Tracked as CVE-2026-19490, the authentication bypass flaw has been exploited in the wild since at least September 3.
The post Critical NetScaler Vulnerability Exploited in Attacks appeared first on SecurityWeek.
https://www.securityweek.com/critical-netscaler-vulnerability-exploited-in-attacks/
Anthropic is most concerned about Claude Mythos 5’s reckless behavior after recent incidents in which real systems were hacked.
The post Widened Scan Turns Up Fourth Rogue Claude Cyber Incident appeared first on SecurityWeek.
https://www.securityweek.com/widened-scan-turns-up-fourth-rogue-claude-cyber-incident/
In June 2026, hackers stole personal, health, and insurance information from AdaptHealth’s systems.
The post 4.1 Million Impacted by AdaptHealth Data Breach appeared first on SecurityWeek.
https://www.securityweek.com/4-1-million-impacted-by-adapthealth-data-breach/
Cisco and CISA have flagged exploitation of CVE-2026-20079, a vulnerability disclosed in March 2026.
The post Organizations Warned of Cisco Secure FMC Exploitation appeared first on SecurityWeek.
https://www.securityweek.com/organizations-warned-of-cisco-secure-fmc-exploitation/
L’evoluzione dell’intelligenza artificiale sta ridefinendo in modo profondo non solo le capacità di analisi dei dati, ma anche le modalità con cui le informazioni possono essere alterate, simulate o rese indistinguibili dall’autentico. In questo scenario emergono le tecniche anti-forensics assistite dall’AI, che spaziano dal data poisoning alla manipolazione della firma fotografica PRNU, fino ai deepfake e agli evasion attacks, mettendo in crisi la stabilità epistemologica della prova digitale.
Il contributo, che fa parte di una serie dedicata all’impatto dell’intelligenza artificiale sui sistemi probatori e sulle dinamiche del processo penale contemporaneo, analizza le principali categorie di attacchi e manipolazioni, mostrando come l’AI possa essere utilizzata sia per alterare i dati in ingresso ai modelli sia per falsificare log, immagini, contenuti multimediali e output algoritmici. L’obiettivo è evidenziare le implicazioni forensi di queste tecniche e la necessità di approcci probatori fondati su catene di verifica multiple e indipendenti.
Data poisoning, PRNU manipulation, deepfake ed evasion attacks: l’arsenale operativo dell’anti-forensics assistita dall’AI.
Il modellamento del dato (data shaping) consiste nell’alterare il dato prima che venga analizzato, senza renderlo necessariamente sospetto all’occhio umano o agli strumenti tradizionali. L’avvelenamento del dataset (data poisoning) colpisce invece i dati di addestramento, aggiornamento o affinamento del modello (fine-tuning), inducendo il sistema ad apprendere correlazioni errate o comportamenti distorti.
Goldblum et al. hanno sistematizzato questa categoria di attacchi in uno studio pubblicato su IEEE Transactions on Pattern Analysis and Machine Intelligence, distinguendo tra avvelenamento della disponibilità, volto a degradare le prestazioni generali, e avvelenamento per inserimento di backdoor, che induce comportamenti malevoli specifici attivabili da un innesco (trigger) predefinito.
Il caso Microsoft Tay (2016), benché non forense in senso stretto, rimane il riferimento emblematico: il chatbot fu ritirato dopo circa sedici ore perché un attacco coordinato sfruttava la sua capacità di apprendimento online per contaminarlo con contenuti offensivi e ideologicamente connotati. Il caso (documentato in un episodio reale) dimostra che un sistema AI può essere compromesso non perché difettoso nella propria architettura, ma perché esposto deliberatamente a un ambiente informativo ostile.
In ambito forense il parallelo è diretto: un modello linguistico impiegato per riassumere, classificare o correlare chat, messaggi di posta elettronica o documenti sequestrati potrebbe incontrare un corpus previamente manipolato con testi orientati, istruzioni ambigue o dati semanticamente falsificati. A ciò si aggiunge il rischio dell’iniezione di prompt indiretta (indirect prompt injection, IPI): un documento apparentemente innocuo, processato da un sistema AI nell’ambito di un’analisi forense, può contenere istruzioni nascoste capaci di alterare le conclusioni del modello senza lasciare tracce evidenti nei log applicativi ordinari. Per questo la letteratura sulla forensic readiness dei sistemi LLM insiste sull’invocation logging: registrazione strutturata dell’inferenza, con timestamp, identificatori di sessione, prompt completo, contesto utilizzato, parametri rilevanti e output generato.
Implicazione forense: ogni dato in ingresso a un sistema AI deve essere conservato nella forma grezza originale, autenticato con firma crittografica, sottoposto a controllo delle versioni e mantenuto separato dal dato trasformato. L’output del sistema AI non è mai valutabile in modo autonomo senza conoscere il dataset di partenza, il prompt esatto, il contesto operativo e l’intera catena delle trasformazioni subite dal dato.
Il log crafting consiste nella creazione o manipolazione di registrazioni di sistema formalmente coerenti: sintassi corretta, timestamp credibili, sequenze compatibili, messaggi verosimili. Il rischio specifico è che un sistema AI, addestrato al riconoscimento di pattern statistici, accetti come autentica una sequenza artificiale non perché difettoso, ma perché quella sequenza è stata confezionata per soddisfare esattamente i criteri di validità che il sistema impara a riconoscere.
Il caso Stuxnet rimane il riferimento storico più documentato di manipolazione sistematica della percezione dello stato di un sistema. Il malware modificava segretamente il funzionamento dei PLC Siemens S7-315 e S7-417 inviando agli operatori letture false che mostravano condizioni operative normali, mentre i macchinari venivano progressivamente danneggiati. Falliere, Murchu e Chien descrivono la componente rootkit come un replay attack sul canale di comunicazione PLC, rappresentando il primo caso documentato di malware capace di manipolare la percezione dello stato fisico di un impianto industriale. La logica sottostante, mostrare al sistema di monitoraggio una realtà diversa da quella effettiva, è la medesima che governa il log crafting assistito da AI in contesto forense.
In assenza di una fonte sperimentale univoca e stabilizzata, il log crafting assistito da AI deve essere qualificato come rischio metodologico emergente, non come risultato forense già consolidato. La capacità dei modelli linguistici di generare sequenze sintatticamente corrette e temporalmente plausibili impone comunque una cautela processuale precisa: i log sono spesso una fonte primaria in indagini su accessi non autorizzati, frodi informatiche ed esfiltrazione di dati, ma non devono essere valutati isolatamente.
Sul piano operativo, essi devono essere sistematicamente triangolati con fonti indipendenti non controllate dalla stessa parte: sistemi EDR, piattaforme SIEM, log di firewall e proxy, telemetria cloud, Master File Table (MFT), USN Journal ($UsnJrnl), Event Log di Windows, dati di flusso di rete (netflow e netcap), timeline applicative e repliche su sistemi remoti. La single-source evidence, ossia la prova che poggia su una sola fonte, in particolare se filtrata da un sistema AI, è strutturalmente fragile e non può fondare, da sola, una pronuncia di condanna.
Fondamenti della tecnica. La Photo Response Non-Uniformity (PRNU) costituisce, allo stato attuale della disciplina forense, il riferimento metodologico più robusto per l’attribuzione di un’immagine digitale a uno specifico dispositivo di acquisizione. Il suo impiego sistematico trova fondamento nel lavoro seminale di Lukáš, Fridrich e Goljan, che dimostrarono come le imperfezioni microscopiche introdotte in fase di fabbricazione del sensore CMOS o CCD generino un pattern di risposta fotoelettrica statisticamente univoco e riproducibile. La firma PRNU è indipendente dai metadati EXIF e non eliminabile attraverso la semplice rimozione degli header del file.
Il fingerprint-copy attack e le sue evoluzioni. L’attacco più documentato è il fingerprint-copy attack: l’avversario, disponendo di un campione di immagini scattate con il dispositivo bersaglio, estrae la stima del PRNU di quel sensore e la sovrappone a immagini provenienti da un dispositivo diverso, inducendo l’algoritmo di identificazione a classificare erroneamente la sorgente.
Li, Luo, Rao e Huang hanno proposto un attacco migliorato che opera con un metodo a blocchi (block-wise), sovrapponendo la firma in maniera dispersa e non uniforme sull’immagine bersaglio. La calibrazione dell’intensità della firma iniettata è vincolata alla qualità oggettiva dell’immagine risultante, riducendo così la componente non-PRNU rilevabile dal triangle test. Gli esperimenti, condotti su 2.900 immagini provenienti da quattro fotocamere distinte, confermano l’efficacia dell’attacco (risultato dimostrato sperimentalmente).
Il triangle test, introdotto da Goljan e Fridrich per contrastare il fingerprint-copy, sfrutta la correlazione anomala tra immagini sottratte e immagini falsificate. Marra et al. hanno dimostrato che anche questo test è attaccabile. Sul versante delle contromisure, Barni, Santoyo García e Tondi hanno proposto una statistica pooled migliorata per rafforzare il triangle test contro l’attacco fingerprint-copy mentre un successivo studio, con compagine d’autore parzialmente diversa, ne ha mostrato il superamento, evidenziando i limiti del test pooled nell’identificazione PRNU. L’approccio Universal Wavelet Relative Distortion (UWRD), documentato da Sameer e Naskar, offre infine un attacco counter-forensic basato su trasformata wavelet che mira a sopprimere l’impronta PRNU senza introdurre artefatti visibili macroscopici.
Deep learning: dualismo offensivo-difensivo. Le medesime architetture di apprendimento profondo che hanno rafforzato la capacità di identificazione della sorgente vengono ora impiegate anche come strumenti di attacco. Sul versante difensivo, reti convoluzionali (CNN), strutture residuali e contrastive learning estraggono l’impronta PRNU con maggiore robustezza rispetto ai metodi statistici tradizionali. Sul versante offensivo, le stesse architetture possono essere addestrate per sopprimere, falsificare o sostituire l’impronta in modo impercettibile: un approccio definibile adversarial fingerprint manipulation, che opera in modo automatizzato, scalabile e adattivo rispetto alle contromisure forensi note. La letteratura più recente conferma che nessun metodo di identificazione, tradizionale o neurale, può essere considerato immune ad attacchi mirati condotti con strumenti di deep learning.
Principio processuale: l’attribuzione di un’immagine a uno specifico dispositivo non può fondarsi esclusivamente su una correlazione PRNU positiva ottenuta mediante algoritmo automatico. Ogni perizia deve soddisfare condizioni concorrenti:
La forza probatoria della PRNU risiede nella convergenza con altri elementi, non nella sua autonomia.
Tassonomia delle tecniche di manipolazione sintetica. Il content-aware fill e l’inpainting computazionale rimuovono o sostituiscono porzioni di un’immagine attraverso algoritmi di completamento contestuale basati su GAN o modelli di diffusione, producendo riempimenti visivamente coerenti. Il deepfake video sostituisce o sintetizza il volto di un individuo in sequenze video mediante architetture encoder-decoder. Il voice cloning replica le caratteristiche acustiche della voce (timbro, cadenza, intonazione, pattern prosodici) da campioni audio anche molto brevi, producendo sintesi difficilmente distinguibile dall’originale in condizioni di ascolto non specialistico. Sistemi come VALL-E hanno mostrato la possibilità di generare una voce sintetica a partire da campioni di circa tre secondi.
In contesto forense, il problema non risiede soltanto nella distinzione tra autentico e falsificato, ma nella capacità di provare, con standard processuali, tre elementi distinti: l’origine del file, la sua integrità nel tempo e il contesto della sua produzione e diffusione.
Il caso Arup (Hong Kong, 2024). Nel gennaio 2024 un dipendente della filiale di Hong Kong della società di ingegneria britannica Arup eseguì quindici bonifici bancari per un importo complessivo di circa 200 milioni di dollari di Hong Kong (circa 25,6 milioni di dollari statunitensi), distribuiti su cinque conti correnti, a seguito di una videoconferenza nella quale tutti i partecipanti, ad eccezione della vittima, erano rappresentazioni deepfake di dirigenti reali.
L’accesso iniziale era avvenuto tramite spear-phishing impersonante il CFO; i deepfake erano stati costruiti da materiali video e audio prelevati da conferenze aziendali pubblicamente accessibili. La Hong Kong Police Force ha confermato che nessun soggetto è stato arrestato, i fondi non sono stati recuperati e l’attribuzione dell’attacco rimane aperta (caso reale documentato). L’episodio documenta tre vulnerabilità sistemiche:
Il caso Zelensky (Ucraina, marzo 2022). Il 16 marzo 2022 fu diffuso un video deepfake del presidente Zelensky che simulava un appello alla resa. Il professore Hany Farid (UC Berkeley) identificò anomalie nella proporzione testa-corpo, incongruenze nell’accento e artefatti di temporizzazione caratteristici delle architetture di face-swapping. Il video fu smentito e rimosso dalle principali piattaforme. Si tratta di uno dei primi episodi documentati di impiego operativo del deepfake in un contesto bellico attivo con finalità di disinformazione strategica.
Metodologia forense e protocollo di autenticazione. Le metodologie attualmente più consolidate analizzano le inconsistenze spazio-temporali tra fotogrammi consecutivi. Il modello MVFNet estrae congiuntamente feature forensi spaziali e temporali per rilevare inpainting, deepfake, splicing e re-encoding. Metodi basati sulla trasformata di Fourier sull’asse temporale pixel per pixel consentono di individuare periodicità artificiali introdotte dai generatori nella dimensione temporale. Una rassegna sistematica dei metodi forensi per l’identificazione multimodale di deepfake sui social media conferma che l’affidabilità di questi strumenti dipende fortemente dalla qualità del campione e che nessuno di essi è, da solo, conclusivo.
Sul piano della provenienza, il C2PA (Coalition for Content Provenance and Authenticity) ha rilasciato la specifica 2.2 nel 2025. Le Content Credentials costituiscono un meccanismo promettente di provenance tracking, ma non sono una garanzia assoluta: i manifest possono essere rimossi in fase di upload, ricodifica o distribuzione, e l’assenza di credenziali non consente, da sola, alcuna inferenza conclusiva sull’origine artificiale o autentica del contenuto. Per il voice cloning, uno studio del 2025 ha documentato criticità significative dei sistemi di speaker verification e degli strumenti anti-spoofing in condizioni realistiche, tra rumore, compressione e variabilità degli algoritmi di clonazione.
Principio fondamentale: un video convincente non è una prova; è un artefatto digitale che richiede autenticazione indipendente. Il protocollo forense prevede:
Come rilevato da Farid, nessuna tecnica di rilevamento può essere trattata come prova autonoma e definitiva in assenza di un contesto probatorio convergente.
Fondamenti teorici. Gli evasion attacks operano in fase di inferenza: il modello è già addestrato, i parametri sono fissi, e la manipolazione riguarda esclusivamente l’input. Si distinguono dagli attacchi di data poisoning, che agiscono in fase di addestramento, e dagli attacchi di model extraction o membership inference. Il principio fondante fu formalizzato da Szegedy et al.: perturbazioni di ampiezza impercettibile, ottimizzate tramite L-BFGS, sono sufficienti a indurre l’errore di classificazione con confidenza elevata.
Goodfellow, Shlens e Szegedy fornirono la spiegazione meccanicistica attraverso il Fast Gradient Sign Method (FGSM): la linearità delle reti negli spazi ad alta dimensione è la causa strutturale della vulnerabilità. Carlini e Wagner hanno proposto tre metodi di ottimizzazione per le norme L0, L2 e L-infinito, diventati il benchmark di riferimento per la valutazione della robustezza adversarial.
Brown et al. hanno introdotto il concetto di adversarial patch: un pattern visivo stampabile e applicabile fisicamente che produce misclassification indipendentemente da posizione, scala e orientamento. Eykholt et al. hanno dimostrato che sticker applicati a segnali stradali, visivamente percepibili come atti vandalici ordinari, inducevano misclassification nel 100% delle immagini in laboratorio e nell’84,8% dei fotogrammi catturati da un veicolo in movimento per il classificatore bersaglio (risultato dimostrato sperimentalmente). Il principio forense diretto è di rilevanza immediata: la soglia di plausibilità di un attacco adversarial non coincide con quella della percezione umana.
Il caso Tencent Keen Security Lab – Tesla Autopilot, 2019. Il documento tecnico Experimental Security Research of Tesla Autopilot dimostrò sperimentalmente che l’apposizione di tre piccoli sticker sulla carreggiata era sufficiente per indurre il sistema di riconoscimento delle corsie del Tesla Model S a generare un comando di sterzo nella corsia opposta. Il rapporto documentava ulteriori superfici di attacco: attivazione dei tergicristalli tramite adversarial example fisico e controllo dello sterzo mediante gamepad wireless. L’esperimento dimostra che la frontiera dell’attacco include la manipolazione dell’ambiente percepito dal sistema, aprendo scenari di rischio che i modelli tradizionali di threat modeling non contemplano.
Evasion attacks nel dominio malware. Demetrio et al. hanno dimostrato che la modifica funzionalmente neutrale di sezioni inutilizzate dei file Windows PE, con iniezione di contenuto adversarial ottimizzato, può indurre misclassification nel classificatore MalConv. La letteratura successiva ha esteso il problema sia agli attacchi contro classificatori malware sia alla generazione di falsi positivi sistematici, ma i tassi di evasione dipendono fortemente da modello, dataset, vincoli funzionali del file e scenario sperimentale. In un contesto processuale è quindi metodologicamente scorretto trasferire percentuali ottenute in laboratorio direttamente al caso concreto senza validazione specifica.
Implicazione processuale: un classificatore AI che dichiara un file benigno, una conversazione non rilevante o un’immagine autentica deve essere trattato esclusivamente come strumento di triage. La sua pronuncia è condizionata dall’insieme di pattern appresi durante l’addestramento, dalla distribuzione del dataset, dall’assenza di esempi adversarial nel training set e dall’assenza di attacchi attivi al momento dell’inferenza: quattro condizioni non verificabili a posteriori senza documentazione rigorosa della pipeline di sviluppo del modello.
Documenti, comunicazioni e codice malevolo AI-generato spostano il problema sull’attribuzione e sulla catena della prova.
La generazione di documenti testuali è la capacità più consolidata dei sistemi AI attuali. Un LLM di qualità commerciale può generare contratti, email e messaggi di testo con stile linguistico personalizzato (voice cloning testuale); completare documenti lacunosi in modo stilisticamente coerente; tradurre mantenendo artefatti linguistici che simulano autenticità; generare metadati credibili per file Office.
Kirchenbauer et al. hanno proposto tecniche di watermarking per LLM, ma senza marcatori preventivi l’identificazione del testo AI rimane statisticamente fragile. Sadasivan et al. hanno evidenziato un limite strutturale dei sistemi di rilevazione del testo generato da AI: quando chi produce il testo conosce, o può interrogare, il detector utilizzato per valutarlo, può progressivamente modificare l’output fino a renderlo meno riconoscibile come artificiale. Ne deriva che tali strumenti possono avere utilità orientativa o di triage, ma non possono essere impiegati, da soli, come prova dell’origine artificiale di un documento in sede processuale.
Implicazione processuale: un documento presentato come prova non può essere autenticato basandosi esclusivamente sull’analisi del testo; è necessario risalire ai sistemi di origine, verificare i log dei server, analizzare la trasmissione di rete e le copie di backup indipendenti. In mancanza di tali riscontri, la sola analisi stilistica, sia essa compiuta da un esperto umano o da un sistema AI, non può assurgere a prova di autenticità o di falsità nel contesto processuale.
Sistemi e servizi malevoli pubblicizzati come WormGPT e FraudGPT, richiamati da report di threat intelligence del 2023, sono stati presentati come strumenti per generare campagne di phishing e contenuti offensivi altamente personalizzati.
Per il consulente o perito informatico forense, il codice malevolo generato o assistito da AI introduce una criticità specifica: l’attribuzione dell’autore. Tradizionalmente, alcuni elementi stilistici del codice (denominazione delle variabili, struttura delle funzioni, commenti, scelte algoritmiche e ricorrenze sintattiche) potevano contribuire, insieme ad altri indicatori tecnici, a formulare ipotesi sull’autore o sul gruppo di attori coinvolto. L’intervento dell’AI tende però a uniformare, alterare o mascherare tali impronte individuali; ne consegue che l’attribuzione forense diventa più fragile e non può fondarsi sul solo stile del codice, ma richiede la convergenza di ulteriori elementi: infrastruttura utilizzata, catena di distribuzione, telemetria, log, artefatti di compilazione, contesto operativo e, ove disponibili, tracce relative al servizio AI eventualmente impiegato.
Ciò incide sulla tenuta complessiva della ricostruzione tecnico-probatoria nei procedimenti per cybercrime: per l’accusa, rende più fragile l’attribuzione del codice malevolo a un determinato autore o gruppo di attori; per la difesa, impone la possibilità di contestare in modo tecnicamente fondato inferenze attributive basate su indicatori stilistici non più sufficientemente affidabili. Ne deriva la necessità di rivedere i metodi tradizionali di attribuzione, privilegiando approcci multi-fonte fondati sulla convergenza tra codice, infrastruttura, telemetria, log, artefatti di compilazione e contesto operativo.
Il contributo di Cosimo de Pinto offre una ricognizione delle principali tecniche di anti-forensics assistite dall’AI, evidenziando come data poisoning, manipolazione della firma PRNU, sintesi di contenuti multimediali e attacchi di evasione possano incidere in modo strutturale sulla produzione e sulla valutazione della prova digitale. Ne emerge un quadro in cui non solo i dati e i modelli possono essere alterati, ma anche le tracce stesse dell’attività informatica diventano potenzialmente costruibili, sollevando criticità rilevanti in termini di affidabilità e verificabilità.
Per un approfondimento sistematico di queste dinamiche, si invita alla lettura del paper di Cosimo De Pinto “Quando l’AI mente bene: deepfake, prova digitale e anti-forensics nel processo penale”, che sviluppa in modo organico il rapporto tra intelligenza artificiale, attendibilità della prova e criticità processuali, offrendo un quadro teorico e operativo indispensabile per comprendere l’impatto dell’AI sul diritto probatorio contemporaneo.
https://www.ictsecuritymagazine.com/articoli/tecniche-anti-forensics/
A nearly identical exploit kit that targets critical vulnerabilities in both Chromium-based browsers and older versions of Windows is being actively used by at least four hacking groups, some of which have ties to the Chinese government.
Researchers from security firm Proofpoint said Wednesday that BlueMoon, the name they gave to the kit, chains three vulnerabilities together so the attackers using it can install malware of their choice. BlueMoon exploits two Chromium vulnerabilities and one in the kernel of Windows 10 (Oct. 2018 Update), Windows Server 2019, Windows 10 2004, Windows Server 2022, and the initial release of Windows 11. All three vulnerabilities have received patches in the past 24 hours.
The attacks lacked the stealth found in many campaigns. More often, hackers want to exploit newly discovered vulnerabilities sparingly to lengthen their longevity. Proofpoint hypothesized that one reason for the widely used and visible exploit chain was to take advantage of a “patch gap” in the Chromium supply chain, which spans the time a patch is available from developers and the time that patch is incorporated into browsers such as Chrome and Edge. Another likely contributor was the use of AI, which can often spot vulnerabilities faster than discovery performed solely by humans.
https://arstechnica.com/information-technology/2026/09/4-groups-caught-using-the-same-chrome-and-windows-exploit-kit/
AI risk and compliance startup HelmGuard today announced raising $7.3 million in seed funding.
The investment round was co-led by Infinity Ventures and Frontline, with additional support from FinTech Collective, Stage 2 Capital, and Entrepreneurs First.
Founded in 2024 by former Palantir executive John Daley (CEO) and Jack Miller (CTO), UK-based HelmGuard has built an agentic governance, risk and compliance (GRC) and security platform that continuously collects and assesses risk signals from source systems.
According to the startup, its solution cuts assessment cycles to hours by unifying fragmented compliance, security, and risk data from unstructured data, documentation, and source systems it integrates into.
The platform’s AI agents then automate risk management, assurance, and control gap assessment workflows to synthesize the results into a single, unified view.
Vendor risk underwritten at purchase no longer covers what is currently running, as more and more vendors are integrating AI into their products, HelmGuard says, noting that its agents are collecting evidence and assessing risks under verified, current claims.
“Most compliance platforms were built to document a process, not to reach a conclusion. Now they’re using AI to produce those documents faster, which doesn’t help anyone decide anything,” Daley said.
“Our agents go to the source to collect and assess risk signals directly, abstracting away the manual data collection and assessment work that burns thousands of hours annually. This funding lets us bring that capability to far more teams and extend it to governing the AI agents being deployed on other workflows,” he added.
Related: Catch Raises $5 Million for AI Executive Assistant With Guardrails
Related: HiddenLayer Raises $100 Million for AI Runtime Security
Related: AI Agent Firewall Startup AIR Security Emerges From Stealth With $50 Million
Related: Alice Raises $140M to Expand AI Model Defenses and Enterprise Guardrails
https://www.securityweek.com/helmguard-raises-7-3-million-for-agentic-grc-and-security/
Quando si parla di sovranità digitale si pensa, in primo luogo, a questioni relative al controllo sul mercato delle tecnologie; o alla titolarità dei progetti relativi alla ricerca e allo sviluppo di nuovi strumenti digitali.
Si tratta, del resto, proprio degli elementi su cui si concentra il “Tech sovereignty package” che la Commissione UE ha presentato lo scorso 3 giugno al fine di rafforzare l’autonomia europea in ambito di semiconduttori, cloud e intelligenza artificiale, nonché nel campo delle tecnologie open source.
La sovranità digitale, però, è molto di più: riguarda la definizione, l’accessibilità e la regolamentazione delle infrastrutture informatiche e degli spazi online, nonché la libertà di espressione dei cittadini in quegli stessi spazi. A dimostrarlo è anche la recente vicenda che ha coinvolto Autistici/Inventati, realtà indipendente e antiautoritaria che da oltre vent’anni offre gratuitamente infrastrutture digitali a persone o progetti “sulla base della compatibilità con questi principi”, ponendosi come alternativa critica alle grandi piattaforme commerciali.
Il 26 agosto 2026 – nell’ambito dell’aggressiva politica estera dell’amministrazione Trump, ormai pienamente estesa al dominio cyber – il collettivo A/I è stato inserito nell’elenco degli Specially Designated Nationals and Blocked Persons List (SDN), con l’etichetta Specially Designated Global Terrorist (SDGT).
Il Dipartimento di Stato sostiene che la designazione sia motivata dal sostegno fornito a soggetti rientranti nella definizione di “terroristi” secondo l’EO 13224. L’Office of Foreign Assets Control (OFAC) del Dipartimento del Tesoro ha altresì emesso la General License 36, autorizzando fino al 25 settembre 2026 il wind-down di determinate operazioni o transazioni coinvolgenti A/I, che potranno quindi essere concluse gradualmente.
La lista SDN, creata con l’Executive Order 13224 poco dopo gli attacchi dell’11 settembre 2001, è infatti gestita dall’OFAC insieme al Dipartimento di Stato. Ma accanto a individui ed entità cui gli Stati Uniti attribuiscono veri e propri atti di terrorismo, l’elenco include anche persone od organizzazioni ritenute responsabili di fornire “supporto materiale, finanziario o tecnologico” ad attività terroristiche, senza essere accusate di aver commesso alcun reato.
Nel caso di Autistici/Inventati, l’accusa principale riguarda la fornitura di strumenti informatici (email e mailing list, chat, servizi di hosting e streaming) che garantiscono l’anonimato; rischiando così, secondo l’OFAC, di agevolare le comunicazioni tra soggetti pericolosi. In merito vengono espressamente citati due gruppi statunitensi (uno appartenente alla galassia antifa, l’altro attivo nella difesa del diritto all’aborto) nonché il PKK curdo, considerato da Washington un’entità terroristica e a cui l’infrastruttura A/I era stata resa disponibile in passato.
Dal canto suo il collettivo ha respinto tutte le accuse, rivendicando “il proprio ruolo di infrastruttura per comunicazione, privacy e autodifesa digitale”.
Già il 28 agosto, appena due giorni dopo l’inserimento nella lista, il dominio autistici.org risultava “non normalmente raggiungibile”.
In un primo comunicato il collettivo dichiarava di non conoscerne i motivi e di non aver ricevuto alcuna ingiunzione o comunicazione da parte di autorità italiane o europee, specificando che “Rilevazioni tecniche hanno indicato il dominio in stato serverHold, uno stato che normalmente impedisce la normale pubblicazione del dominio nel DNS. Il dato tecnico documenta lo stato del dominio, ma non prova da solo chi abbia deciso l’intervento né per quale motivo”.
Senza poter ricostruire con certezza la catena decisionale che ha portato dalla designazione al blocco del dominio ed evidenziando come non risulti “una dichiarazione pubblica di PIR che dica di aver agito su ordine di OFAC”, la ricostruzione ipotizza un intervento a livello di Public Interest Registry (PIR). Benché i server di Autistici/Inventati e la maggior parte dei suoi utenti si trovassero al di fuori dalla giurisdizione di Washington, il coinvolgimento di un dominio gestito da un registry statunitense avrebbe consentito di colpirne le attività sul piano tecnologico; mentre il ricorso a piattaforme finanziarie con sede negli USA (in particolare PayPal, dove l’account di A/I è stato sospeso il 27 agosto) avrebbe abilitato le sanzioni economiche.
Nei giorni seguenti anche Banca Etica, l’istituto di credito presso cui erano depositati i proventi delle donazioni a sostegno del progetto, ha scelto di sospendere temporaneamente l’operatività del conto corrente. Il comunicato della banca, pur condannando “l’utilizzo dell’inserimento nelle liste OFAC per finalità politiche”, definisce “purtroppo probabile” la successiva chiusura del conto, in quanto “una banca italiana che mantenga rapporti con un soggetto inserito nelle liste OFAC potrebbe essere oggetto di sanzioni secondarie che implicano la cessazione di ogni servizio erogato da intermediari statunitensi”.
Pertanto, il 6 settembre il collettivo ha deciso di interrompere del tutto l’erogazione dei propri servizi, motivando la scelta con la volontà di tutelare organizzazioni e persone sue utenti dalle possibili conseguenze delle sanzioni USA.
La vicenda, in ogni caso, pone in piena luce l’intrinseca connotazione politica di ciò che definiamo “sovranità digitale”.
Di fatto, un’agenzia estera ha scelto di designare come “filoterrorista” una realtà legittima agli effetti della legge italiana; e tale scelta ha improvvisamente impedito l’accesso ai suoi servizi a chi li usava per tutelare la propria privacy in ambito lavorativo, personale, di attivismo. Quasi 20.000 indirizzi di posta, 1.500 siti, 5.500 mailing list e più di 10.000 blog: tutto inaccessibile a causa della valutazione unilateralmente operata da un paese straniero, senza che alcuna autorità statale o internazionale abbia sinora provato a contrapporsi o chiederne le motivazioni.
D’ora in poi, qualunque realtà che offra (o venda) servizi digitali è consapevole del rischio di essere ritenuta responsabile per i contenuti che alcuni dei propri utenti possono pubblicare o condividere tra loro. In altre parole, applicando per la prima volta la teoria del “material support” alla fornitura di infrastrutture tecnologiche ed emanando sanzioni capaci di provocare un effetto “a cascata”, l’amministrazione USA ha creato – volutamente – un precedente ad alto valore simbolico.
Come evidenzia A/I in una lettera aperta, “Tale teorizzazione minaccia host indipendenti, servizi di comunicazione criptata, biblioteche radicali, archivi di movimento, editori e piccoli progetti di volontariato in tutto il mondo. Invita banche, registrar, società di hosting e fornitori di tecnologia a tagliare i rapporti prima di porre domande di natura legale. Trasforma la decisione di raccogliere dati minimi in una ragione di sospetto, la difesa della privacy in una accusa di occultamento e l’infrastruttura in una causa di colpevolezza per associazione”.
Di conseguenza, il collettivo chiede:
“1. La revoca immediata della designazione, oppure un suo riesame rapido e trasparente, con la pubblicazione delle motivazioni giuridiche sufficienti ad una verifica pubblica significativa e a una sua eventuale contestazione.
In un panorama digitale sempre meno libero, sembra improbabile che tali richieste possano essere accolte. La storia di Autistici/Inventati impone allora di chiedersi se abbia davvero senso parlare di autonomia e sovranità tecnologica, quando il potere politico è legittimato ad azzerare l’agibilità operativa ed economica di un soggetto arbitrariamente designato; o se queste espressioni non rischino, in assenza di una consapevolezza politica e sociale che le sostenga, di rimanere vuoti slogan.
https://www.ictsecuritymagazine.com/notizie/sovranita-digitale-autistici-inventati/
Il gruppo ransomware The Gentlemen ha inserito Abaco Viaggi nel proprio sito di divulgazione dati. Ransomfeed ha registrato la rivendicazione la sera del 7 settembre 2026 (ore 21:51, scheda 35801), indicando come dominio colpito abacoviaggi.it; Ransomware.live la riporta alla stessa ora UTC e indica come data stimata dell’attacco lo stesso 7 settembre, che coincide però con il giorno della pubblicazione sul leak site e non documenta quando sia avvenuta l’intrusione. Al momento non risultano conferme da parte della società, di ACN o di CSIRT Italia: il caso va trattato come rivendicazione criminale, non come compromissione accertata.
Il dominio abacoviaggi.it è quello delle caselle di posta delle agenzie di Abaco Viaggi S.r.l., tour operator specializzato in viaggi di gruppo con accompagnatore dall’Italia. Secondo il sito ufficiale, la società ha sede legale a Codroipo (Udine), in Piazza Garibaldi 44, e sede operativa in Via Italia 30 nello stesso comune; partita IVA 02902530274, capitale sociale di 50.000 euro, iscrizione REA UD-233689. I punti vendita si trovano a Codroipo, Udine, Fiume Veneto, San Michele al Tagliamento e Portogruaro. Ufficio Camerale, che precisa di non attingere direttamente al Registro Imprese, riporta 45 dipendenti e un fatturato 2024 di circa 28,6 milioni di euro.
La scheda pubblicata dagli attaccanti descrive invece un’agenzia “fondata nel 1997 a Bologna”, con una partita IVA diversa. Nessun registro pubblico consultato conferma l’esistenza di una società con quei dati; l’unico elemento oggettivo del post resta il dominio, che rimanda all’azienda friulana. All’8 settembre la home page di Abaco Viaggi non riporta alcuna comunicazione sull’incidente.
Nel post il gruppo afferma di aver scaricato dati personali riservati e informazioni sui clienti, documenti finanziari e contabili, corrispondenza commerciale e documenti legali, e-mail, informazioni sull’infrastruttura IT, accessi e credenziali. È una dichiarazione di parte, che nessun soggetto indipendente ha verificato. Il post non indica la data dell’incidente né la quantità di dati; non sono noti il vettore iniziale e l’eventuale cifratura dei sistemi.
The Gentlemen è un’operazione ransomware-as-a-service comparsa a metà 2025. Microsoft traccia gli operatori come Storm-2697: il gruppo è nato come operazione chiusa e ha aperto il programma agli affiliati nel settembre 2025. Secondo Halcyon e Blackpoint, il nucleo operava in precedenza con il nome ArmCorp come affiliato di Qilin; la separazione è stata resa pubblica il 22 luglio 2025 con una disputa su circa 48.000 dollari di commissioni non pagate, mentre il primo campione del malware era comparso su VirusTotal il 17 luglio.
La crescita è stata rapida. Unit 42 riporta 580 vittime in 77 paesi al 7 luglio 2026, con un picco di 117 rivendicazioni nel solo mese di giugno. Comparitech, al 20 agosto, contava 675 attacchi dall’estate 2025, di cui 600 nei primi sette mesi del 2026: una media di 2,8 al giorno, seconda solo a Qilin. Il gruppo cede agli affiliati il 90% di ogni riscatto, contro il 70-80% dei programmi concorrenti, e nel maggio 2026 ha annunciato un accordo con BreachForums per reclutare affiliati, penetration tester e broker di accessi iniziali. Un modello di affiliazione aggressivo accomuna The Gentlemen ad altre sigle recenti, come Panzer ransomware, che ha colpito due aziende italiane nelle scorse settimane.
Gli operatori praticano la doppia estorsione: cifrano i dati e li esfiltrano, minacciandone la pubblicazione. Secondo l’analisi Microsoft del 28 maggio 2026, la variante Windows è scritta in Go, cifra ogni file con una chiave distinta e include un modulo di autopropagazione che tenta 21 diverse operazioni di esecuzione remota su ogni host raggiungibile. Halcyon indica come vettore d’accesso principale CVE-2024-55591, un bypass di autenticazione in FortiOS e FortiProxy. Nel maggio 2026 il gruppo ha subito a sua volta una violazione del proprio backend, con esposizione di chat interne, dati sugli affiliati e trascrizioni delle trattative; secondo Blackpoint l’attività è ripresa dopo la ricostruzione dell’infrastruttura. Le fasi di ricognizione, movimento laterale e disattivazione delle difese seguono lo schema del ransomware human-operated, in cui l’intrusione è condotta manualmente prima della cifratura.
Nel 2026 The Gentlemen è una presenza costante negli elenchi delle vittime italiane. Il motore di ricerca di Ransomfeed, interrogato l’8 settembre, restituisce 21 rivendicazioni del gruppo contro organizzazioni con sede in Italia tra il 4 aprile e il 30 agosto: tra le più recenti, General Gruppo ed Exacta Optech Labcenter (30 agosto), Ariel Energia (21 agosto), ACLI e IPS (14 agosto) e cinque aziende pubblicate nella stessa mattinata del 7 agosto, tra cui il produttore HIWIN. Comparitech, con un criterio di conteggio diverso, attribuisce al gruppo 18 attacchi in Italia tra gennaio e luglio, di cui uno solo confermato dalla vittima, proprio HIWIN.
Abaco Viaggi non figura in quell’elenco: nella scheda Ransomfeed i campi paese, settore e dati pubblicati sono vuoti, quindi la rivendicazione non compare a chi filtra per Italia. È un dettaglio operativo utile a chi monitora le minacce nazionali con strumenti automatici: una vittima italiana può restare fuori dai conteggi finché la classificazione non viene corretta.
Fino a una comunicazione della società o a una segnalazione istituzionale il caso resta una rivendicazione non confermata. Check Point Research osserva che, di norma, i leak site elencano le vittime che non hanno pagato: il numero reale di organizzazioni colpite è quindi superiore a quello pubblicato. Se l’incidente fosse confermato, il titolare dovrebbe notificarlo al Garante entro 72 ore dal momento in cui ne viene a conoscenza (art. 33 GDPR) e, in caso di rischio elevato per gli interessati, comunicarlo direttamente ai clienti (art. 34).
https://www.ictsecuritymagazine.com/cybercrime/the-gentlemen-ransomware-abaco-viaggi/
The security researcher known as Nightmare Eclipse has dropped three zero-day exploits targeting products from Avast, CrowdStrike, and Nvidia.
Also known as Chaotic Eclipse, Infinite Nightmare, and MSNightmare, the security researcher came to fame for a series of zero-day exploits targeting Microsoft’s products, but has recently moved to other vendors as well.
In late August, Nightmare Eclipse released a privilege escalation zero-day in a Kaspersky endpoint security product. Dubbed HardBreacher, the exploit has been patched by Kaspersky on August 31.
Within a short window last week, Nightmare Eclipse dropped three new zero-day exploits, dubbed PrettyPrague, FalconFlank, and GreenSection.
The PrettyPrague proof-of-concept (PoC) code, the researcher says, targets the Avast sandbox to spawn a shell with full system privileges, and may also affect other GenDigital products, including AVG and Norton.
“Gen was recently made aware of a security vulnerability affecting a subset of Gen products, including Avast Antivirus, that could allow an attacker to elevate their system privileges. We immediately initiated our security response procedures and have fixed the issue. We take all security matters seriously and encourage users to keep their products up to date to ensure they are protected,” a GenDigital spokesperson said, responding to a SecurityWeek inquiry.
FalconFlank exploits a bug in the Office malicious macros remediation feature of CrowdStrike Falcon Sensor for privilege escalation, the researcher says.
“We are actively investigating these claims and advise customers to disable the Microsoft Office File Suspicious Macro Removal Windows policy setting. Customers remain protected through the Cloud Anti-malware for Microsoft Office Files settings. We refer customers to the FalconFlank Tech Alert in the CrowdStrike support portal,” CrowdStrike told SecurityWeek.
The GreenSection exploit, Nightmare Eclipse says, targets an out-of-bounds memory write affecting a shared global memory section used by multiple Nvidia user-mode components.
“While this bug does not get SYSTEM privileges immediately, it can be used cross user to user boundary easily or even compromise the dwm.exe process. I didn’t look deeply into it, but I’d be happy to see someone making a full exploit out of it,” Nightmare Eclipse notes.
“We are aware of reports describing a proof-of-concept that demonstrates improper access controls on a shared memory section used by certain NVIDIA GPU display driver components on Windows. NVIDIA is reviewing the reported behavior through our established security and product engineering processes. NVIDIA takes reports of this nature seriously and is actively investigating to determine the root cause, affected configurations, and appropriate remediation,” an Nvidia spokesperson said.
Security researcher Kevin Beaumont said late last week that the Avast, CrowdStrike, and Kaspersky exploits work.
*updated with statement from Nvidia
Related: VMware Workstation and Fusion Updates Patch Critical Vulnerability
Related: Google Patches 6th Chrome Zero-Day of 2026
Related: Over 3 Million WordPress Sites Affected by Migration Plugin Vulnerability
Related: Cisco Warns of Unpatched Secure Email Flaws, Patches Critical Switch Vulnerabilities
https://www.securityweek.com/nightmare-eclipse-drops-crowdstrike-nvidia-avast-zero-day-exploits/