A bipartisan bill introduced by Senator Mike Rounds (R-SD) and Senator Kirsten Gillibrand (D-NY) aims to increase punishment for cybercrimes. This bill, the Cyber Conspiracy Modernization Act (CCMA), seeks to modify the Computer Fraud and Abuse Act (CFAA) in order to enact a penalty for conspiracy and strengthen penalties for offenders. This bill was introduced in as a set, joined by the Providing Individuals Various Opportunities for Technical Training to Build a Skills-Based Cyber Workforce Act of 2025 (Cyber PIVOTT Act), which would offer scholarships for students and professionals in cyber-related fields. 

What would this law look like in practice? Casey Ellis, Founder at Bugcrowd, has insights to share. 

Ellis shares, “The Cyber Conspiracy Modernization Act (CCMA) would increase the penalties under the Computer Fraud and Abuse Act (CFAA) and add a specific penalty for conspiracy to commit computer crime.

“While it’s important to be able to prosecute bad actors, broad and ambiguous anti-hacking laws, such as the CFAA (which was written in 1986 and last amended in 2008) create a chilling effect for security researchers operating in good faith. These helpful hackers form a vital part of the defensive cybersecurity workforce and, in many ways, act as ‘The Internet’s Immune System.’

“If the past 15 years have demonstrated anything, it’s that cyber attackers (especially those in other countries) are largely undeterred by these laws. Adding conspiracy provisions broadens these already ambiguous laws, and increasing the penalties adds more weight to the chilling effect, which ultimately decreases the availability and willingness of those best positioned to help. It’s worth noting that the CCMA was released alongside the Cyber PIVOTT Act, which is explicitly designed to bolster the talent pipeline for cyber defense.

“Put that all together, and you’ve got proposed legislation that returns a known-bad outcome for the good guys and their ability to help protect the Internet, in exchange for a deterrent effect on the bad guys that is speculative at best.

“I understand what Senator Rounds and Senator Gillibrand are trying to do here — deterrence and the ability to prosecute actual cybercriminals are important components of the cyber policy ecosystem.

“Here’s the good news: The opportunity here lies in the fact that modernizing the CFAA itself is long overdue. It would be amazing to see this legislative proposal expanded to include carve-outs for security research conducted in good faith and in the interest of a more resilient Internet — along the lines of the DOJ charging rule guidelines, the SCOTUS Van Buren ruling, and/or Aaron’s Law. There is plenty of established legal language that can make the CFAA more powerful against actual criminals and enemies of the state while removing existing doubts about who the bad guys really are.

“My recommendations:

1. “Contact your Senator. 
2. Let them know your concerns about this Bill.
3. Tell them how you use your skills to make the Internet safer for everyone, including them and their constituents.
4. Recommend the inclusion of carve-outs for good faith security research into the CFAA as a part of the Cyber Conspiracy Modernization Act.”

“Meanwhile, Bugcrowd and the Hacking Policy Council stand ready to partner with Senator Rounds and Senator Gillibrand to find safe and effective ways to establish a bright line between virtuous research and criminal activity.”

https://www.securitymagazine.com/articles/101383-cyber-conspiracy-modernization-act-proposed-cyber-expert-weighs-in

Feb 14, 2025 Marina Londei In evidenza, Mercato, News, RSS, Tecnologia 0

---

DNSperf, servizio indipendente per la misurazione delle performance dei DNS server, ha decretato che il filtro per la navigazione sicura di FlashStart è il più veloce al mondo.

La realtà italiana, specializzata in soluzioni per la protezione della navigazione in Internet, offre un servizio di filtraggio per garantire protezione completa a reti e dati contro siti infetti. Il DNS Content Filter di FlashStart esegue un controllo tramite protocollo DNS del sito a cui si vuole accedere, verificando direttamente l’indirizzo IP del server che ospita il sito e non il nome di dominio.

Secondo i test, il servizio della compagnia ha un tempo di risposta di 13,78 millisecondi, inferiore di quasi due millisecondi rispetto a Cloudflare, di più di due millisecondi rispetto a Google DNS e di quasi sei millisecondi rispetto a Cisco Umbrella. Un risultato chiave che si aggiunge a quelli di bassa latenza e di affidabilità elevatissima (pari al 99,999999%).

“La netta prevalenza di attacchi che avvengono a partire dalla distribuzione di un link infetto fa del filtro DNS FlashStart il miglior compromesso tra efficacia e costo per la protezione di aziende ed enti pubblici” ha affermato Francesco Collini, CEO di FlashStart. “Grazie agli strumenti di machine learning e al continuo aggiornamento dei set di siti malevoli, la piattaforma FlashStart garantisce un’affidabilità presente solo in pochi servizi al mondo. La disponibilità del geoblocking e dell’analisi del traffico dai dispositivi mobile, infine, garantiscono ai nostri clienti un ulteriore passo in avanti in termini di qualità di rilevazione“.

Negli ultimi anni FlashStart ha registrato una crescita notevole in tutto il mondo, con un incremento del fatturato del 71,43% dal 2023 al 2024, dovuto in parte anche ad accordi stretti con diverse realtà negli Stati Uniti e ISP, MSP e rivenditori.

Oggi il DNS della compagnia filtra circa 2 miliardi di query e protegge la navigazione di 25 milioni di utenti, verificando ogni giorno 200.000 nuovi siti. FlashStart DNS si integra con Active Directory di Microsoft per velocizzare le attività di personalizzazione degli amministratori di sistema.

---

---

---

https://www.securityinfo.it/2025/02/14/il-filtro-di-flashstart-per-la-navigazione-sicura-e-il-piu-veloce-al-mondo-secondo-dnsperf/?utm_source=rss&utm_medium=rss&utm_campaign=il-filtro-di-flashstart-per-la-navigazione-sicura-e-il-piu-veloce-al-mondo-secondo-dnsperf

Questo articolo fa parte di una serie di approfondimenti dedicati all’evoluzione e alle sfide della GenAI. In questa puntata, esploreremo i meccanismi di sicurezza, protezione e gestione dei rischi nei sistemi basati sulla GenAI, offrendo una prospettiva tecnica e strategica sulle attuali complessità tecnologiche.

Tassonomia dei Rischi nella GenAI

In questo paragrafo si analizza il tema della sicurezza e della protezione nel contesto dell’AI, applicata allo sviluppo di sistemi critici, attraverso l’esame di specifici esempi di fragilità e vulnerabilità dell’AI generativa. I rischi a cui è esposta la GenAI sono organizzati seguendo una tassonomia analoga agli attributi di confidenzialità, integrità e disponibilità (CIA) adoperati nel contesto dei rischi informatici:

• rischi di confidenzialità: si palesano nel caso in cui i risultati di un modello di AI rivelano dati di input che i progettisti avevano intenzione di mantenere riservati.
• rischi di integrità: si presentano nel caso in cui i risultati di un modello di AI sono errati, involontariamente o tramite manipolazione deliberata da parte degli avversari.
• rischi di governance: si rivelano nel caso in cui i risultati di un modello di AI, o l’utilizzo di tale modello in un sistema, possono avere impatti negativi nel contesto delle applicazioni, spesso anche quando i risultati del modello sono corretti rispetto alla formazione.

Partiamo dall’assunto che la gestione del rischio per l’AI, compresa la modellazione e la valutazione, è distinguibile in tre livelli:

1. le capacità del “core AI” dei singoli modelli di reti neurali,
2. le scelte effettuate su come tali capacità siano incorporate nell’ingegneria dei sistemi basati sull’AI,
3. come tali sistemi siano integrati in workflow operativi incentrati sulle applicazioni.

Questi workflow possono includere sia applicazioni autonome, che applicazioni abilitate a interagire con soggetti umani. Questa ampia flessibilità è importante perché l’intelligenza artificiale generativa può portare non solo aumenti significativi della produttività e dell’efficacia della mission all’interno di processi organizzativi consolidati, ma può anche generare nuove capacità basate sulla reingegnerizzazione delle attività sul posto di lavoro incentrate sulla mission e sull’operatività.

Considerazioni sulla GenAI

La natura stocastica dei modelli di GenAI, combinata con una quasi totale assenza di trasparenza rispetto all’interrogazione e all’analisi, rende complessa la loro descrizione, il testing, l’analisi e il monitoraggio. Ciò che si percepisce come somigliante tra i vari input di un modello, non corrisponde necessariamente al modo in cui risponde il modello.

Durante l’addestramento, le differenziazioni possono essere effettuate in base a dettagli che normalmente consideriamo accidentali. Un esempio noto è quello in cui il lupo è distinto dagli altri cani non per la morfologia, ma perché c’è neve sullo sfondo, come rivelato dalle mappe di salienza[1]. Infatti, la metrologia[2] della GenAI è appena agli inizi.

Un altro esempio rappresentativo dell’aleatorietà del ML è quello che riguarda l’autonomia dei veicoli. In questo caso, la combinazione tra la scarsa capacità di valutazione dei test e le pressanti direttive aziendali ha portato alla produzione di intere flotte di autoveicoli a guida autonoma e al successivo ritiro dal mercato a causa di comportamenti inaspettati. Inoltre, sono stati individuati diversi bias negli algoritmi predittivi applicati alla stipula di contratti di credito, oppure al reclutamento del personale e all’elaborazione delle richieste di rimborso sanitario. Questi sono i motivi per cui è facilmente realizzabile l’”adversarial machine learning”[3].

Analizziamo i principali fattori che caratterizzano i sistemi basati sul GenAI.

Dal punto di vista della mission

Molto spesso i modelli di intelligenza artificiale generativi, addestrati sui dati, sono inclusi all’interno di “mission system”[4] sottoforma di componenti o servizi subordinati e, come già visto, spesso questi sistemi rappresentano dei componenti di workflow operativi che supportano un’applicazione all’interno di un determinato processo. Per tanto, affinché si possano misurare e valutare, occorre comprendere tutti e tre i livelli: componente, sistema e workflow.

Per esempio, i problemi dei “bias” (preconcetto/pregiudizio/parzialità) possono essere il risultato della mancata corrispondenza tra i dati utilizzati per addestrare il modello con i dati reali di input. Nel contesto del “Test and Evaluation (T&E)” significa che è fondamentale caratterizzare e valutare i tre livelli di classificazione indicati in precedenza:

1. le caratteristiche delle capacità di intelligenza artificiale integrate,
2. il modo in cui tali capacità vengono utilizzate nei sistemi basati sull’intelligenza artificiale,
3. il modo in cui tali sistemi sono destinati a essere integrati nei workflow operativi.

L’UK National Cyber Center ha pubblicato le “Guidelines for secure AI system development”[5], a cui ha aderito anche l’Agenzia per la cybersicurezza nazionale, che si concentrano sulla sicurezza, intesa come resilienza, privacy, correttezza ed affidabilità, della progettazione, dello sviluppo, della distribuzione, del funzionamento e della manutenzione dei sistemi di AI.

Fusione di Codice e Dati: Nuove Vulnerabilità

La tecnologia su cui si basa l’attuale AI non è come quella del software tradizionale. La tipica separazione tra codice e dati, fondamentale per valutare la sicurezza del software, è assente nei modelli di intelligenza artificiale e, al contrario, tutti i dati elaborati possono fungere da istruzioni, analogamente al “code injection” nella sicurezza del software.

Le centinaia di miliardi di parametri che controllano il comportamento dei modelli di intelligenza artificiale spesso sono derivate dai dati di addestramento, ma in una forma generalmente opaca all’analisi. Per esempio, la pratica che introduce questa separazione per realizzare l’allineamento degli LLM, si è dimostrata inadeguata in presenza di avversari. Attualmente, i sistemi di intelligenza artificiale possono essere controllati da input malevoli. Infatti, le barriere di sicurezza di un LLM possono essere “jailbroken” dopo solo 10 esempi di tuning.

Gli sviluppatori non hanno ancora adottato una modalità rigorosa per correggere queste vulnerabilità, e tanto meno per identificarle in maniera affidabile; quindi, è fondamentale misurare l’efficacia delle misure di sicurezza “best-effort” a livello di sistema e a livello operativo. La prassi dell’ingegneria dell’intelligenza artificiale offre stime di progettazione per sistemi e workflow per mitigare queste criticità.

Questa attività è simile a quella utilizzata nell’ingegneria dei sistemi altamente affidabili, che sono inevitabilmente costruiti da componenti meno affidabili, ma occorre tenere presente che i modelli di ingegneria incentrati sull’intelligenza artificiale sono molto diversi dalle tradizionali metodologie di progettazione fault-tolerant.

Infatti, gran parte della progettazione fault-tolerant si basa su ipotesi di indipendenza statistica rispetto ai guasti (p.e. transitori, intermittenti, permanenti) e, in genere, si impiega la ridondanza degli elementi del sistema, per diminuire le probabilità di guasto, e il controllo interno, per rilevare gli errori prima che diventino guasti, al fine di ridurre le conseguenze o il pericolo.

Interazione Uomo-Sistema: Rischi e Percezioni

Attualmente molti processi coinvolgono i sistemi basati sull’intelligenza artificiale esclusivamente per svolgere ruoli di supporto o di consulenza nei confronti degli operatori del processo stesso.

Per esempio, da molto tempo i radiologi, i patologi, i gruppi antifrode e gli analisti delle immagini, fruiscono dell’ausilio dell’intelligenza artificiale. Poi, vi sono altri casi in cui i sistemi basati sull’intelligenza artificiale operano in maniera semi-autonoma (per esempio, nello screening delle candidature ad una posizione lavorativa). Questi modelli che comprendo l’interazione umana possono introdurre rischi specifici (per esempio, il sistema di screening potrebbe essere più autonomo nella realizzazione delle esclusioni e rimanere consultivo per le accettazioni e, di conseguenza, eliminare candidature con ottimi requisiti).

In altre parole, esiste uno spettro di gradi di controllo condiviso e, pertanto, la natura di tale condivisione deve essere essa stessa un obiettivo del processo di valutazione del rischio. A riguardo, una soluzione potrebbe considerare il coinvolgimento degli esseri umani nel processo di valutazione delle proposte di esclusione e di accettazione, nonché nell’impiego di uno schema di monitoraggio, per migliorare la responsabilità e fornire un riscontro al sistema e ai progettisti.

Un altro rischio connesso all’interazione uomo-sistema, legato a una debolezza umana piuttosto che a una debolezza del sistema, consiste nella tendenza ad antropomorfizzarne l’utilizzo sulla base dell’uso del linguaggio e della voce umana. Un noto esempio è il programma Eliza [6] scritto negli anni ‘60 al MIT da Joseph Weizenbaum. Eliza “conversava” con il suo utente umano attraverso la digitazione di un testo. Le 10 pagine di codice di Eliza facevano principalmente tre cose: rispondere in modo strutturato ad alcune parole “trigger”, riflettere occasionalmente sugli input che gli venivano passati e invertire i pronomi.

Sembrava, quindi, che Eliza capisse e, di conseguenza, le persone trascorrevano ore a conversare con lei nonostante il suo funzionamento fosse estremamente semplice. Esempi più recenti sono rappresentati da Siri, Alexa e Gemini, che, nonostante i nomi umani e le voci amichevoli, sono principalmente gateway di pattern-matching per la ricerca sul Web. Tuttavia, gli attribuiamo proprietà relative alla personalità e pronomi di genere per renderli più human friendly. Il punto è che gli esseri umani tendono a conferire ai testi significati e profondità, mentre i testi LLM sono una sequenza, statisticamente derivata, di previsioni delle parole successive.

Superfici di Attacco e Innovazione nella GenAI

Un’altra serie di minacce che mina lo sviluppo dei sistemi di AI sicuri e protetti è rappresentata del ricco e diversificato set di superfici di attacco associate agli attuali modelli di AI. L’esposizione di queste superfici di attacco è determinata, da un lato, dalle scelte ingegneristiche dell’AI e, dall’altra, dalla realizzazione di nuove interazioni Uomo-Macchina e, più in generale, dalla progettazione dei workflow operativi. In questo contesto, è opportuno definire l’ingegneria dell’AI non solo come l’ambito di progettazione, sviluppo, test e valutazione dei componenti di AI, ma anche dei sistemi che li contengono e dei workflow che incorporano le capacità dell’AI nelle principali attività.

A seconda del tipo di applicazione a cui sono adibiti i sistemi basati sull’intelligenza artificiale, e di come vengono progettati, le azioni avversarie possono manifestarsi sottoforma di input diretti da utenti malevoli, oppure sotto forma di “training cases” e “retrieval augmentations” (per esempio, sottoforma di file caricati, di siti web recuperati o di risposte da un plug-in o da uno strumento subordinato come la ricerca web).

Possono essere forniti anche come parte di una query, sottoforma di dati non destinati ad essere interpretati come istruzioni (per esempio un documento fornito dall’utente per essere riassunto o elaborato). Nei fatti, queste superfici di attacco sono molto simili ad altre tipologie di minacce informatiche, solo che nel contesto dell’intelligenza artificiale è più difficile prevedere l’impatto di piccoli cambiamenti negli input nei confronti dei risultati, attraverso una qualsiasi di queste superfici di attacco. Infatti, c’è un’asimmetria informatica, adattata alle peculiarità dei modelli a rete neurale, in cui i difensori cercano una prevedibilità completa nell’intero dominio di input, mentre l’avversario necessita di prevedibilità solo per piccoli segmenti.

Fortunatamente, la tecnica dell’adversarial ML consente di realizzare una specifica prevedibilità con più facilità e ciò conferisce un vantaggio per gli aggressori. Paradossalmente, questi attacchi sono ottenuti tramite l’utilizzo di altri modelli ML costruiti allo scopo di prevederli.

Inoltre, esistono diverse opportunità di attacco alla supply chain in grado di sfruttare la sensibilità dei risultati di training nelle scelte effettuate nella preferenza dei dati utilizzati per il processo di training. La robustezza di un modello, e delle relative misure di sicurezza, deve essere commisurata in relazione a ciascuno delle diverse tipologie di attacco. A riguardo, ognuno di questi tipi di attacco richiede nuovi metodi di analisi, di testing e una metrica specifica.

È importante che sia raggiunto l’obiettivo di progettare schemi di valutazione ampiamente onnicomprensivi, anche in relazione allo stato dell’arte (in rapida evoluzione) e di ciò che è noto sui diversi metodi di attacco. È probabile che la completezza di questo traguardo rimanga inafferrabile, poiché continuano a svelarsi nuove vulnerabilità, debolezze e vettori di attacco.

Velocità dell’Innovazione e Sfide di Valutazione

Gli obiettivi di un progetto IT spesso si trovano in uno stato di rapida evoluzione, in parte guidata dai cambiamenti dell’ambiente operativo/strategico e dallo sviluppo di nuove tecnologie, tra cui gli algoritmi di intelligenza artificiale e le relative infrastrutture informatiche. Questa continua evoluzione crea ulteriori minacce sotto forma di pressione continua nell’effettuare l’aggiornamento degli algoritmi, delle infrastrutture informatiche, dell’immissione dei dati di training e degli altri elementi relativi alle potenzialità dell’intelligenza artificiale. Molto spesso, l’evoluzione accelerata anticipa le fasi di testing e valutazione, perché gli stakeholder vengono coinvolti nella fase iniziale della sequenza temporale del processo (c.d. “move to the left”) e in modo continuato.

Ciò consente, da un lato, di selezionare i progetti di sistema per migliorare la testabilità e, dall’altro, di configurare processi e strumenti in grado di produrre non solo modelli distribuibili, ma anche dataset di prova destinati a supportare un processo di testing e valutazione continuo e affidabile. È risaputo che un coinvolgimento anticipato delle attività di T&E nel ciclo di vita del sistema comporta notevoli benefici e ricadute in termini di efficienza e sicurezza.

Questo approfondimento ha esplorato le complesse sfide di sicurezza e gestione dei rischi nei sistemi GenAI, evidenziando la necessità di approcci dinamici e multidimensionali. Nel prossimo articolo, approfondiremo le prospettive future della GenAI, analizzando le traiettorie di sviluppo e le potenziali soluzioni alle criticità emerse. Per una comprensione più dettagliata, invitiamo i lettori a scaricare il nostro white paper dedicato alle strategie di sicurezza in relazione dal titolo “Generative Artificial Intelligence: Punti di forza, rischi e contromisure”.

Note bibliografiche

[1]Le mappe di salienza sono stabilite sulla base di proprietà visive come le discontinuità dell’immagine. Così, per esempio, le discontinuità cromatiche, un oggetto in movimento su uno sfondo statico o le zone più luminose spiccano e catturano l’attenzione.

[2] La metrologia è la scienza che si occupa della misurazione e delle sue applicazioni.

[3] L’Adversarial machine learning (Apprendimento automatico antagonistico) è una serie di tecniche volte a compromettere il corretto funzionamento di un sistema informatico che faccia uso di algoritmi di apprendimento automatico, tramite la costruzione di input speciali in grado di ingannare tali algoritmi: più nello specifico, lo scopo di tali tecniche è quello di causare la classificazione errata in uno di questi algoritmi.

[4] Per mission system si intende uno strumento sviluppato per, o utilizzati in, programmi e progetti per un obiettivo ovvero strutture tecniche critiche specificamente sviluppate o significativamente modificate per sistemi specifici.

[5] Guidelines for secure AI system development, https://www.ncsc.gov.uk/files/Guidelines-for-secure-AI-system-development.pdf, NCSC, 2023

[6] J. Weizenbaum, ELIZA – a computer program for the study of natural language communication between man and machine, https://dl.acm.org/doi/10.1145/365153.365168, MIT, 1966

https://www.ictsecuritymagazine.com/articoli/sicurezza-genai/

Just as IT departments have started to get a handle on shadow IT by setting policies for oversight and permissions on the use of applications, a new challenge has emerged — shadow AI. The rapid adoption of AI-powered workplace tools introduces an unprecedented level of risk. 

While AI promises to supercharge employee productivity, the unsanctioned use of generative AI (GenAI) tools significantly increases the risk of data breaches. Organizations already struggling to get control of their data are now facing even greater challenges, as AI’s self-learning algorithms and data integration capabilities complicate detection and mitigation of data exposure. 

If shadow IT has taught us anything, it’s that governance must evolve in tandem with the adoption of new technologies. To stay ahead, security leaders need measures that not only address current risks but also anticipate AI’s deeper integration into workplaces. 

AI: The new threat vector 

The lure of time savings and improved productivity offered by GenAI tools is one of the most significant game changers since the development of the Internet and World Wide Web. Given all the challenges it can solve, as well as how easy it is to use, employees are jumping on the bandwagon at breakneck speed — often without proper oversight. Compounding this challenge is the integration of AI into operating systems and everyday tools by vendors. 

Unfortunately, this creates an entirely new threat vector. AI tools aggregate and analyze large volumes of sensitive data, from financial information, including transaction records, budgets, and strategic plans, to source code and intellectual property (IP). This data, used to train these models, provides another window into an organization’s intellectual property, the likes of which we have never seen before, and poses a significant risk of data exfiltration.

Cybercriminals may leverage this to gather important information on an individual or organization and, if the AI platform itself is attacked and compromised, that data could be used to feed other AI tools, compounding the damage. Employees uploading company data into GenAI platforms must understand that this information is also used to train the tool, effectively giving up any ownership rights and exposing it to potential misuse.

Establishing AI policies 

To mitigate the risks of shadow AI, developing comprehensive AI governance policies should be the first step for every security leader. These policies must outline how, when, and by whom sanctioned AI tools can be used. They should also include extensive guidelines for approving AI applications, detailed protocols for handling sensitive data, and a schedule for regular compliance audits.

Before implementing any AI tool, security teams must strictly evaluate whether it meets security standards and compliance requirements. This process should involve a detailed review of the AI tool’s data processing, storage, and sharing capabilities to safeguard sensitive information at every stage. 

It’s also crucial to make the distinction between consumer-grade GenAI and secure enterprise solutions when evaluating tools and the risks they pose for data security. Typically, enterprise systems will have enhanced security features and guardrails, such as encryption and access controls, to protect sensitive data processed by AI systems.

Additionally, creating and maintaining a whitelist of approved AI tools — vetted for security and compliance — is a practical way to ensure sensitive work is conducted only through sanctioned applications. Most importantly, organizations should conduct regular reviews and update this list to keep pace with evolving AI technologies and ensure policies stay relevant and effective.

AI access management and monitoring 

Beyond policy enforcement, technical measures are crucial in mitigating the risks associated with shadow AI. Implementing AI usage monitoring tools, such as network traffic analysis systems and user behavior analytics platforms, plays an important role by identifying unauthorized tools and flagging potential policy breaches. 

Managing access to AI tools through identity and access management (IAM) solutions ensures that only authorized personnel can use AI applications, reducing the risks of data exposure. Additionally, IAM solutions serve as a secure intermediary between employees and AI tools, enforcing security policies, monitoring data exchanges, and blocking the unauthorized use of AI applications.

Any sensitive corporate data that is exposed outside the organization poses a risk, and organizations should also ensure that they have security measures in place to prevent sensitive data from leaving a device during a cyberattack. This is particularly important in light of attackers increasingly leveraging exfiltrated data for double — or even triple — extortion. To mitigate this risk, monitoring and controlling data transfers is essential to ensure sensitive data remains secure and does not leave the endpoint. 

Regulation and compliance 

Anticipated regulatory frameworks will also shape GenAI’s role in the workplace, as governing bodies increasingly focus on its data privacy and security implications. 

For example, the European Union’s General Data Protection Regulation (GDPR) already imposes stringent requirements on data processing, and the upcoming EU AI Act will further regulate the use of AI technologies. 

The National Institute of Standards and Technology (NIST) has released its AI risk management framework, providing voluntary guidelines to help organizations manage AI risks and promote trustworthy AI usage. The Securities and Exchange Commission (SEC) has also proposed regulations to manage conflicts of interest posed by AI for broker-dealers and investment advisers, while the California Privacy Protection Agency (CPPA) has drafted regulations focusing on automated decision-making technologies. 

With AI adoption, development, and regulations evolving rapidly, companies must proactively adapt their AI strategies to ensure compliance and security. Shadow AI may be the latest nightmare for security leaders, but with comprehensive policies, proactive strategies, and vigilant monitoring, its risks can be effectively managed, thereby protecting sensitive data from both inadvertent exposure and targeted exfiltration efforts. 

https://www.securitymagazine.com/articles/101382-shadow-ai-the-silent-threat-to-enterprise-data-security

The United States and the United Kingdom have declined to sign the AI Action Summit agreement, in which signatory countries pledged to take an inclusive, open, and ethical approach to AI development. 

More than 60 countries (including Canada, China, Australia, India, and Japan) have signed the declaration. 

Below, security experts discuss this decision as well as offer advice for how organizations can deploy AI securely and efficiently moving forward. 

Security leaders weigh in 

Andrew Bolster, Senior R&D Manager at Black Duck:

This growing Atlantic AI Rift is a wakeup call for any organization looking to deploy or operate global AI solutions; the regulatory landscape is not as settled as it may seem, and while alignment to existing principles such as the General Data Protection Regulation (GDPR), California’s California Consumer Privacy Act (CCPA), and its amendment, the California Privacy Rights Act (CPRA), or Australia’s Privacy Act may stand you in good stead, that is no guarantee of continued operations. 

For instance, when President Donald Trump rescinded former President Biden’s 2023 Executive Order on AI, he functionally removed any Federal level guidelines for U.S. cross-state operators managing the risks introduced by AI systems. 

We’re now in the position where this fractured regulatory landscape is tempering private investment appetites, just at the same time as public investment is ramping up, such as the U.K.’s earmarking of £14bn as part of the AI Opportunities Action Plan, Frances’ coordination of €109bn in public/private partnerships in AI over the next years, and the U.S.’s $500bn partnerships around the ‘Stargate’ program.

In this kind of high-risk-high-value environment, the mergers and acquisitions markets are going to be particularly pressurized, with the mix of public and private requirements and a heightened threat model, driving the need for AI-aware security and quality attestation, which echoes recent findings. 

Ms. Kris Bondi, CEO and Co-Founder of Mimoto:

If organizations only rely on historical data to train models for anomaly detection, they set themselves up to miss newer attack tactics. Bad actors are also continuing to innovate to improve their approaches. Security in a post-AI world should include anomaly detection combined with other approaches that provide real-time context. This gives security professionals the data and tools needed to make enhanced analytical decisions. 

If AI is the sole driver defining threat hunting parameters without spot-checks or audits, the threat intelligence approach could eventually be focused in the wrong area. The answer is more reliance on critical thinking and analytical skills. AI is not a threat to soft skills or human involvement in the process. The smartest companies will leverage AI to enable humans to engage with few potential threats with more data available. The result should be more opportunity to use soft skills to catch threats quicker.

Craig Jones, Vice President of Security Operations at Ontinue:

In today’s GenAI-driven world, data privacy is a pivotal concern to organizations of all sizes. Interaction with such models can inadvertently lead to the sharing or exposure of sensitive information. This necessitates robust data handling and processing frameworks to prevent data leaks and ensure privacy.

Ensuring the security of sensitive data involves employing a multi-layered security approach, including encryption at rest and in transit, strict access controls, and continuous monitoring for anomalies. In case of a breach, rapid response, and remediation measures need to be in place, along with clear communication to affected stakeholders following the legal and regulatory requirements. The lessons learned from such incidents should be integrated into improving the data security framework to be better prepared for future scenarios.

Mr. Venky Raju, Field CTO at ColorTokens:

AI-driven threats underscore the need for a strong breach readiness strategy like zero trust. While patching and detection are important, we should acknowledge the fact that AI-based tools will detect and exploit vulnerabilities faster than patching or detection/response can keep up with.  

Most cybersecurity products are already machine learning and generative AI to be better at what they do. However, cybersecurity leaders should look beyond the hype and understand how it benefits them. Organizations can also implement AI-based solutions to automate mundane tasks to free up cybersecurity personnel for more critical issues. 

Mr. Piyush Pandey, CEO at Pathlock: 

Artificial intelligence (AI) can already positively impact the cybersecurity field far beyond the simple automation of tasks. From intelligent response automation to behavioral analysis, and prioritization of vulnerability remediation, AI is already adding value within the cybersecurity field. As AI automates more tasks in cybersecurity, the role of cybersecurity professionals will evolve, as opposed to becoming a commodity. Talented cybersecurity pros with a growth mindset will become increasingly valuable as they provide the practical insights to guide AI’s deployment internally.  

With the increase in regulatory and security requirements, GRC data volumes continue to grow at what will eventually be an unmanageable rate. Because of this, AI will increasingly be used to identify real-time trends, automate compliance processes, and predict risks. Continuous, automated monitoring of compliance posture using AI can, and will, drastically reduce manual efforts and errors. More granular, sophisticated risk assessments will be available via ML algorithms, which can process vast amounts of data to identify subtle risk patterns, offering a more predictive approach to reducing risk and financial losses.  

https://www.securitymagazine.com/articles/101381-us-declines-international-ai-declaration-security-leaders-discuss

A recent Omada report found that 95% of IT leaders see identity security as an important part of their cybersecurity strategy, with more than 86% expressing concern about the risks of identity-related threats. 

Nine out of 10 respondents said the teams/resources responsible for IT security in their organizations are better funded than they were a year ago. At the same time, 64.4% respondents said they’ve purchased cyber liability insurance to help offset the costs of a data breach.

More than half of respondents cited time-consuming manual processes as either the first or second issue driving their organization’s IGA investment. As a result, AI and automation are key attributes that leaders look for when evaluating potential solutions, with Generative AI capabilities emerging as a top criterion.

Download the report.

https://www.securitymagazine.com/articles/101379-nine-out-of-10-it-teams-are-better-funded-than-they-were-last-year

Feb 13, 2025 Marina Londei Approfondimenti, Attacchi, Attacchi, Hacking, In evidenza, Minacce, News, RSS 0

---

Ieri Microsoft ha pubblicato un’approfondita analisi su BadPilot, una campagna pluriennale a opera di un sottogruppo di Seashell Blizzard, nota gang hacker di matrice russa.

“Questo sottogruppo ha eseguito compromissioni differenti a livello globale ai danni di infrastrutture esposte su Internet per permettere a Seashell Blizzard di ottenere la persistenza su obiettivi ad alto valore e supportare operazioni di rete ad hoc” si legge nel report di Microsoft Threat Intelligence.

Anche se le attività del sottogruppo sono in parte opportunistiche, è indubbio che forniscono a Seashell Blizzard e al governo russo nuove opportunità per attaccare i propri obiettivi. Secondo i ricercatori di Microsoft, le operazioni di BadPilot hanno probabilmente permesso l’esecuzione di almeno tre cyberattacchi contro l’Ucraina a partire dal 2023.

Le attività del sottogruppo di Seashell Blizzard

Il team di Threat Intelligence di Microsoft spiega che gli attaccanti dietro BadPilot agiscono per scalare le operazioni di Seashell Blizzard e ottenere persistenza su nuovi obiettivi, in base al settore di interesse per il governo russo. Inizialmente concentrate solo sull’Ucraina, le attività si sono progressivamente globalizzate man mano che gli equilibri del conflitto evolvevano.

Per ottenere l’accesso iniziale, il gruppo ha sfruttato vulnerabilità delle infrastrutture esposte al web individuate tramite appositi strumenti di scansione di terze parti. Secondo i ricercatori di Microsoft, gli hacker hanno utilizzato almeno otto vulnerabilità presenti in diversi prodotti quali, tra gli altri, Exchange, Outlook, JBOSS e TeamCity di JetBrains.

In caso di successo, il gruppo ha eseguito una serie di misure per ottenere persistenza a lungo termine sui sistemi, sia per scopi di cyberspionaggio che per eseguire attacchi mirati e distruttivi.

Il sottogruppo ha usato diversi pattern per gli exploit. Uno dei più recenti comprende l’uso delle suite RMM (Remote Monitoring and Management), usate solitamente dagli MSP per il monitoraggio remoto dei sistema. Il gruppo ha usato software come Atera Agent e Splashtop Remote Service per abilitare diverse funzionalità di comunicazione C2 mascherandosi da utility legittima, rendendole così più difficili da individuare.

Sin dall’inizio il gruppo ha anche utilizzato web shell per mantenere il controllo dei sistemi ed eseguire comandi per lo spostamento laterale. Ad oggi questo rimane il pattern di sfruttamento più utilizzato dal gruppo, eseguito in seguito allo sfruttamento di vulnerabilità di Microsoft Exchange e Zimbra.

Per il movimento laterale, il sottogruppo di Seashell Blizzard utilizza strumenti di tunneling quali Chisel, plink e rsockstun che gli consentono di creare dei canali dedicati nella rete compromessa. In alcune operazioni più mirate, il gruppo ha anche cercato e sottratto credenziali utente per accedere a informazioni sensibili e ampliare il proprio accesso nella rete.

L’impatto della campagna

Stando all’analisi di Microsoft Threat Intelligence, la campagna è attiva almeno dal 2021 e ha colpito realtà di settori critici quali l’energetico, il petrolifero, le telecomunicazioni, la logistica, la manifattura di armi e governi di tutto il mondo. Inizialmente il gruppo prendeva di mira obiettivi in Ucraina e nell’Est Europa, ma a partire da inizio 2024 ha ampliato i propri confini per raggiungere il Regno Unito, gli Stati Uniti, l’Asia Centrale e Meridionale e il Medio Oriente.

“Dato che Seashell Blizzard è la punta di diamante informatica della Russia in Ucraina, Microsoft Threat Intelligence ritiene che questo sottogruppo di accesso continuerà a sviluppare nuove tecniche scalabili orizzontalmente per compromettere le reti sia in Ucraina che a livello globale a sostegno degli obiettivi di guerra della Russia e delle priorità nazionali in evoluzione” avverte il team di Microsoft.

Per aumentare le proprie difese contro Seashell Blizzard e minacce analoghe, gli esperti consigliano di adottare un sistema di gestione automatizzata delle vulnerabilità e implementare l’autenticazione multi-fattore. Le organizzazioni dovrebbero inoltre implementare controlli di accesso e di identità più severi e robusti e abilitare l’autenticazione per tutte le connessioni RDP. 

---

---

---

https://www.securityinfo.it/2025/02/13/microsoft-rivela-badpilot-una-campagna-pluriennale-di-seashell-blizzard-a-impatto-globale/?utm_source=rss&utm_medium=rss&utm_campaign=microsoft-rivela-badpilot-una-campagna-pluriennale-di-seashell-blizzard-a-impatto-globale

Il panorama della sicurezza informatica sta attraversando una trasformazione epocale con l’introduzione della Direttiva NIS 2, recepita in Italia attraverso il D.Lgs. 138/2024. In un’era caratterizzata da minacce cyber sempre più sofisticate e da una crescente interconnessione digitale, questa normativa rappresenta la risposta dell’Unione Europea alla necessità di costruire un framework di sicurezza uniforme e resiliente.

La NIS 2 introduce un approccio rivoluzionario alla cybersecurity, estendendo significativamente il perimetro di applicazione e introducendo obblighi più stringenti per le organizzazioni. Dal coinvolgimento diretto dei vertici aziendali alla gestione della supply chain, dalla tempestività nella notifica degli incidenti all’implementazione di misure tecniche avanzate, la direttiva ridisegna completamente l’architettura della sicurezza informatica.

In questo contesto, l’Agenzia per la Cybersicurezza Nazionale (ACN) emerge come figura centrale, dotata di poteri di vigilanza e sanzionatori senza precedenti. Le organizzazioni si trovano di fronte a sfide significative, con scadenze ravvicinate e la necessità di adeguare non solo le proprie infrastrutture tecniche, ma anche la propria cultura organizzativa.

Questa analisi approfondita esplora tutti gli aspetti chiave della NIS 2, fornendo una guida completa per comprendere e implementare efficacemente le nuove disposizioni, in un momento in cui la sicurezza informatica diventa sempre più cruciale per la sopravvivenza e la competitività delle organizzazioni nel mercato globale.

Il Nuovo Framework: la trasformazione della Sicurezza Informatica in Italia

L’avvento della NIS 2 segna una trasformazione radicale nella gestione della sicurezza informatica in Italia, introducendo un framework che trasforma profondamente il modo in cui le organizzazioni affrontano le minacce cyber. Non si tratta più di una semplice questione di conformità normativa, ma di un ripensamento completo dell’architettura di sicurezza nazionale.

Al centro di questa rivoluzione troviamo l’Agenzia per la Cybersicurezza Nazionale (ACN), che assume un ruolo fondamentale con poteri e responsabilità notevolmente ampliati. L’ACN non si limita a supervisionare passivamente le attività di sicurezza, ma diventa un attore proattivo nel panorama della cybersecurity nazionale. L’Agenzia fornisce supporto tecnico alle organizzazioni, coordina le risposte agli incidenti, definisce standard operativi e monitora costantemente le minacce emergenti attraverso una piattaforma digitale dedicata.

La gestione del rischio cyber assume una dimensione più strutturata e strategica. Le organizzazioni devono ora implementare sistemi di early warning e programmi di threat intelligence, sviluppare protocolli di sicurezza predittivi e condurre valutazioni continue delle vulnerabilità. La risposta agli incidenti diventa più organizzata, con la creazione di team specializzati e l’implementazione di protocolli di comunicazione sicuri e procedure di escalation ben definite.

Un aspetto innovativo riguarda il sistema di coordinamento multilivello. A livello nazionale, si prevede una stretta integrazione con le strutture di sicurezza esistenti, i CERT settoriali e le forze dell’ordine. Sul piano europeo, il framework promuove una cooperazione transfrontaliera più intensa, con lo scambio di informazioni e la partecipazione a esercitazioni congiunte.

La componente umana assume un ruolo centrale in questo nuovo framework. Le organizzazioni devono investire significativamente nella formazione continua del personale, organizzare simulazioni di attacchi e risposte, e sviluppare una cultura della sicurezza diffusa. Si prevede anche l’introduzione di certificazioni specialistiche per ruoli chiave all’interno delle organizzazioni.

Questa trasformazione richiede un cambiamento culturale profondo nel modo in cui le organizzazioni approcciano la sicurezza informatica. Non si tratta più di una questione puramente tecnologica, ma di una visione integrata che coinvolge aspetti organizzativi, formativi e strategici. Le aziende devono passare da un approccio reattivo, basato sulla risposta agli incidenti, a uno proattivo, fondato sulla prevenzione e sulla costruzione di una resilienza sistemica.

Il successo di questo nuovo framework dipenderà dalla capacità delle organizzazioni di adattarsi e evolvere. La sfida non è solo tecnica, ma anche culturale: è necessario sviluppare una nuova consapevolezza della sicurezza informatica a tutti i livelli aziendali, dal vertice fino agli operatori sul campo. Solo attraverso questo cambiamento completo sarà possibile costruire un sistema di difesa efficace contro le minacce cyber sempre più sofisticate che caratterizzano il panorama digitale contemporaneo.

Il nuovo framework rappresenta una risposta ambiziosa alle sfide della sicurezza informatica moderna. La sua implementazione richiederà tempo, risorse e un impegno significativo da parte di tutte le organizzazioni coinvolte, ma costituisce un passo necessario per garantire la sicurezza e la resilienza del sistema Paese nell’era digitale.

Ambito di applicazione e soggetti coinvolti: un’analisi dettagliata della NIS 2

La Direttiva NIS 2 introduce un sistema di classificazione complesso e articolato per determinare quali organizzazioni ricadano nel suo ambito di applicazione. Il legislatore europeo ha adottato un approccio multilivello che considera sia le dimensioni aziendali che la criticità del settore di appartenenza, creando così una rete di protezione che copre le infrastrutture più strategiche del tessuto economico europeo.

Il Criterio Dimensionale

Per quanto riguarda le dimensioni organizzative, la direttiva stabilisce due parametri fondamentali: il numero di dipendenti e il fatturato annuo. In linea generale, sono soggette alla normativa le entità che superano almeno una delle seguenti soglie:

• Più di 50 dipendenti
• Fatturato annuo superiore a 10 milioni di euro

Tuttavia, questi criteri dimensionali non sono assoluti. La direttiva prevede infatti importanti eccezioni per quelle organizzazioni che, pur non raggiungendo tali soglie, operano in settori considerati critici per l’infrastruttura nazionale ed europea.

La Categorizzazione dei Settori

Il decreto opera una distinzione fondamentale tra due macro-categorie di settori, ciascuna con specifici obblighi e responsabilità:

Settori ad Alta Criticità

Questi settori sono considerati essenziali per il funzionamento della società e dell’economia:

• Energia: incluse le infrastrutture di produzione, trasmissione e distribuzione;
• Telecomunicazioni: con particolare attenzione alle reti e ai servizi di comunicazione elettronica;
• Trasporti: comprendendo aviazione, ferrovie, navigazione e infrastrutture stradali;
• Settore bancario e finanziario: includendo istituti di credito e infrastrutture dei mercati finanziari;
• Sanità: con focus su strutture sanitarie, laboratori e produzione di farmaci essenziali;
• Gestione delle acque reflue: considerando l’impatto ambientale e sulla salute pubblica;
• Servizi ICT B2B: riconoscendo il ruolo cruciale dei fornitori di servizi digitali;
• Pubblica amministrazione: includendo enti centrali e locali;
• Settore spaziale: considerando le infrastrutture critiche per le comunicazioni satellitari.

Altri Settori Critici

Questa categoria include settori che, pur non essendo di primaria criticità, rimangono fondamentali per il funzionamento dell’economia:

• Servizi postali e di corriere;
• Gestione dei rifiuti;
• Industria chimica;
• Settore alimentare e della produzione agricola;
• Produzione di dispositivi medici;
• Industria elettronica;
• Produzione di macchinari e apparecchiature;
• Industria automobilistica e dei trasporti specializzati.

Implicazioni per le PMI

Un aspetto particolarmente rilevante riguarda le piccole e medie imprese che operano come fornitori o partner di organizzazioni più grandi nei settori critici. Anche se non direttamente soggette alla normativa, queste PMI potrebbero dover adeguare i propri standard di sicurezza per mantenere relazioni commerciali con le entità regolate dalla NIS 2. Questo “effetto cascata” della normativa sta creando un nuovo standard de facto nella gestione della cybersecurity anche per le organizzazioni formalmente escluse dall’ambito di applicazione diretto.

La complessità di questa categorizzazione riflette la volontà del legislatore di creare un sistema di protezione capillare ma proporzionato, che tenga conto sia della dimensione delle organizzazioni che del loro ruolo strategico nell’ecosistema digitale europeo.

L’architettura del sistema di Compliance: un nuovo paradigma per la Sicurezza Digitale

Il sistema di compliance introdotto dalla NIS 2 rappresenta un cambio di paradigma fondamentale nella gestione della sicurezza informatica, introducendo un’architettura sofisticata che va ben oltre il tradizionale approccio alla conformità normativa.

Il primo pilastro di questa architettura si basa su un approccio risk-based che richiede alle organizzazioni di implementare misure di sicurezza calibrate sul proprio profilo di rischio specifico. Questo significa che ogni organizzazione deve condurre una valutazione approfondita delle proprie vulnerabilità, considerando non solo gli aspetti tecnici ma anche quelli organizzativi e procedurali. Le misure di protezione devono essere proporzionate e adeguate, tenendo conto di fattori come la criticità dei dati gestiti, l’esposizione a minacce esterne e la complessità dell’infrastruttura IT.

Il secondo elemento chiave riguarda la gestione degli incidenti di sicurezza. La normativa impone un sistema di notifica tempestiva che rivoluziona il modo in cui le organizzazioni devono rispondere agli eventi cyber. Non si tratta solo di rispettare la scadenza delle 24 ore per la segnalazione, ma di implementare un sistema di monitoraggio continuo che permetta di rilevare, classificare e analizzare gli incidenti in tempo reale. Le organizzazioni devono stabilire processi chiari per la raccolta delle informazioni, la valutazione dell’impatto e la comunicazione con le autorità competenti.

La terza componente, forse la più innovativa, è l’adozione di un Modello Organizzativo di Gestione della Cybersecurity. Questo modello deve integrare la sicurezza informatica in ogni aspetto dell’organizzazione, dalla governance ai processi operativi. Si richiede la creazione di una struttura organizzativa dedicata, con ruoli e responsabilità chiaramente definiti, procedure documentate e meccanismi di controllo interno. Il modello deve essere dinamico e adattabile, capace di evolversi in risposta alle nuove minacce e alle mutevoli esigenze di business.

Un aspetto particolarmente significativo è l’integrazione di questi tre elementi in un sistema coerente. Non è sufficiente implementare singole misure di sicurezza o procedure isolate; è necessario creare un ecosistema di sicurezza in cui ogni componente supporta e rafforza le altre. Per esempio, le informazioni raccolte attraverso il sistema di reporting degli incidenti devono alimentare il processo di valutazione dei rischi, che a sua volta influenza l’evoluzione del modello organizzativo.

La compliance alla NIS 2 richiede anche un approccio maturo alla documentazione e alla verifica. Le organizzazioni devono mantenere registri dettagliati delle misure implementate, delle valutazioni dei rischi effettuate e degli incidenti gestiti. Questo non solo per dimostrare la conformità alle autorità di controllo, ma anche per costruire una base di conoscenza che permetta di migliorare continuamente le proprie pratiche di sicurezza.

L’ACN svolge un ruolo cruciale in questo sistema, non solo come organo di controllo ma anche come punto di riferimento per le organizzazioni. L’Agenzia fornisce linee guida, supporto tecnico e feedback sulle misure implementate, contribuendo a creare un ecosistema di sicurezza più resiliente a livello nazionale.

La vera sfida per le organizzazioni non è tanto l’implementazione tecnica delle misure richieste, quanto la creazione di una cultura organizzativa che integri naturalmente questi elementi nella propria operatività quotidiana. Il successo dell’architettura di compliance dipende dalla capacità di trasformare requisiti normativi in pratiche operative efficaci e sostenibili nel lungo periodo.

La Supply Chain Security

La NIS 2 introduce un concetto rivoluzionario nel panorama della sicurezza informatica europea: la protezione integrata della catena di approvvigionamento digitale. Questo approccio innovativo riconosce che nell’era dell’interconnessione globale, la sicurezza di un’organizzazione è strettamente legata a quella dei suoi partner commerciali, fornitori e collaboratori esterni.

La normativa impone un cambio di prospettiva fondamentale: non è più sufficiente proteggere il proprio perimetro aziendale, ma diventa essenziale estendere il controllo di sicurezza all’intero ecosistema di business. Questo significa che le organizzazioni devono sviluppare una visione olistica della sicurezza che comprenda tutti gli attori della loro rete di relazioni commerciali.

Un aspetto cruciale di questa nuova visione è l’implementazione di processi di due diligence approfonditi per i fornitori. Le organizzazioni devono condurre valutazioni sistematiche che vadano oltre i tradizionali parametri commerciali, includendo criteri specifici di cybersecurity. Questo processo deve essere continuo e dinamico, non limitandosi a una verifica iniziale ma monitorando costantemente lo stato di sicurezza dei fornitori.

La qualità dei prodotti e servizi acquisiti assume una nuova dimensione nella NIS 2. Non si tratta più solo di valutare le caratteristiche funzionali o il rapporto qualità-prezzo, ma di considerare la sicurezza come un attributo fondamentale del prodotto stesso. Le organizzazioni devono implementare procedure di verifica che includano test di sicurezza, analisi del codice sorgente quando applicabile, e valutazioni delle pratiche di sviluppo sicuro utilizzate dai fornitori.

Particolare attenzione viene posta sulle procedure di sviluppo software. I fornitori di soluzioni digitali devono dimostrare di seguire metodologie di secure development lifecycle, implementando best practice di sicurezza in tutte le fasi del ciclo di vita del software, dalla progettazione al rilascio. Questo include l’utilizzo di tecniche di programmazione sicura, test di vulnerabilità regolari e processi di patch management strutturati.

La normativa introduce anche il concetto di “responsabilità a catena”. Se un fornitore subisce un incidente di sicurezza che impatta sui servizi forniti, l’organizzazione deve essere in grado di gestire rapidamente le conseguenze e attivare piani di contingenza. Questo richiede la definizione di clausole contrattuali specifiche che regolino le responsabilità in caso di incidenti e stabiliscano protocolli di comunicazione chiari.

Un elemento innovativo è l’approccio alla gestione dei rischi di terze parti. Le organizzazioni devono implementare sistemi di categorizzazione dei fornitori basati sul livello di criticità dei servizi forniti e sul potenziale impatto sulla sicurezza complessiva. Questo permette di calibrare le misure di controllo e monitoraggio in base al profilo di rischio specifico di ciascun fornitore.

La normativa spinge anche verso una maggiore trasparenza nelle relazioni commerciali. I fornitori devono essere pronti a condividere informazioni sulle proprie pratiche di sicurezza, certificazioni ottenute e incidenti rilevanti. Questo livello di apertura, seppur bilanciato con le necessità di riservatezza commerciale, è fondamentale per costruire una catena di approvvigionamento veramente resiliente.

L’impatto di queste nuove disposizioni si estende ben oltre il perimetro delle singole organizzazioni, creando un effetto domino positivo sull’intero ecosistema digitale europeo. Le aziende che forniscono servizi a organizzazioni soggette alla NIS 2 dovranno necessariamente elevare i propri standard di sicurezza, contribuendo a innalzare il livello generale di protezione cyber del mercato.

Il successo di questo nuovo approccio alla supply chain security dipenderà dalla capacità delle organizzazioni di trasformare requisiti normativi in pratiche operative concrete ed efficaci, sviluppando una nuova cultura della sicurezza che permei l’intera catena del valore.

La Roadmap della Compliance: tempistiche, sanzioni e responsabilità direttive nella NIS 2

La Direttiva NIS 2 delinea un percorso di implementazione graduale ma rigoroso, stabilendo una serie di scadenze critiche che riflettono la complessità e l’importanza delle misure da adottare. Questo approccio scaglionato permette alle organizzazioni di pianificare e implementare le necessarie modifiche strutturali in modo organico, garantendo al contempo il rispetto dei termini imposti dalla normativa.

Il percorso di adeguamento

Il primo appuntamento cruciale è fissato al 28 febbraio 2025, data entro la quale tutte le organizzazioni interessate devono completare la registrazione sulla piattaforma digitale dell’ACN. Questa non è una semplice formalità amministrativa, ma rappresenta il primo passo concreto verso la costruzione di un ecosistema di sicurezza coordinato a livello nazionale. La designazione del punto di contatto, parte integrante di questo processo, stabilisce un canale di comunicazione diretto e permanente tra l’organizzazione e l’autorità di controllo.

A partire dal 1° gennaio 2026, entra in vigore l’obbligo di notifica degli incidenti, una milestone che richiede non solo l’implementazione di procedure tecniche, ma anche un ripensamento dei processi organizzativi interni. Le organizzazioni devono essere in grado di rilevare, analizzare e comunicare gli incidenti di sicurezza entro tempistiche estremamente stringenti, mantenendo al contempo un elevato standard di accuratezza e completezza nelle informazioni fornite.

La scadenza del 1° ottobre 2026 segna un punto di svolta nella governance aziendale, richiedendo un profondo adeguamento degli organi di amministrazione e direttivi alle nuove responsabilità. Questo cambiamento va ben oltre la semplice conformità normativa, rappresentando una trasformazione culturale nella gestione della sicurezza informatica a livello executive.

L’architettura sanzionatoria

Il legislatore ha previsto un sistema sanzionatorio articolato e proporzionato, che riflette la gravità delle potenziali violazioni e la dimensione delle organizzazioni coinvolte. Per i soggetti essenziali, le sanzioni possono raggiungere i 10 milioni di euro o il 2% del fatturato mondiale annuo, mentre per i soggetti importanti il limite è fissato a 7 milioni di euro o l’1,4% del fatturato. Queste cifre significative sono pensate per garantire un effetto deterrente reale, spingendo le organizzazioni a prendere sul serio i propri obblighi di sicurezza.

Particolarmente innovativa è l’introduzione di sanzioni accessorie che possono colpire direttamente i vertici aziendali. La possibilità di sospendere le autorizzazioni operative o inibire le funzioni direttive rappresenta un cambio di paradigma nella responsabilizzazione del management, rendendo la cybersecurity una priorità non più delegabile ai soli reparti tecnici.

La nuova Governance della Sicurezza

La direttiva ridisegna completamente il ruolo degli organi di amministrazione e direttivi nella gestione della sicurezza informatica. Questi non sono più semplici supervisori ma diventano attori protagonisti, con responsabilità dirette e personali. Il loro coinvolgimento deve essere attivo e continuo, dalla fase di approvazione delle misure di sicurezza fino al monitoraggio della loro implementazione.

Un aspetto fondamentale è l’obbligo di formazione specifica in materia di cybersecurity per i vertici aziendali. Questa formazione non deve essere un mero adempimento formale, ma deve fornire le competenze necessarie per comprendere e gestire efficacemente i rischi cyber. Gli amministratori devono essere in grado di valutare criticamente le proposte tecniche, comprendere le implicazioni delle scelte strategiche e guidare l’organizzazione verso una maggiore resilienza digitale.

La responsabilizzazione diretta degli organi direttivi per eventuali violazioni rappresenta forse l’elemento più rivoluzionario della normativa. Questa disposizione crea un legame diretto tra le decisioni strategiche in materia di sicurezza e le loro conseguenze, spingendo il management a considerare la cybersecurity come una componente fondamentale della gestione aziendale.

La Direttiva NIS 2 si inserisce in un contesto geopolitico complesso dove la cybersecurity assume un ruolo sempre più strategico nelle relazioni internazionali. L’Unione Europea, attraverso questa normativa, afferma la propria volontà di giocare un ruolo da protagonista nella definizione degli standard globali di sicurezza informatica, posizionandosi come terzo polo tra Stati Uniti e Cina.

La sfida della Sovranità Digitale

La NIS 2 rappresenta un pilastro fondamentale nella strategia europea per la sovranità digitale. In un mondo dove il controllo delle infrastrutture critiche digitali equivale al controllo strategico del territorio, l’Europa cerca di definire un proprio modello di governance della cybersecurity che bilanci sicurezza, innovazione e tutela dei diritti fondamentali. Questo approccio si distingue sia dal modello americano, fortemente orientato al mercato, sia da quello cinese, caratterizzato da un forte controllo statale.

Le implicazioni internazionali

La normativa ha significative implicazioni per le relazioni commerciali internazionali. Le organizzazioni extra-UE che operano nel mercato europeo devono adeguarsi agli standard della NIS 2, creando un effetto di “esportazione normativa” che estende l’influenza europea ben oltre i confini dell’Unione. Questo fenomeno, noto come “Brussels Effect”, rafforza il ruolo dell’UE come regolatore globale nel campo della cybersecurity.

La Supply Chain Globale

Particolare attenzione viene posta sulla sicurezza della supply chain tecnologica globale. La NIS 2 introduce criteri stringenti per la valutazione dei fornitori di tecnologia, con implicazioni significative per le aziende di paesi terzi, specialmente quelle cinesi. Questo aspetto riflette le crescenti preoccupazioni sulla dipendenza tecnologica e sui rischi di spionaggio industriale.

Cooperazione e Competizione

La direttiva promuove la cooperazione internazionale nella gestione delle minacce cyber, riconoscendo la natura transnazionale delle sfide alla sicurezza. Tuttavia, questa cooperazione si sviluppa in un contesto di crescente competizione tecnologica tra le grandi potenze. L’Europa cerca di posizionarsi come partner affidabile nella gestione della sicurezza globale, mantenendo al contempo la propria autonomia strategica.

Le sfide future

Le prossime sfide includeranno la gestione delle tensioni tra:

• Apertura dei mercati e protezione delle infrastrutture critiche;
• Cooperazione internazionale e tutela degli interessi strategici europei;
• Innovazione tecnologica e sicurezza;
• Standardizzazione globale e specificità regionali.

La NIS 2 rappresenta quindi non solo un framework normativo per la cybersecurity, ma uno strumento di politica estera attraverso il quale l’Unione Europea cerca di affermare il proprio ruolo nel nuovo ordine digitale mondiale. Il successo di questa strategia dipenderà dalla capacità dell’UE di bilanciare le esigenze di sicurezza con quelle di competitività e innovazione, mantenendo al contempo la propria indipendenza strategica in un mondo sempre più polarizzato.

https://www.ictsecuritymagazine.com/articoli/nis-2-e-sicurezza-informatica/

A report from Gcore reveals that distributed denial-of-service (DDoS) attacks have increased in volume and magnitude from Q3-Q4 2023 to Q3-Q4 2024. DDoS attacks increased by 56% year-over-year and 17% since H1 2024. 

Key findings from the report include: 

• The financial sector saw a notable increase in DDoS attacks, from 12% in Q3-Q4 2023 to 26% in Q3-Q4 2024. 
• DDoS attacks are becoming shorter, with five hours being the longest duration observed in Q3-Q4 2024. 16 hours was the longest in H1 2024. 
• The gaming industry is the most targeted, yet attacks in H2 2024 were 31% lower than H1 2024. 

Below, security leaders discuss the implications of these findings. 

Security leaders weigh in

Darren Guccione, CEO and Co-Founder at Keeper Security:

The recent surge in DDoS attacks highlights the growing aggressiveness of cyber threats, which are increasingly difficult to combat with traditional defenses. Cybercriminals are leveraging short, high-intensity bursts to overwhelm systems, particularly in the financial sector, which saw a 117% increase in attacks. Protecting critical assets requires securing access at all levels, not just blocking malicious traffic.

To effectively counter DDoS threats, businesses must implement network monitoring and regularly analyze network traffic to establish a baseline, enabling them to detect anomalies early. Integrating CAPTCHA solutions can also help differentiate between human users and bots, reducing the risk of automated attacks. Organizations should consider developing a robust incident response plan, employing DDoS mitigation services and evaluating and potentially increasing bandwidth capacity to effectively mitigate the impact of these attacks.

Trey Ford, Chief Information Security Officer at Bugcrowd: 

DDoS volumes will continue to expand sympathetically with increases in consumer computing power and internet connection speeds — these volumes are concerning, but unsurprising.

Attack patterns will continue to evolve, but carry the same motives. Gamers have historically tied DDoS attacks to time based contests (for competitive advantage), or in reaction to limits or sanctions (in retaliation).

The notion of pulsing the DDoS attack makes sense as it takes time to profile an attack (patterns, sources, anything to fingerprint) and mount a defense. Time-limiting the attack preserves its efficacy, while adding pressure to the monitoring and response teams to both understand why the attack happened, and limiting the context available to defend against the next one when it comes.

J Stephen Kowski, Field CTO at SlashNext Email Security+:

DDoS attacks are surging due to geopolitical tensions, hacktivism, and the rise of DDoS-as-a-service platforms. Motivations range from financial extortion to political statements, with attackers exploiting the low-cost, high-impact nature of these attacks. Advanced protection solutions that leverage AI and machine learning are crucial to detect and mitigate these evolving threats across all communication channels.

The trend of increasing DDoS attacks is likely to continue, driven by the growing Internet of Things (IoT) ecosystem and the adoption of 5G networks. As attack surfaces expand, we’ll see more sophisticated, multi-vector attacks that combine volumetric assaults with application-layer exploits. Continuous innovation in threat detection and mitigation technologies will be essential to stay ahead of these evolving tactics.

Organizations should implement a multi-layered defense strategy, including cloud-based protection services, on-premises hardware, and robust incident response plans. It’s crucial to adopt solutions that provide real-time threat intelligence and can automatically detect and block malicious traffic across various protocols and attack vectors. Regular security assessments and employee training are also vital components of a comprehensive defense strategy.

https://www.securitymagazine.com/articles/101380-report-shows-ddos-attacks-increased-56-year-over-year

In questo articolo ci concentreremo sull’importanza dei Big Data e Fast Data e l’interazione con la sicurezza nell’era digitale. Con l’avvento delle nuove tecnologie e l’aumento del volume di dati, la gestione efficace e sicura di questi dati è diventata una sfida centrale per molte organizzazioni. In particolare, il Fast Data si riferisce alla capacità di elaborare e analizzare rapidamente grandi volumi di dati in tempo reale, permettendo alle aziende di prendere decisioni informate e tempestive, un vantaggio fondamentale in un contesto di mercato in continua evoluzione.

Questo è il quarto articolo tratto dal white paper “Big e Fast Data: tra sfida per la sicurezza e privacy“.

I Big Data e la Sfida della Sicurezza

I Big Data sono considerati come un vasto volume di dati generato dall’avvento delle nuove tecnologie. Con la Big Data Analytics vengono estrapolate, da questo immenso flusso di dati, le informazioni utili per migliorare processi e servizi. Viene anche definito da alcuni come uno strumento predittivo in grado di prevedere guasti o eventuali problemi ad un macchinario[1].

L’Importanza della Sicurezza nei Big Data

Le aziende che possono beneficiare dell’analisi di questi dati sono ben poche, merito degli ingenti investimenti necessari per creare e mantenere un’infrastruttura informatica in grado di effettuare calcoli ed immagazzinare notevoli quantità di dati.

Infatti, la gestione dei Big Data, richiede un notevole dispiegamento di risorse IT che devono garantire elevate performance e maggiore “scalabilità^[2]”.

Fasi dell’Analisi dei Big Data

Il corretto flusso per l’analisi dei Big Data prevede tre distinte fasi:

1. Ricerca dei Dati:

La prima è la ricerca dei dati da diverse fonti come social media, database, e-commerce. Dopodiché si passa alla fase di trasformazione.

2. Trasformazione e Pulizia dei Dati

La fase di trasformazione prevede il prelievo di dati in vari formati e il loro spostamento in un formato unificato in modo che possano essere elaborati dal sistema di destinazione. Questa fase prevede la fase di pulizia, che comporta l’eliminazione di duplicati e dei dati ritenuti obsoleti.

3. Generazione delle Informazioni

Infine, con l’ausilio di specifici software vengono generate le informazioni dettagliate caratteristiche dei Big Data.

Requisiti Tecnologici per la Gestione dei Big Data

Per far sì che questo processo funzioni correttamente le infrastrutture a supporto di questa tecnologia devono possedere determinati requisiti, quali:

Rete Veloce e Potenza di Calcolo

Alta capacità di storage per l’archiviazione e protezione dei dati:

• una rete veloce per la trasmissione real-time delle informazioni;
• potenza di calcolo necessaria a processare enormi quantità di dati.
• La privacy e la sicurezza dei dati sono concetti strettamente correlati ed essenziali per proteggere le informazioni sensibili.

Privacy e Sicurezza dei Dati

Differenze tra Privacy e Sicurezza dei Dati

La privacy dei dati si riferisce alla protezione delle informazioni personali, garantendo che le persone abbiano il controllo su come i loro dati vengono raccolti, utilizzati e condivisi. Ciò comporta la conformità a normative e standard, come il GDPR in Europa, per salvaguardare i dati personali da accessi non autorizzati e usi impropri.

D’altra parte, la sicurezza dei dati si concentra sulla salvaguardia dei dati da accesso, uso, divulgazione, interruzione, modifica o distruzione non autorizzati. Implica l’implementazione di misure tecniche e organizzative per prevenire violazioni della sicurezza e proteggere la riservatezza, l’integrità e la disponibilità dei dati.

In sostanza, la privacy dei dati riguarda la gestione appropriata delle informazioni personali, mentre la sicurezza dei dati si concentra sulla protezione di tutti i tipi di dati da varie minacce. Entrambi sono fondamentali per mantenere la fiducia e garantire l’uso responsabile delle informazioni nell’era digitale.

Cos’è il Fast Data?

La Valorizzazione dei Dati in Tempo Reale

La tendenza Fast Data è il riconoscimento che le informazioni su cui si agisce in tempo reale sono significativamente più preziose per un’organizzazione rispetto a quando vengono esaminate in un report regolarmente pianificato. Gli approcci tradizionali all’assunzione, al magazzino, all’elaborazione e alla reportistica non consentono alle aziende di reagire ad alcuni tipi di dati prima che diventino irrilevanti.

Applicazioni come le implementazioni IoT, i social media, l’analisi web e l’utilizzo dei dispositivi mobili possono richiedere l’esecuzione di azioni in tempo reale sulle tendenze contenute in molti terabyte di dati. Se i clienti trarranno vantaggio dal prendere decisioni aziendali in tempo reale basate su grandi quantità di dati, avranno bisogno di aiuto. Fast Data non riguarda solo la tecnologia che li rende possibili. Si tratta di investire in pratiche aziendali relative al monitoraggio e all’analisi, agli avvisi di eventi significativi e ai piani per intraprendere azioni rapide e correttive.

Analisi in Tempo Reale

I dati veloci nei Big Data si riferiscono all’applicazione dell’analisi dei Big Data a set di dati più piccoli. Questo può essere fatto quasi in tempo reale o reale per risolvere un problema o creare valore aziendale. “Poiché i dati vengono raccolti a un ritmo crescente e poiché la maggior parte di questi dati è in tempo reale, i vantaggi dei Big Data possono andare persi se le informazioni non vengono elaborate rapidamente.

L’elaborazione di “dati veloci nei Big Data” a una velocità vertiginosa richiede due cose: un sistema in grado di gestire gli sviluppi con la stessa rapidità con cui appaiono e un data warehouse che abbia la capacità di lavorare su ogni elemento una volta arrivato”[3]. Questi database orientati alla velocità possono facilmente supportare analisi in tempo reale e processi decisionali complessi, elaborando così efficacemente un feed di dati in entrata incessante. Uno dei modi migliori per catturare il valore dei dati in entrata è reagire ad essi nell’istante in cui arrivano. Se si stanno elaborando i dati in ingresso in batch diversi, si perde tempo e, di conseguenza, il valore di tali dati.

Tecnologie per la Gestione del Fast Data: Sistemi di Streaming e Archiviazione

Per l’elaborazione di dati che arrivano a decine di migliaia o milioni di eventi al secondo, sono necessarie due tecnologie: un sistema di streaming in grado di recapitare gli eventi con la stessa velocità con cui arrivano e un archivio dati in grado di elaborare ogni elemento con la stessa velocità con cui arriva. “L’obiettivo principale dei dati veloci è quello di raccogliere ed estrarre rapidamente dati strutturati e non strutturati in modo da poter intraprendere azioni rapide. Poiché il flusso di dati provenienti da dispositivi, sensori, attuatori e comunicazioni machine-to-machine (M2M) nell’Internet of Things (IoT) continua a crescere, diventa fondamentale per le organizzazioni identificare quale tipo di dati è sensibile al fattore tempo e deve essere utilizzato immediatamente”[4].

Il Ruolo del Fast Data nelle Applicazioni Cloud Native e Casi d’Uso per il Fast Data

“Il concetto di dati veloci svolge un ruolo importante nelle applicazioni cloud native che richiedono una bassa latenza e dipendono dall’elevata capacità di I/O fornita dagli array di storage flash all-flash o ibridi. Nei prossimi anni, si prevede che alcune applicazioni di dati veloci si baseranno su dati batch rapidi, mentre altre richiederanno flussi in tempo reale. I potenziali casi d’uso per i dati veloci includono”[5]:

“Applicazioni intelligenti che possono aiutare ad analizzare in tempo reale l’utilizzo dell’energia elettrica in decine di migliaia di località. Inoltre, avvierà automaticamente la riduzione del carico per bilanciare l’offerta con la domanda in specifiche regioni geografiche”[6]. “Sviluppo di applicazioni intelligenti per l’esposizione di vetrine in grado di identificare efficacemente il profilo demografico di un potenziale cliente e, quindi, generare un codice sconto o altre offerte speciali per il cliente”[7].

Telecamere di sorveglianza intelligenti in grado di registrare gli eventi in modo continuo e di utilizzare l’analisi predittiva per identificare le anomalie di sicurezza nel momento in cui si verificano.

Benefici del Fast Data per la Competitività Aziendale

Poiché i dati veloci aumentano la capacità di ottenere informazioni dettagliate dai dati nel momento in cui vengono generati e ti consentono di prendere decisioni immediate, la loro implementazione può aumentare il valore delle iniziative di Big Data. La velocità è solo uno degli imperativi per rimanere rilevanti sul mercato. Una volta creata un’infrastruttura che consente ai dati di muoversi più velocemente e senza interruzioni, si sbloccano anche le chiavi per rimanere competitivi.

NVMe e l’Evoluzione dello Storage Aziendale

Per stare al passo con i server ad alte prestazioni di oggi che supportano centinaia, se non migliaia, di carichi di lavoro virtuali e applicazioni aziendali critiche, la progettazione dei sistemi di oggi e i data center di nuova generazione richiederanno un’infrastruttura dati in grado di trasferire i dati in modi migliori.

Una di queste evoluzioni che sta avvenendo in questo momento è NVMe, che porta lo storage aziendale da una lenta strada di campagna a due corsie™ alimentata da SAS e SATA a una veloce autostrada a 12 corsie guidata da Non-Volatile Memory Express (NVMe), per fornire l’infrastruttura di cui l’azienda ha bisogno per rimanere rilevante. La velocità è solo uno degli imperativi per rimanere rilevanti. Una volta creata un’infrastruttura che consente ai dati di muoversi più velocemente e senza interruzioni, si sbloccano anche le chiavi non solo per rimanere rilevanti, ma anche per garantire la competitività, tra cui:

• Approfondimenti tempestivi – I dati rapidi forniscono informazioni tempestive e monitoraggio in tempo reale per la previsione di eventi che hanno il potenziale per influire sulle prestazioni aziendali. La possibilità di accedere a questo tipo di dati è estremamente importante per migliorare i processi e ridurre i rischi.[8]
• Accelerazione del carico di lavoro – Le applicazioni di dati veloci utilizzano una tecnologia di archiviazione avanzata per risolvere i problemi che aiutano a ottimizzare i risultati. Con i dati a portata di mano, i reparti IT possono aiutare i leader aziendali a collegare i punti e interpretare le statistiche necessarie per prendere decisioni informate.
• Gestione incentrata sui dati – L’archiviazione rapida dei dati fornisce ai dipendenti una piattaforma tangibile per valutare e migliorare le proprie prestazioni lavorative attraverso aggiornamenti tempestivi e analisi semplificate. I professionisti IT possono utilizzare entrambe le forme di dati per aiutare i dipendenti a rimanere informati sull’analisi aziendale e valutare la qualità delle loro prestazioni[9].

Ti invitiamo a leggere il prossimo articolo dedicato al tema “Open Source Intelligence (OSINT) e Sicurezza” e a scaricare liberamente e gratuitamente il documento completo intitolato “Big e Fast Data: tra sfida per la sicurezza e privacy“.

Note e Biografia:

[1] Vgs. nota 8.

[2] Nikolia “Scalabilità: capacità di un sistema di aumentare o diminuire di scala in funzione delle necessità e disponibilità”. Tecnologico.wiki.

[3] Vgs. nota 29.

[4] Vgs. nota 29.

[5] Vgs. nota 29.

[6] Vgs. nota 29.

[7] Vgs. nota 29.

[8] Vgs. nota 16.

[9] Vgs. nota 16.

https://www.ictsecuritymagazine.com/articoli/big-data-e-sicurezza/