che le interazioni con questi sistemi possono costituire prove rilevanti in investigazioni, ma richiedono metodologie specializzate per l’acquisizione e la preservazione.

Direzioni future: trend emergenti e ricerca necessaria

Post-quantum cryptography e implicazioni forensi

L’avvento del quantum computing introdurrà una discontinuità fondamentale nella forensica digitale. Gli algoritmi crittografici attuali (RSA, ECC) diventeranno vulnerabili, ma contemporaneamente emergeranno schemi post-quantistici che complicheranno ulteriormente l’analisi forense di comunicazioni cifrate.

Il quantum computing potrebbe sia potenziare capacità forensi (decifratura retroattiva di comunicazioni archiviate) sia limitarle (nuovi protocolli crittografici più robusti). La comunità forense deve prepararsi investendo in ricerca su algoritmi forensi quantum-resistant, metodologie per analisi di artefatti post-quantistici e framework legali per gestire discontinuità crittografiche.

Federated learning per cooperazione investigativa transnazionale

Il federated learning rappresenta un paradigma promettente per la condivisione di intelligence tra agenzie forensi internazionali preservando la privacy. I modelli ML possono essere addestrati collaborativamente su dati distribuiti senza trasferimento di dataset sensibili, superando barriere legali e di sovranità.

Ricerche preliminari del team dell’Università di Cagliari suggeriscono applicabilità a database condivisi di firme malware tra CERT nazionali, classificatori collaborativi per cybercrime transnazionale e threat intelligence distribuita con privacy differenziale.

Le sfide tecniche includono la gestione dell’eterogeneità dei dati (non-IID data), la protezione contro attacchi al protocollo federato e la governance del consenso per gli aggiornamenti dei modelli.

Intelligenza artificiale per la forensica predittiva

Un’applicazione controversa ma potenzialmente rivoluzionaria riguarda la forensica predittiva: utilizzo di AI per anticipare crimini informatici imminenti o identificare bersagli probabili.

Le applicazioni concrete includono l’identificazione proattiva di vulnerabilità in infrastrutture critiche prima dello sfruttamento, la predizione di target ransomware basata su analisi di pattern di attacchi precedenti e early warning per campagne phishing emergenti.

Le criticità etiche sono significative: rischio di profilazione discriminatoria, violazioni della presunzione di innocenza e feedback loops che auto-confermano bias. Questo richiede framework etici e legali rigorosi prima del deployment operativo.

Explainable AI di nuova generazione

La ricerca XAI sta evolvendo verso tecniche più sofisticate che promettono maggiore utilità nel contesto forense.

Le counterfactual explanations spiegano cosa sarebbe successo cambiando specifiche caratteristiche (“Il sistema avrebbe classificato diversamente se la caratteristica X fosse stata Y”). La causal inference identifica relazioni causali non solo correlazioni statistiche. I concept activation vectors forniscono spiegazioni basate su concetti semantici interpretabili piuttosto che features numeriche astratte.

Nella sua pubblicazione M. Billah dimostra che le spiegazioni counterfactual sono particolarmente efficaci nel contesto forense, consentendo agli investigatori di comprendere quali elementi probatori specifici hanno determinato una classificazione e come modifiche minimali potrebbero alterarla.

Agenda di ricerca prioritaria

Sulla base dell’analisi condotta, identifichiamo cinque aree di ricerca critiche per il futuro della forensica digitale basata su intelligenza artificiale:

Standardizzazione internazionale XAI forense: Sviluppo di framework condivisi per explainability accettabile in diverse giurisdizioni, con particolare attenzione all’armonizzazione tra sistemi common law e civil law.

  • Robustezza adversarial: Tecniche difensive avanzate contro manipolazioni intenzionali di prove digitali, inclusi metodi di adversarial training e rilevazione di perturbazioni malevole.
  • Gestione dell’incertezza: Metodologie per quantificare e comunicare l’incertezza algoritmica in contesti legali, traducendo confidence scores probabilistici in linguaggio comprensibile a giudici e giurie.
  • Mitigazione dei bias: Strategie sistematiche per identificare, quantificare e ridurre distorsioni algoritmiche, con particolare enfasi sull’equità procedurale e la giustizia sostanziale.
  • Human-AI teaming: Paradigmi ottimali di collaborazione tra investigatori e sistemi AI che massimizzano le sinergie cognitive, definendo chiaramente ruoli, responsabilità e processi decisionali condivisi.

Conclusioni: verso una forensica digitale augmented

L’integrazione dell’intelligenza artificiale e del machine learning nelle indagini forensi digitali rappresenta una trasformazione irreversibile della disciplina. Le evidenze empiriche dimostrano che gli algoritmi investigativi possono amplificare significativamente le capacità umane: riduzioni fino al 57% dei tempi di analisi, accuratezze superiori al 94% in classificazioni complesse e capacità di processare volumi di dati altrimenti inaccessibili.

Questa rivoluzione tecnologica presenta però tensioni fondamentali che non possono essere ignorate. Il “black box problem” solleva questioni irrisolte sull’ammissibilità giuridica delle prove generate automaticamente. I bias algoritmici rischiano di perpetuare o amplificare ingiustizie sistemiche. Le vulnerabilità ad attacchi adversarial introducono nuove superfici di rischio. La compliance con framework di protezione della privacy come il GDPR richiede bilanciamenti delicati.

La via da seguire non passa attraverso un’adozione acritica dell’AI né attraverso un rifiuto conservatore. Richiede un approccio critico, metodologicamente rigoroso e eticamente consapevole che privilegi l’explainability come requisito fondamentale, implementi governance robusta con audit sistematici, investa massicciamente in formazione interdisciplinare degli investigatori, promuova standardizzazione internazionale e mantenga supervisione umana su decisioni investigative critiche.

La forensica digitale del futuro sarà una disciplina augmented: intelligenza artificiale e umana in sinergia complementare, dove algoritmi gestiscono la complessità computazionale mentre gli investigatori apportano giudizio contestuale, intuizione investigativa e responsabilità etica. Questo paradigma richiede evoluzione culturale, normativa e tecnologica, ma rappresenta l’unica via sostenibile per affrontare la crescente sofisticazione del cybercrime preservando equità procedurale e diritti fondamentali.

Note:

Dunsin, D., Ghanem, M. C., Ouazzane, K., & Vassilev, V. (2024). A comprehensive analysis of the role of artificial intelligence and machine learning in modern digital forensics and incident response.

Khattak, J., Arif, H., Ali, A. K. S., & Khaliq, Z. (2025). Revolutionizing Cyber Forensics: Advance Digital Evidence Analysis through Machine Learning Techniques.

National Institute of Standards and Technology (NIST). (2024). Strategic Opportunities to Advance Forensic Science in the United States: A Path Forward Through Research and Standards.

Fakiha, B. (2023). Enhancing Cyber Forensics with AI and Machine Learning: A Study on Automated Threat Analysis and Classification. International Journal of Safety and Security Engineering.

European Union Agency for Cybersecurity (ENISA). (2024). ENISA Single Programming Document 2024-2026.

European Union Agency for Cybersecurity (ENISA). (2023). Artificial Intelligence Cybersecurity Challenges.

European Union Agency for Cybersecurity (ENISA). (2023). Artificial Intelligence and Cybersecurity Research.

Condividi sui Social Network:

https://www.ictsecuritymagazine.com/notizie/indagini-forensi-digitali/




Wipers from Russia’s most cut-throat hackers rain destruction on Ukraine

One of the world’s most ruthless and advanced hacking groups, the Russian state-controlled Sandworm, launched a series of destructive cyberattacks in the country’s ongoing war against neighboring Ukraine, researchers reported Thursday.

In April, the group targeted a Ukrainian university with two wipers, a form of malware that aims to permanently destroy sensitive data and often the infrastructure storing it. One wiper, tracked under the name Sting, targeted fleets of Windows computers by scheduling a task named DavaniGulyashaSdeshka, a phrase derived from Russian slang that loosely translates to “eat some goulash,” researchers from ESET said. The other wiper is tracked as Zerlot.

A not-so-common target

Then, in June and September, Sandworm unleashed multiple wiper variants against a host of Ukrainian critical infrastructure targets, including organizations active in government, energy, and logistics. The targets have long been in the crosshairs of Russian hackers. There was, however, a fourth, less common target—organizations in Ukraine’s grain industry.

“Although all four have previously been documented as targets of wiper attacks at some point since 2022, the grain sector stands out as a not-so-frequent target,” ESET said. “Considering that grain export remains one of Ukraine’s main sources of revenue, such targeting likely reflects an attempt to weaken the country’s war economy.”

Wipers have been a favorite tool of Russian hackers since at least 2012, with the spreading of the NotPetya worm. The self-replicating malware originally targeted Ukraine, but eventually caused international chaos when it spread globally in a matter of hours. The worm resulted in tens of billions of dollars in financial damages after it shut down thousands of organizations, many for days or weeks.

https://arstechnica.com/security/2025/11/wipers-from-russias-most-cut-throat-hackers-rain-destruction-on-ukraine/




Framework di intelligence digitale: Digital Forensics, OSINT e ADINT nel contesto GDPR Europeo 2024

La Digital Forensics rappresenta oggi il fondamento metodologico per comprendere l’evoluzione dell’intelligence digitale contemporanea. Questo articolo fa parte di una serie di approfondimenti dedicati all’Open Source Intelligence (OSINT) e all’Advertising Intelligence (ADINT), due approcci investigativi che stanno ridefinendo il panorama della sicurezza digitale e della raccolta informativa.

L’analisi esplora come la Digital Forensics fornisca il substrato scientifico necessario per implementare efficacemente sia le tecniche OSINT, basate su fonti pubblicamente accessibili, sia le metodologie ADINT, che sfruttano l’ecosistema pubblicitario digitale per scopi investigativi. Particolare attenzione viene dedicata al contesto normativo europeo, con focus su GDPR e AI Act, e all’integrazione dell’intelligenza artificiale nei processi forensi.

Digital Forensics e l’ecosistema della sorveglianza digitale

La Digital Forensics, nel panorama investigativo odierno, fornisce gli strumenti e le metodologie necessarie per l’identificazione, la raccolta, l’acquisizione, la conservazione delle prove in forma digitale[1], l’analisi e la presentazione delle prove digitali in modo scientificamente valido e legalmente ammissibile.

L’evoluzione della Digital Forensics

L’evoluzione della Digital Forensics riflette la trasformazione del panorama tecnologico e, come mostrato dallo studio condotto da Vasilaras et al. (2024), l’integrazione dell’IA ha portato ad un salto qualitativo nelle capacità investigative. Questa ricerca, basata su un’indagine condotta presso 48 istituti forensi e agenzie di “law enforcement”, rivela che il 77% delle organizzazioni utilizza già capacità di AI nei loro software forensi, in particolar modo per la classificazione di immagini e video.

Questa evoluzione si manifesta in tre dimensioni principali:

  1. Capacità tecniche: l’introduzione di algoritmi di Machine Learning ha potenziato notevolmente la capacità di analizzare grandi volumi di dati digitali. Come evidenzia Suryal (2024), i moderni strumenti forensi possono processare e categorizzare automaticamente enormi quantità di metadati, facilitando in questo modo l’identificazione di pattern e connessioni rilevanti per le indagini;
  2. Metodologie operative: le procedure forensi si sono evolute per incorporare le nuove capacità tecnologiche mantenendo al contempo la necessaria rigidità scientifica. Questo ha portato allo sviluppo di protocolli standardizzati per l’acquisizione e l’analisi delle prove digitali;
  3. Framework legali: il quadro normativo, in particolar modo nell’Unione Europea, si è adattato per affrontare le sfide poste dalle nuove tecnologie. Il GDPR e l’AI Act forniscono linee guida specifiche per il trattamento dei dati personali e l’utilizzo dell’AI nel contesto forense.

Framework OSINT e ADINT: metodologie operative per l’acquisizione di prove digitali

La Digital Forensics fornisce il substrato metodologico per entrambe le tecniche investigative principali discusse in questa tesi. Per l’OSINT, fornisce gli strumenti necessari per l’acquisizione e l’analisi scientifica delle fonti aperte, mentre per l’ADINT supporta l’analisi dei dati pubblicitari e delle tracce digitali lasciate dagli utenti.

Vasilaras et al. (2024) identificano tre aspetti fondamentali in questa integrazione:

  1. Trasparenza: i sistemi forensi devono essere trasparenti nel loro funzionamento, permettendo di comprendere come vengono generate le prove digitali. Questo è particolarmente importante negli Stati membri dell’UE, dove l’AI Act richiede che i sistemi automatizzati siano spiegabili;
  2. Interpretabilità: i risultati delle analisi forensi devono essere interpretabili non solo dagli esperti tecnici ma anche dagli operatori del diritto. Questo requisito assume particolare rilevanza quando si utilizzano tecniche avanzate di IA;
  3. Robustezza: le metodologie forensi devono essere sufficientemente robuste da resistere al controllo giuridico e scientifico. La loro affidabilità deve essere dimostrabile in modo oggettivo.

La standardizzazione delle procedure

Un aspetto critico emerso dalla ricerca di Vasilaras et al. (ibidem) è l’assenza di procedure standardizzate per l’utilizzo dell’IA nelle investigazioni forensi digitali. Questo rappresenta una sfida particolare nel contesto europeo, dove il quadro normativo richiede un alto livello di trasparenza e accountability.

Per rispondere a questa sfida, gli autori suggeriscono un framework di governance strutturato, che integra diversi elementi chiave per garantire la conformità normativa e l’affidabilità delle analisi forensi. Uno degli aspetti centrali del framework è l’adozione di protocolli standardizzati per l’acquisizione delle prove digitali, assicurando che la raccolta e la conservazione delle informazioni seguano criteri uniformi, tali da preservarne l’integrità e l’ammissibilità in contesti giudiziari.

Inoltre, viene enfatizzata l’importanza di procedure di validazione rigorose per gli algoritmi di intelligenza artificiale utilizzati nelle indagini, al fine di garantire trasparenza, spiegabilità e assenza di bias nei processi decisionali automatizzati. Un ulteriore pilastro del framework è rappresentato dai meccanismi di audit, progettati per monitorare e verificare costantemente la conformità ai requisiti normativi, riducendo il rischio di violazioni e garantendo una maggiore accountability nelle pratiche di digital forensics. Infine, il framework prevede l’implementazione di linee guida dettagliate per la documentazione delle analisi forensi, assicurando la tracciabilità e la riproducibilità delle indagini, elementi essenziali per la validazione delle prove e la credibilità del lavoro investigativo.

Le sfide future

La Digital Forensics si trova ad affrontare una serie di sfide complesse e in continua evoluzione, che risultano particolarmente rilevanti nel contesto dell’OSINT (Open Source Intelligence) e dell’ADINT (Advertising Intelligence). L’analisi forense digitale, che si occupa della raccolta, conservazione e interpretazione di prove digitali, deve adattarsi a un panorama tecnologico in rapido cambiamento, garantendo al contempo il rispetto delle normative sulla privacy e l’affidabilità delle informazioni raccolte.

Tra le principali sfide che emergono, la prima riguarda l’evoluzione tecnologica e il rapido sviluppo delle tecnologie digitali, che impongono un aggiornamento costante delle metodologie e degli strumenti utilizzati nella Digital Forensics. L’adozione di reti decentralizzate, il crescente utilizzo di sistemi di crittografia avanzati e la diffusione di dispositivi IoT rendono sempre più complesso l’accesso e l’analisi delle informazioni. Inoltre, le nuove piattaforme basate su blockchain e tecniche di anonimizzazione pongono ostacoli significativi alla tracciabilità delle attività online, richiedendo lo sviluppo di strumenti più elaborati.

Un altro aspetto cruciale è il bilanciamento tra efficacia investigativa e protezione della privacy. L’attuale quadro normativo, con regolamenti stringenti come il GDPR, impone restrizioni sulla raccolta e sull’uso dei dati personali, limitando l’accesso a determinate fonti di informazione. Un esempio di questo conflitto riguarda l’analisi OSINT dove, pur basandosi su dati pubblicamente accessibili, il loro utilizzo può comunque sollevare questioni etiche e legali, specialmente quando si tratta di profilazione avanzata o di attacchi che permettono l’estrapolazione di informazioni sensibili da dati apparentemente innocui.

Un ulteriore sfida riguarda la standardizzazione delle procedure e delle metodologie forensi, visto che la grande varietà di tecnologie, formati di dati e piattaforme digitali rende difficile la creazione di un protocollo unico e universalmente accettato per la raccolta e l’analisi delle prove digitali. I software e le tecniche di analisi utilizzati nelle indagini variano notevolmente a seconda della giurisdizione e dell’ambito operativo, generando problemi di interoperabilità tra diversi sistemi. La mancanza di standard uniformi può influenzare l’affidabilità delle indagini e la capacità di condividere informazioni tra diverse agenzie investigative.

Infine, l’ammissibilità legale delle prove digitali rappresenta un ostacolo sempre più complesso. Difatti, per essere utilizzabili in tribunale le prove digitali devono soddisfare rigorosi requisiti di autenticità, integrità e tracciabilità. Ogni fase della raccolta e dell’analisi deve essere documentata per garantire la catena di custodia, evitando contestazioni sulla validità delle prove. Inoltre, l’uso crescente di intelligenza artificiale e machine learning nelle indagini forensi introduce nuove sfide legate alla trasparenza degli algoritmi e alla spiegabilità dei risultati. La giurisprudenza sta ancora cercando di adattarsi a queste innovazioni, con differenze significative tra le normative adottate nei vari paesi.

Oltre a queste quattro sfide principali, emergono ulteriori problematiche legate alla sovrabbondanza di dati disponibili per l’analisi forense e al rischio di manipolazione delle informazioni digitali. L’aumento delle tecniche di deepfake e di alterazione forense dei dati rende più difficile distinguere tra contenuti autentici e manipolati, aumentando la necessità di strumenti di verifica avanzati.

Per affrontare queste sfide, è fondamentale investire in formazione specialistica, sviluppo di strumenti forensi avanzati e creazione di normative più flessibili ma efficaci, che consentano agli investigatori digitali di operare in modo efficiente senza compromettere i diritti fondamentali dei cittadini. Il futuro della Digital Forensics dipenderà dalla capacità di adattarsi a un ecosistema digitale in continua trasformazione, mantenendo un equilibrio tra innovazione tecnologica e tutela della giustizia.

OSINT: generalità ed evoluzione

L’Open Source Intelligence (OSINT) rappresenta uno dei pilastri fondamentali dell’intelligence digitale contemporanea. Da strumento tradizionalmente utilizzato in ambito militare e governativo, l’OSINT si è evoluto fino a diventare un metodo sofisticato per la raccolta e analisi di informazioni da fonti pubblicamente accessibili, con particolare rilevanza nel contesto dei social media e delle piattaforme digitali.

Fonte: Bederov, I. (2024) “How to track a person using open data?”

Evoluzione storica e definizione

L’OSINT ha origini che precedono l’era digitale, essendo stata inizialmente sviluppata come metodologia per l’analisi di fonti informative pubbliche durante la Seconda Guerra Mondiale. Con l’avvento di Internet e dei social media, ha subito un cambiamento profondo, ampliando le sue metodologie e potenzialità. Suryal (2024) evidenzia come la crescente disponibilità di dati digitali abbia introdotto una rivoluzione nell’OSINT, migliorando l’accesso a fonti di dati e tecniche di analisi.

Hayes e Cappa (2018) sottolineano l’importanza dell’OSINT per migliorare la sicurezza aziendale e nazionale, dimostrando come questa metodologia permetta di identificare vulnerabilità tecniche e umane nelle infrastrutture critiche e nel personale chiave. Inoltre, Yadav et al. (2023) illustrano il ruolo crescente dell’intelligenza artificiale e del machine learning nell’OSINT, che permette un’analisi più approfondita dei dati e l’implementazione di modelli autonomi per la gestione delle minacce.

Nel contesto contemporaneo, l’OSINT si distingue per la sua dipendenza da fonti pubblicamente accessibili, una caratteristica che comporta significative implicazioni legali ed etiche, particolarmente nel contesto europeo regolato dal GDPR.

Metodologie e strumenti

L’OSINT moderna utilizza una varietà di strumenti per la raccolta e l’analisi dei dati. Suryal (2024) identifica sei categorie principali di metadati utili per le investigazioni OSINT:

  1. EXIF data: informazioni tecniche e contestuali sulle immagini;
  2. Geotags: per tracciare dimensioni geografiche delle informazioni;
  3. Timestamps: per ricostruire eventi temporali;
  4. User metadata: dettagli sui comportamenti degli utenti;
  5. File properties: dati tecnici sui file digitali;
  6. Social graph data: relazioni tra utenti e contenuti.

Hayes e Cappa (2023) integrano questa visione analizzando il modo in cui strumenti come “Maltego” e “FOCA” possano mappare connessioni e individuare metadati nascosti, migliorando l’efficacia delle analisi. Parallelamente, Yadav et al. (2018) descrivono l’uso di algoritmi di deep learning per rilevare schemi nei dati, migliorando la capacità predittiva delle applicazioni OSINT, soprattutto nel campo della sicurezza informatica.

Il ruolo dei social media

I social media hanno trasformato l’OSINT in una risorsa chiave per investigazioni e analisi di rischio. Le piattaforme social forniscono un ricco tessuto informativo che, se analizzato correttamente, può rivelare dettagli significativi su individui, organizzazioni ed eventi. Come evidenziato da Suryal (2024), l’analisi delle fonti aperte deve bilanciare efficacia investigativa e rispetto della privacy. Nella ricerca svolta da Hayes e Cappa (2018), si dimostra che le reti sociali rappresentano sia un’opportunità per il monitoraggio di minacce sia un rischio, visto che offrono dati che possono essere sfruttati per l’ingegneria sociale.

Sfide tecniche e metodologiche

Le sfide principali dell’OSINT comprendono la gestione dei dati, la verifica delle informazioni e l’integrazione di fonti eterogenee. Per affrontarle sono emersi strumenti avanzati spesso supportati da tecnologie di IA, in grado di migliorare sia la velocità sia la precisione delle analisi. Nella ricerca svolta da Hayes e Cappa (2018) si illustra, ad esempio, come la classificazione del rischio dei dipendenti possa orientare le risorse aziendali verso una maggiore sicurezza.

Prospettive future

Il futuro dell’OSINT sarà sempre più influenzato dall’evoluzione tecnologica e dalla regolamentazione normativa. L’integrazione con l’intelligenza artificiale e il machine learning offre un potenziale significativo per la personalizzazione delle analisi e l’automazione dei processi, come dimostrato da Yadav et al. (2023). Tuttavia, è importante affrontare le varie questioni etiche e normative, soprattutto nel contesto europeo, dove la protezione dei dati rappresenta una priorità fondamentale.

ADINT: generalità ed evoluzione

L’Advertising Intelligence (ADINT) rappresenta una delle innovazioni più significative e potenzialmente dirompenti nel panorama dell’intelligence digitale contemporanea. Come dimostrato da Vines, Roesner e Kohno (2017) nella loro ricerca, l’infrastruttura pubblicitaria digitale può essere utilizzata per mettere in atto forme sofisticate di sorveglianza con risorse relativamente limitate.

Il funzionamento dell’ADINT

L’ADINT sfrutta in modo innovativo l’ecosistema pubblicitario esistente. Gli autori della ricerca hanno dimostrato come, con un budget di soli mille dollari, sia possibile:

  1. Tracciare la posizione degli individui con una precisione di 8 metri attraverso il targeting pubblicitario cosiddetto “iperlocale”. Questo termine viene usato per riferirsi ad una forma molto precisa di pubblicità basata sulla localizzazione, che permette agli inserzionisti di targetizzare gli utenti in aree geografiche molto ristrette. In particolar modo, il targeting iperlocale consente di indirizzare le pubblicità agli utenti basandosi sulle loro coordinate GPS esatte con un livello di granularità molto fine (fino a circa 4-11 metri di risoluzione) e di definire aree target circolari con raggi minimi di 1 metro intorno a coordinate GPS specifiche. In questo modo è in grado di mostrare annunci solo agli utenti all’interno di quelle precise aree geografiche;
  2. Inferire informazioni sensibili sull’utilizzo di determinate applicazioni, incluse app per dating, religiose o mediche (dunque i cosiddetti “dati ad alto rischio”, cioè quei dati che, se pubblicati e scoperti da un attore malevolo, porterebbero potenzialmente a danni importanti a quella determinata persona, come ad esempio frodi e il furto d’identità);
  3. Monitorare gli spostamenti quotidiani tra casa e lavoro;
  4. Determinare il numero di dispositivi presenti in una determinata località;
  5. Identificare le connessioni sociali tra utenti basandosi sui pattern di co-localizzazione (ciò può essere usato per monitorare raduni o eventi).

Questo funzionamento si basa su un meccanismo relativamente semplice ma molto efficace: l’acquisto mirato di spazi pubblicitari per i dispositivi mobili permette di verificare se un particolare utente visualizza l’annuncio in una specifica posizione o mentre utilizza determinate applicazioni.

L’ecosistema pubblicitario dei dispositivi mobili (Mobile Advertising) nel contesto europeo

La ricerca mostra come diverse piattaforme pubblicitarie per i dispositivi mobili forniscano agli inserzionisti informazioni molto dettagliate. Un caso particolare è “MoPub”, che condivide sia l’identificatore del dispositivo (GAID o hash dell’Android ID) che la localizzazione precisa, permettendo potenzialmente la ricostruzione dei percorsi degli utenti.

Nell’Unione Europea questa pratica solleva rilevanti questioni di conformità al GDPR, toccando diversi principi fondamentali della protezione dei dati personali. Uno degli aspetti più critici riguarda il requisito del consenso informato, indispensabile per il trattamento dei dati di localizzazione, che deve essere esplicito, libero e revocabile in qualsiasi momento.

Parallelamente, il trattamento di tali informazioni deve basarsi su una base giuridica legittima, che giustifichi la raccolta e l’analisi dei dati personali, garantendo il rispetto delle normative vigenti. Un ulteriore elemento essenziale è rappresentato dall’obbligo di trasparenza, che impone ai soggetti responsabili del trattamento di chiarire in modo dettagliato le finalità per cui i dati vengono raccolti e utilizzati, evitando ambiguità o usi impropri.

Infine, si applica il principio di minimizzazione dei dati, che richiede di limitare la raccolta esclusivamente alle informazioni strettamente necessarie per gli scopi dichiarati, evitando un accumulo eccessivo o non giustificato di dati sensibili. Questi aspetti rendono il trattamento dei dati di localizzazione una questione complessa, che richiede un equilibrio tra necessità operative e rispetto della privacy individuale.

Implicazioni privacy e vulnerabilità

L’Advertising Intelligence solleva preoccupazioni significative per quanto riguarda la privacy degli utenti. Come dimostrato da Goldfarb e Que (2023) nella loro ricerca, il valore crescente dei dati digitali ha creato forti incentivi economici per lo sviluppo di tecniche sempre più sofisticate di tracciamento e profilazione.

Contromisure e mitigazioni

La ricerca propone diverse strategie per mitigare i rischi associati all’Advertising Intelligence (ADINT) e garantire una maggiore tutela degli utenti. Una delle soluzioni proposte consiste nell’introduzione di limitazioni tecniche, che impongano restrizioni sulla precisione dei dati di localizzazione condivisi con gli inserzionisti, riducendo così il rischio di tracciamento invasivo e di profilazione dettagliata. Un altro approccio riguarda l’inasprimento dei controlli normativi, con una regolamentazione più rigorosa sull’utilizzo dei dati pubblicitari per scopi di sorveglianza, impedendo che informazioni destinate a fini commerciali vengano sfruttate per attività di monitoraggio non autorizzate.

A questo si affianca la necessità di una maggiore trasparenza, che garantisca agli utenti una chiara comprensione di come i loro dati vengano raccolti, trattati e utilizzati nel sistema pubblicitario, dando loro la possibilità di esercitare un controllo più efficace sulle proprie informazioni personali. Per concludere, un ulteriore aspetto cruciale è l’implementazione del principio di privacy by design, che prevede lo sviluppo di sistemi pubblicitari in cui la protezione della privacy sia integrata fin dalle fasi iniziali della progettazione. Questo implica l’adozione di meccanismi che minimizzino la raccolta dei dati, limitino la conservazione delle informazioni personali e offrano agli utenti strumenti per gestire in modo semplice e consapevole il proprio livello di esposizione ai meccanismi di tracciamento pubblicitario.

Prospettive future

Il futuro dell’Advertising Intelligence sarà probabilmente caratterizzato da uno scontro continuo tra le crescenti capacità tecniche e le esigenze di protezione della privacy. Inoltre, l’integrazione dell’IA potrebbe rendere ancora più elaborate le capacità di inferenza e tracciamento.

Nel contesto europeo, con l’AI Act ci saranno ulteriori requisiti per i sistemi automatizzati utilizzati nella pubblicità, potenzialmente limitando alcune delle capacità dell’ADINT. Tuttavia, come evidenziano Vines et al. (2017), la natura essenzialmente aperta dell’ecosistema pubblicitario rende piuttosto difficile prevenire del tutto queste tipologie di sorveglianza.

Differenze e similitudini tra i due approcci

L’analisi comparativa tra OSINT e ADINT rivela un quadro complesso di convergenze e divergenze metodologiche che merita un’attenta considerazione. Questa comparazione risulta particolarmente significativa nel contesto europeo, dove il quadro normativo impone vincoli specifici ad entrambe le metodologie.

Fondamenti metodologici

La principale differenza tra OSINT e ADINT riguarda le rispettive metodologie. L’OSINT si basa sull’analisi sistematica di fonti pubblicamente accessibili, seguendo una tradizione consolidata di intelligence. Come evidenzia Suryal (2024), questa metodologia si è evoluta per incorporare le nuove fonti di dati digitali, mantenendo però il suo focus sulla raccolta e analisi di informazioni pubblicamente disponibili.

L’ADINT, al contrario, rappresenta un approccio innovativo che, come dimostrato da Vines et al. (2017), sfrutta in modo creativo l’infrastruttura pubblicitaria digitale per i dispostivi mobili esistente per ottenere informazioni che normalmente non sarebbero accessibili attraverso fonti aperte. Questa differenza fondamentale ha importanti implicazioni sia tecniche che etiche.

Acquisizione delle informazioni

Le modalità di acquisizione delle informazioni differiscono significativamente tra i due approcci. L’OSINT si basa su fonti pubblicamente accessibili, usa strumenti appositamente creati per l’aggregazione dei dati, e le competenze richieste variano da ciò che si desidera fare. Ad esempio, per fare una ricerca su dove è maggiormente diffuso un determinato argomento su X (ex Twitter) basteranno competenze minime, mentre per combinare i dati delle immagini satellitari presenti su Google Maps e quelle presenti su X per analizzare un determinato conflitto si avrà bisogno di competenze avanzate.

Per quanto riguarda l’ADINT, essa sfrutta in maniera attiva l’infrastruttura pubblicitaria digitale, e richiede un certo investimento economico (anche se, come dimostrato in precedenza, sono sufficienti risorse economiche limitate). L’Advertising Intelligence opera attraverso l’acquisto di spazi pubblicitari per i dispositivi mobili, e dunque sfrutta gli strumenti standard del c.d. “digital advertising”.

Implicazioni legali nel contesto europeo

Nel contesto normativo europeo, sia l’Open Source Intelligence (OSINT) che l’Advertising Intelligence (ADINT) devono operare nel rispetto del Regolamento Generale sulla Protezione dei Dati (GDPR) e dell’AI Act, affrontando tuttavia sfide specifiche legate alla natura stessa dei dati trattati e alle modalità di raccolta e analisi delle informazioni.

L’OSINT, essendo basato sulla raccolta e l’analisi di dati provenienti da fonti pubbliche, si trova a dover gestire questioni legali complesse legate alla legittimità dell’aggregazione delle informazioni disponibili online. Nonostante molte delle fonti siano pubbliche per definizione, la loro raccolta e aggregazione su larga scala potrebbe entrare in conflitto con i principi di minimizzazione dei dati e finalità del trattamento previsti dal GDPR. Un’altra problematica riguarda i limiti del riutilizzo delle informazioni, poiché i dati originariamente resi pubblici per uno scopo specifico non possono sempre essere riutilizzati liberamente per finalità investigative o di profilazione.

Un ulteriore requisito fondamentale per l’OSINT è la documentazione della provenienza dei dati, che garantisce non solamente la trasparenza del processo di raccolta, ma è fondamentale per dimostrare la validità e l’affidabilità delle informazioni, soprattutto in contesti giudiziari o investigativi.

L’ADINT, invece, essendo direttamente coinvolto nella raccolta di dati a fini commerciali e pubblicitari, deve affrontare restrizioni ancora più stringenti. Il consenso informato degli utenti è un requisito essenziale, e secondo il GDPR deve essere esplicito, libero e revocabile in qualsiasi momento. La sfida principale per le aziende che utilizzano ADINT è quindi quella di garantire trasparenza nelle finalità del trattamento, evitando pratiche opache o ambigue nella gestione dei dati.

Questo implica la necessità di informare chiaramente gli utenti su come i loro dati verranno utilizzati, evitando formulazioni vaghe o generiche. Inoltre, il principio della minimizzazione dei dati raccolti impone alle aziende di raccogliere solo le informazioni strettamente necessarie per lo scopo dichiarato, evitando di accumulare grandi volumi di dati senza una giustificazione adeguata. Infine, la limitazione delle finalità richiede che i dati acquisiti per una determinata attività non possano essere riutilizzati per scopi diversi senza un nuovo consenso, rendendo più complesso l’uso secondario delle informazioni all’interno delle strategie di marketing e pubblicità.

In sintesi, sia per l’OSINT che per l’ADINT l’ambiente normativo è sempre più complesso, dato che la necessità di accesso ai dati si scontra con le rigorose tutele imposte per la protezione della privacy. Per entrambe le metodologie l’adozione di strategie conformi ai principi di accountability, trasparenza e protezione dei dati diventerà cruciale per operare in modo efficace senza incorrere in violazioni regolamentari.

Capacità investigative e integrazione futura di OSINT e ADINT

Le capacità investigative di OSINT e ADINT rappresentano approcci complementari ma distinti per quanto riguarda la raccolta di informazioni. L’OSINT dimostra particolare efficacia nell’analisi delle reti sociali, nella ricostruzione di eventi pubblici, nella verifica delle informazioni dichiarate e nell’identificazione di pattern e tendenze sociali più ampie. Per contro, l’ADINT eccelle nel tracciamento preciso delle localizzazioni, nell’inferenza di comportamenti privati, nell’analisi dei pattern di movimento e nella valutazione dei comportamenti di gruppo.

Per quanto riguarda l’integrazione dell’IA, Vasilaras et al. (2024) evidenziano come ciascun approccio affronti sfide specifiche. L’Open Source Intelligence richiede algoritmi sofisticati capaci di processare e analizzare grandi volumi di dati mantenendo accuratezza contestuale e trasparenza analitica. L’Advertising Intelligence, d’altra parte, si concentra sullo sviluppo di algoritmi predittivi per il targeting, affrontando al contempo le sfide della c.d. “privacy preserving computation” (cioè un sistema in cui l’output non contiene dati identificabili oltre a ciò che è stato dato dall’utente nell’input) e della spiegabilità delle decisioni.

L’evoluzione futura di entrambi gli approcci è condizionata da fattori distinti ma interconnessi, visto che la traiettoria di sviluppo dell’OSINT è influenzata dalla crescente disponibilità di dati pubblici e dall’evoluzione delle piattaforme social, mentre il futuro dell’ADINT è legato ai cambiamenti nell’ecosistema pubblicitario e ai progressi nelle tecnologie di targeting. Entrambi devono adattarsi a un panorama normativo in evoluzione, particolarmente all’interno del robusto quadro sulla privacy dell’Unione Europea.

Dal punto di vista etico, entrambi gli approcci condividono preoccupazioni comuni riguardo al bilanciamento tra efficacia investigativa e protezione della privacy, nonché al potenziale impatto sui diritti fondamentali. Tuttavia, differiscono significativamente nel loro contesto operativo: l’OSINT lavora con informazioni pubblicate volontariamente, mentre l’ADINT opera spesso attraverso meccanismi che gli utenti potrebbero non comprendere pienamente e con autorizzazioni che l’utente potrebbe concedere senza volerlo.

L’integrazione potenziale tra OSINT e ADINT, come suggerito dallo studio svolto da Goldfarb e Que (2023), offre prospettive promettenti per capacità investigative avanzate, ma richiede particolare attenzione agli aspetti etici e legali, specialmente nel contesto europeo. La sfida principale consiste nello sviluppare framework di integrazione che rispettino i principi del GDPR, mantengano la trasparenza delle procedure e garantiscano sia l’interpretabilità dei risultati che la tutela dei diritti fondamentali degli individui.

Questa visione di integrazione deve necessariamente considerare le specificità del contesto europeo, dove la protezione dei diritti fondamentali assume un ruolo pivotale nella regolamentazione delle tecnologie investigative, distinguendosi significativamente dall’approccio normativo statunitense più orientato al mercato.

L’analisi presentata ha evidenziato come Digital Forensics, OSINT e ADINT rappresentino tre pilastri interconnessi dell’intelligence digitale contemporanea, ciascuno con specificità metodologiche e sfide normative distintive nel contesto europeo. L’integrazione dell’intelligenza artificiale ha amplificato le capacità investigative di tutti e tre gli approcci, richiedendo tuttavia framework di governance più sofisticati per garantire conformità al GDPR e all’AI Act.

Nel prossimo articolo approfondiremo gli spetti tecnici della raccolta e analisi dati per l’approccio OSINT e ADINT, esplorando strumenti, metodologie operative e implementazioni pratiche per professionisti del settore.

Per un ulteriore approfondimento invitiamo a scaricare il white paper di Sergiu Deaconu, “Open Source Intelligence e Advertising Intelligence: applicazioni e impatti in ambito industriale, civile e dell’intelligence europea”. Il documento offre un’analisi approfondita su come OSINT e ADINT stiano trasformando il settore dell’intelligence digitale.

Fonti:

[1] Come definito dalla norma ISO 27037 del 2017 (febbraio) corretta il 10 maggio 2022 a pagina 2.

Profilo Autore

Professionista con formazione multidisciplinare in economia, diritto e tecnologia, che unisce solide competenze accademiche a esperienza pratica nello sviluppo software. Attualmente opera come programmatore iOS e sviluppatore software, specializzandosi in Swift, C# e Python per lo sviluppo di applicazioni web e mobile e la progettazione di architetture software avanzate.

Ha conseguito una Laurea magistrale in ‘European Economy and Business Law’ presso l’Università degli Studi di Roma “Tor Vergata”, focalizzandosi su economia digitale e diritto europeo, e ha completato un Master in ‘Informatica giuridica, nuove tecnologie e diritto dell’informatica’ presso l’Università “La Sapienza” di Roma. La sua ricerca post-lauream si è concentrata sulle implicazioni di Big Data, IoT e Intelligenza Artificiale in settori strategici quali agricoltura, industria e smart cities, nonché sull’analisi delle tecniche OSINT e ADINT in relazione a privacy e sicurezza nazionale.

Certificato in Project Design & Management a livello europeo e con competenze linguistiche avanzate in inglese (IELTS 7.5), combina capacità analitiche e di leadership con una profonda comprensione dell’intersezione tra tecnologia, diritto ed economia nell’era digitale.

Condividi sui Social Network:

https://www.ictsecuritymagazine.com/articoli/framework-intelligence/




Appalti nel settore cyber, premi a chi sceglie le soluzioni di Paesi NATO e terzi. Tra questi anche Israele


Ci sono importanti novità nel settore degli appalti cyber: secondo le linee guida dell’ACN (Agenzia per la Cybersicurezza Nazionale), le imprese che acquisteranno tecnologie di cybersicurezza da Paesi NATO o terzi otterranno delle premialità nei bandi di gara con la pubblica amministrazione. Nel dettaglio, si tratta di otto punti in più.

“La lettera e) del soprarichiamato comma 2 stabilisce, inoltre, che siano previsti criteri di premialità per le proposte o per le offerte che contemplino l’uso “di tecnologie di cybersicurezza italiane o di Paesi appartenenti all’Unione europea o di Paesi aderenti alla NATO o di Paesi che sono parte di accordi di collaborazione con l’Unione europea o con la NATO in materia di cybersicurezza, protezione delle infrastrutture classificate, ricerca e innovazione”” si legge nel documento ufficiale.

Ciò che ha sta facendo discutere è che tra questi Paesi terzi figura anche Israele, insieme ad Australia, Corea del Sud, Giappone, Nuova Zelanda e Svizzera.

appalti cyber

Come riporta EuroNews, già l’anno scorso l’Italia, sotto pressione degli Stati Uniti, si era mossa per favorire la collaborazione con aziende facenti parte dei Paesi NATO e dell’Unione Europea; una scelta che aveva escluso Israele, da sempre un Paese leader nel settore della cybersecurity.

Il rapporto tra Italia e Israele in questo senso è piuttosto controverso: la testata ricorda infatti che a inizio anno Meta aveva segnalato ad alcuni utenti WhatsApp (giornalisti e attivisti) che i loro dati erano stati compromessi da Graphite, lo spyware dell’israeliana Paragon Solutions usato da diversi governi, compreso quello degli Stati Uniti e italiano.

La collaborazione con Paragon Solutions era stata interrotta dalle agenzie governative italiane che usavano Graphite, ma quando l’UE ha chiesto l’esclusione di Israele da Horizon Europe, programma a sostegno della ricerca scientifica, l’Italia è stata tra i Paesi che si sono opposti a questa scelta. 

Con l’aumento degli attacchi cyber contro le realtà italiane, soprattutto nel settore della pubblica amministrazione, gli occhi dell’opinione pubblica sono puntati sulle aziende e sull’esito degli appalti pubblici.

Condividi l’articolo



Articoli correlati

Altro in questa categoria


https://www.securityinfo.it/2025/11/06/appalti-nel-settore-cyber-premi-a-chi-sceglie-le-soluzioni-di-paesi-nato-e-terzi-tra-questi-anche-israele/?utm_source=rss&utm_medium=rss&utm_campaign=appalti-nel-settore-cyber-premi-a-chi-sceglie-le-soluzioni-di-paesi-nato-e-terzi-tra-questi-anche-israele




Ignition Italia al Forum ICT Security 2025 per rafforzare l’ecosistema della cybersecurity

Tra i protagonisti del Forum ICT Security 2025, in programma il 19-20 novembre a Roma, ci sarà anche Ignition Italia, che prenderà parte all’evento in qualità di Platinum Sponsor.

L’appuntamento di quest’anno assume un valore particolare per il distributore, che parteciperà per la prima volta con la nuova identità Ignition Italia, nata per rafforzare la presenza diretta del gruppo nel mercato italiano e consolidare la collaborazione con partner e vendor strategici. Si tratta di una tappa significativa nel percorso di crescita dell’azienda, che dopo sei anni di attività come Ingecom in Italia consolida ora la propria presenza con una struttura dedicata.

Il Forum ICT Security, giunto alla sua 23ª edizione, rappresenta da oltre vent’anni uno dei momenti di confronto più autorevoli per esperti, aziende e professionisti del settore. Per Ignition Italia costituisce un’occasione di incontro e dialogo con la community della sicurezza informatica e un momento per valorizzare le partnership tecnologiche e l’esperienza maturata sul territorio.

Le soluzioni di cybersecurity di Ignition Italia – XM Cyber, Mimecast e CrowdStrike protagoniste al Forum ICT Security 2025

Durante l’evento, Ignition Italia metterà in evidenza le soluzioni di due vendor del proprio portfolio: XM Cyber, Mimecast e Crowdstrike, tutte e tre realtà riconosciute nel panorama internazionale della cybersecurity che condividono un approccio proattivo alla sicurezza, basato su prevenzione, analisi continua e resilienza operativa. XM Cyber, è pioniere nel campo del Continuous Threat Exposure Management (CTEM), consente alle organizzazioni di identificare e ridurre in modo dinamico le esposizioni più critiche nei propri ambienti IT e cloud.

Mimecast, invece, è riconosciuta come una delle soluzioni più efficaci per la protezione della posta elettronica e la cyber resilience delle comunicazioni aziendali, difendendo le imprese da pericoli come phishing, ransomware e compromissione dell’identità digitale. CrowdStrike protegge identità, dati ed endpoint attraverso la piattaforma cloud-native Falcon®, che combina intelligenza artificiale, threat hunting avanzato e risposta automatizzata. Recentemente entrata nel portfolio di Ignition Italia, rappresenta un ulteriore asset strategico a supporto dei partner sul territorio.

Inoltre, mercoledì 19 novembre alle ore 13:20, Ignition Italia sarà protagonista di una presentazione dedicata alle tecnologie XM Cyber, tenuta da Andrea Lombardo di Ignition Italia e Sebastien Serrano di XM Cyber. L’intervento offrirà l’occasione per approfondire le potenzialità della piattaforma e conoscere più da vicino l’approccio alla sicurezza proposto da XM Cyber, una delle soluzioni di riferimento all’interno del portfolio del distributore.

La partecipazione al Forum ICT Security 2025 rappresenta per Ignition Italia un’importante occasione di confronto e visibilità, in un contesto che vede riuniti i principali attori del settore della sicurezza informatica dalle istituzioni ai vendor tecnologici, dai partner di canale ai professionisti che ogni giorno operano nella protezione dei sistemi e delle infrastrutture digitali.

Condividi sui Social Network:

https://www.ictsecuritymagazine.com/notizie/ignition-italia/