La deepfake detection rappresenta oggi una sfida cruciale in un’epoca in cui la linea tra reale e artificiale è sempre più sottile. L’analisi che segue esplora i limiti e le potenzialità delle tecniche di rilevamento video, dall’analisi del flusso ottico e delle sequenze temporali, fino agli approcci basati su blockchain e watermarking digitale.

Viviamo in un’epoca in cui la linea tra reale e artificiale si fa sempre più sottile. Ogni giorno, milioni di video vengono caricati, condivisi e visualizzati online, ma quanti di questi sono autentici? La domanda non è più filosofica: con l’avvento dei deepfake e delle tecnologie di manipolazione video sempre più sofisticate, la capacità di distinguere il vero dal falso è diventata una necessità critica per la sicurezza della nostra società digitale.

L’intelligenza artificiale, che ha reso possibili queste manipolazioni straordinariamente realistiche, si trova ora nella paradossale posizione di dover proteggere da se stessa. È come se avessimo creato un perfetto falsario e ora dovessimo inventare tecniche altrettanto raffinate per smascherarlo. Questa battaglia tecnologica tra creazione e rilevamento definisce il panorama attuale della sicurezza video.

La ricerca accademica degli ultimi anni ha prodotto risultati impressionanti: algoritmi capaci di raggiungere accuratezze del 90-98% su dataset di riferimento come FaceForensics++. Tuttavia, quando questi stessi sistemi vengono testati nel mondo reale – sui contenuti che effettivamente circolano sui social media, con le loro compressioni, ricompressioni e variabilità infinita – l’efficacia crolla drammaticamente al 75-82%. In alcuni casi, i sistemi più sofisticati si comportano poco meglio di una moneta lanciata in aria.

Questo divario non è un semplice dettaglio tecnico da perfezionare: rappresenta il cuore del problema che affrontiamo oggi. Il Deepfake-Eval-2024, uno studio monumentale che ha analizzato oltre 44 ore di contenuti raccolti da 88 siti web in 52 lingue, ha documentato questa realtà con numeri che non lasciano spazio a interpretazioni ottimistiche. Le riduzioni di performance sono sistematiche: 50% per i video, 48% per l’audio, 45% per le immagini.

Performance dei sistemi di deepfake detection in laboratorio vs mondo reale

Uno degli approcci più intuitivi per rilevare i deepfake si basa su un principio semplice ma profondo: il movimento naturale segue leggi fisiche precise, mentre quello artificiale spesso le viola. Immaginate di osservare una persona che parla: i suoi occhi si muovono in modo coordinato con le espressioni facciali, la pelle si deforma naturalmente, i capelli rispondono ai movimenti della testa. Un deepfake, per quanto sofisticato, fatica a replicare tutte queste micro-dinamiche simultaneamente.

L’analisi del flusso ottico – essenzialmente la matematica che descrive come gli oggetti si muovono tra un frame e l’altro – è diventata uno strumento fondamentale in questo detective work digitale. L’algoritmo RAFT, introdotto nel 2020, ha rivoluzionato questo campo analizzando sistematicamente ogni coppia di pixel tra frame consecutivi. È come avere un investigatore estremamente meticoloso che esamina ogni millimetro di un video alla ricerca di inconsistenze.

I risultati sono impressionanti: RAFT raggiunge un errore di appena 2.855 pixel sul dataset Sintel, un miglioramento del 30% rispetto ai metodi precedenti. La sua evoluzione più recente, SEA-RAFT del 2024, ha ridotto ulteriormente l’errore del 22.9% pur essendo 2.3 volte più veloce. Questi numeri potrebbero sembrare aridi, ma rappresentano la differenza tra un sistema che funziona in laboratorio e uno utilizzabile nel mondo reale.

Tuttavia, c’è un “ma” significativo. Quando questi algoritmi si scontrano con la compressione video – quel processo inevitabile che riduce le dimensioni dei file per renderli condivisibili online – molte delle sottili tracce che cercano vengono obliterate. È come cercare impronte digitali su una superficie che è stata più volte pulita: le prove ci sono, ma sono sempre più difficili da rilevare.

Il tempo come testimone della verità

Se il movimento nello spazio può rivelare manipolazioni, il tempo offre un’altra dimensione di analisi. I deepfake spesso mostrano inconsistenze temporali sottili: un battito di ciglia che non segue il ritmo naturale, un movimento labiale che non si sincronizza perfettamente con l’audio, transizioni tra espressioni che sembrano troppo fluide o troppo brusche.

Le reti neurali ricorrenti e i transformer – architetture di intelligenza artificiale specializzate nell’analizzare sequenze – sono diventati i nostri alleati in questa investigazione temporale. Sistemi come SSTNet combinano l’analisi spaziale con quella temporale, creando una visione multidimensionale che può catturare anomalie invisibili all’occhio umano.

I Temporal Smoothing Transformers rappresentano l’evoluzione più avanzata di questo approccio. Pensateli come sistemi di memoria che possono “ricordare” inconsistenze distribuite lungo l’intera durata di un video, identificando pattern sospetti che emergono solo osservando sequenze estese. Questi sistemi sono sei volte più veloci dei metodi tradizionali e mantengono prestazioni costanti indipendentemente dalla lunghezza del video analizzato.

Ma anche qui, la realtà operativa presenta sfide. GenConViT, uno dei sistemi più avanzati, passa da prestazioni quasi perfette (95.8% di accuratezza) su dataset accademici a un più modesto 75% su contenuti reali. FTCN, un altro sistema promettente, scende al 65%. È come se questi algoritmi fossero campioni olimpici in piscina che poi faticano a nuotare nel mare aperto.

La blockchain come notaio digitale

Di fronte alle limitazioni del rilevamento, una strategia alternativa è quella della prevenzione: garantire l’autenticità di un video fin dal momento della sua creazione. La tecnologia blockchain, celebre per le criptovalute, offre un approccio intrigante: ogni video può essere “timbrato” digitalmente in modo immutabile, creando una catena di custodia che ne certifica l’origine.

Il processo è elegante nella sua semplicità: quando un video viene girato, un’impronta digitale unica viene calcolata e registrata sulla blockchain. Qualsiasi modifica successiva altererebbe questa impronta, rendendo evidente la manomissione. È come avere un notaio digitale incorruttibile che può attestare l’autenticità di qualsiasi contenuto.

Le implementazioni pratiche, tuttavia, rivelano complessità inattese. Su Ethereum, la blockchain più utilizzata, ogni transazione richiede almeno 12 secondi per essere confermata, con costi che possono variare da 50 a 100 dollari per video durante i periodi di congestione della rete. Alternative come Polygon (2 secondi) e Solana (0.4 secondi) offrono prestazioni migliori, ma l’ecosistema rimane frammentato e privo di standard universali.

Il watermarking digitale rappresenta un approccio complementare: informazioni invisibili vengono incorporate direttamente nel video, come una filigrana digitale che ne certifica l’origine. Le tecniche più avanzate raggiungono valori PSNR superiori a 44 dB – un indicatore di qualità che garantisce l’invisibilità del watermark all’occhio umano pur mantenendo la robustezza contro manipolazioni.

Tuttavia, la scalabilità rimane un problema aperto. Gestire più di un milione di video al giorno – un volume tipico per le grandi piattaforme – richiede infrastrutture che le attuali implementazioni blockchain faticano a sostenere. È una classica situazione in cui la teoria supera la pratica: le soluzioni esistono, ma non ancora alla scala necessaria.

L’intelligenza artificiale sotto attacco

Mentre perfezionavamo i nostri sistemi di rilevamento, i creatori di contenuti malevoli non rimanevano con le mani in mano. Gli attacchi adversarial – tecniche specificamente progettate per ingannare l’intelligenza artificiale – hanno aperto un nuovo fronte in questa guerra tecnologica.

Immaginate di stampare un adesivo apparentemente innocuo e di attaccarlo su un cartello stradale: improvvisamente, il sistema di guida autonoma di un’auto non riesce più a riconoscere il segnale di stop. Questo non è fantascienza, ma realtà documentata. Le patch adversarial possono raggiungere tassi di successo del 73-90% in condizioni controllate, anche se si riducono al 20-45% nel mondo reale, dove illuminazione variabile e angolazioni multiple complicano l’attacco.

Gli attacchi si stanno evolvendo oltre il dominio puramente visivo. Pattern luminosi proiettati con laser possono ingannare sistemi di sorveglianza con un successo dell’83.5%, mentre backdoor multi-modali possono compromettere sistemi che analizzano sia video che audio attaccando una sola modalità.

La risposta della comunità scientifica è stata lo sviluppo di tecniche di privacy differenziale e federated learning. Il sistema Privid, ad esempio, protegge informazioni visibili per durate specifiche con un incremento dell’errore contenuto al 1-21% rispetto ai sistemi non protetti. VideoDP genera video “privati” dove elementi possono essere aggiunti o rimossi senza compromettere l’analisi complessiva.

Il grande divario: quando la teoria incontra la pratica

Il momento della verità arriva quando i sistemi accademici incontrano il mondo reale. Il caso emblematico è quello della multinazionale Arup a Hong Kong nel 2024: nonostante l’utilizzo di multipli sistemi di rilevamento commerciali, truffatori sono riusciti a sottrarre 200 milioni di dollari di Hong Kong (25.6 milioni di dollari USA) utilizzando deepfake del CFO in una videoconferenza. Il fatto che sistemi considerati all’avanguardia siano stati completamente elusi evidenzia la portata del problema.

Il Deepfake-Eval-2024 ha documentato questa realtà con precisione scientifica. Non si tratta di sistemi difettosi, ma di un divario sistemico tra le condizioni idealizzate dei laboratori e la complessità caotica del mondo digitale reale. I dataset accademici come FaceForensics++ utilizzano attori professionisti in condizioni di illuminazione controllate, mentre i contenuti reali mostrano una variabilità estrema in termini di qualità, etnie, condizioni ambientali e dispositivi di acquisizione.

La compressione video aggiunge un ulteriore livello di complessità. Gli algoritmi H.264 e H.265, onnipresenti nell’ecosistema digitale, obliterano molti degli indicatori sottili che i sistemi di rilevamento cercano. È come tentare di riconoscere un volto in una fotografia che è stata fotocopiata più volte: l’informazione originale c’è ancora, ma è sempre più difficile da estrarre.

Verso un futuro più realistico

L’evoluzione dei modelli generativi procede a ritmo accelerato. Servizi commerciali come ElevenLabs per la clonazione vocale e Sora per la generazione video producono contenuti che elludono sistematicamente i detector attuali. È una corsa agli armamenti digitale dove gli attaccanti sembrano avere un vantaggio strutturale: devono solo creare contenuti convincenti, mentre i difensori devono individuare ogni possibile manipolazione.

Questa realtà richiede un approccio più umile e realistico. Le metriche di laboratorio devono essere integrate con valutazioni operative che includano precisione real-time, tassi di falsi positivi in condizioni non controllate, e velocità di elaborazione su hardware commerciale. La valutazione cross-domain su dataset completamente distinti dal training set rivelerebbe limitazioni di generalizzazione attualmente mascherate dall’ottimismo accademico.

L’integrazione di sistemi ibridi uomo-macchina rappresenta una direzione promettente. Gli analisti forensi umani mantengono circa il 90% di accuratezza su contenuti reali, superando molti sistemi automatizzati. Combinare l’intuizione umana con la precisione computazionale potrebbe colmare il divario prestazionale che affligge i sistemi puramente algoritmici.

Le architetture modulari, con componenti specializzati per diversi tipi di manipolazione, potrebbero offrire robustezza superiore rispetto ai sistemi monolitici. L’apprendimento continuo mediante aggiornamento incrementale potrebbe ridurre il ritardo nell’adattamento a nuove tecniche generative, mentre garanzie certificate mediante verifica formale potrebbero fornire bound teorici sulle prestazioni in scenari adversarial.

Riflessioni conclusive: oltre l’ottimismo tecnologico

Questa analisi delle tecnologie di sicurezza video rivela una verità scomoda ma necessaria: il divario tra promesse accademiche e realtà operativa non è un problema tecnico risolvibile con ottimizzazioni incrementali, ma riflette discrepanze sistemiche tra assunzioni teoriche e complessità pratiche.

Il crollo prestazionale dal 90-98% in laboratorio al 75-82% nel mondo reale non dovrebbe essere visto come un fallimento, ma come un’opportunità di crescita. Riconoscere onestamente i limiti attuali è il primo passo verso lo sviluppo di soluzioni genuinamente efficaci. La complessità computazionale proibitiva, la fragilità adversarial, e l’evoluzione accelerata dei modelli generativi costituiscono sfide che trascendono le soluzioni algoritmiche tradizionali.

La sicurezza video del futuro richiederà un’integrazione sinergica di tecnologie complementari: difese certificate per scenari critici, privacy differenziale per protezione scalabile, federated learning per elaborazione distribuita, e sistemi ibridi che sfruttino l’expertise umana. Soprattutto, richiederà l’abbandono dell’ottimismo accademico in favore di un realismo ingegneristico che riconosca esplicitamente vincoli e limitazioni.

L’urgenza della minaccia deepfake – esemplificata da frodi multi-milionarie, manipolazioni geopolitiche, e casi di revenge porn – rende questa transizione paradigmatica non solo auspicabile ma imperativa. La strada verso sistemi affidabili passa attraverso la collaborazione sistematica tra ricerca accademica e industria, l’adozione di metriche operative realistiche, e soprattutto, l’accettazione delle limitazioni intrinseche delle tecnologie attuali.

In ultima analisi, la sicurezza del nostro ecosistema digitale dipende non solo dalla sofisticazione dei nostri algoritmi, ma dalla nostra capacità di rimanere umili di fronte alla complessità del problema che abbiamo di fronte. Solo attraverso questa onestà intellettuale potremo costruire le fondamenta per un futuro digitale più sicuro e affidabile.

Fonti:

Amerini, I., Galteri, L., Caldelli, R., & Del Bimbo, A. (2019). Deepfake Video Detection through Optical Flow based CNN. Proceedings of the IEEE/CVF International Conference on Computer Vision Workshops.

Cangialosi, F., Agarwal, N., Arun, V., Narayana, S., Sarwate, A., & Netravali, R. (2022). Privid: Practical, Privacy-Preserving Video Analytics Queries. Proceedings of the 19th USENIX Symposium on Networked Systems Design and Implementation.

Chen, L., Wang, Y., & Liu, X. (2025). Advances in DeepFake Detection Algorithms: Exploring Fusion Techniques in Single and Multi-modal Approaches. Information Fusion, 108, 102376.

Choi, Y., & Tian, Q. (2022). Adversarial Attack and Defense of YOLO Detectors in Autonomous Driving Scenarios. arXiv preprint arXiv:2202.04781.

Deepfake-Eval Research Team. (2025). Deepfake-Eval-2024: A Multi-Modal In-the-Wild Benchmark of Deepfakes Circulated in 2024. arXiv preprint arXiv:2503.02857.

Heidari, A., Jafari Navimipour, N., Unal, M., & Toumaj, S. (2024). Deepfake detection using deep learning methods: A systematic and comprehensive review. WIREs Data Mining and Knowledge Discovery, 14(2), e1520.

Huang, B., Wang, Z., Yang, J., Ai, J., Zou, Q., Wang, Q., & Ye, D. (2025). Robust and blind video watermarking against online sharing platforms. Scientific Reports, 15, 1192.

Lecuyer, M., Atlidakis, V., Geambasu, R., Hsu, D., & Jana, S. (2019). Certified Robustness to Adversarial Examples with Differential Privacy. IEEE Symposium on Security and Privacy, 656-672.

Li, H., Zhang, Y., Chen, S., & Wang, J. (2024). Video Detection Method Based on Temporal and Spatial Foundations for Accurate Verification of Authenticity. Electronics, 13(11), 2132.

Liu, S., Bao, Y., Li, C., & Tan, T. (2022). Video Data Authentication Using a Smart Contract Published on the Blockchain. IEEE Conference on Communications and Network Security.

Rossler, A., Cozzolino, D., Verdoliva, L., Riess, C., Thies, J., & Nießner, M. (2019). FaceForensics++: Learning to Detect Manipulated Facial Images. Proceedings of the IEEE/CVF International Conference on Computer Vision, 1-11.

Sun, K., Liu, H., Ye, Q., Liu, Y., Gao, J., Shao, L., & Ji, R. (2024). SEA-RAFT: Simple, Efficient, Accurate RAFT for Optical Flow. European Conference on Computer Vision.

Teed, Z., & Deng, J. (2020). RAFT: Recurrent All-Pairs Field Transforms for Optical Flow. European Conference on Computer Vision, 402-419.

U.S. Government Accountability Office. (2024). Science & Tech Spotlight: Combating Deepfakes. GAO-24-107292.

Wang, H., Xie, S., & Hong, Y. (2020). VideoDP: A Universal Platform for Video Analytics with Differential Privacy. Proceedings on Privacy Enhancing Technologies, 2020(4), 277-296.

Zhang, M., Kamra, N., & Lerman, K. (2020). Adversarial Threats to DeepFake Detection: A Practical Perspective. arXiv preprint arXiv:2011.09957.

Zhang, Y., Zheng, L., & Thing, V. (2017). Automated face swapping and its detection. IEEE 2nd International Conference on Signal and Image Processing, 15-19.

https://www.ictsecuritymagazine.com/articoli/deepfake-detection/

Questo articolo fa parte di una serie dedicata al modello MindShield, un paradigma innovativo di sicurezza integrata per infrastrutture critiche e servizi pubblici essenziali. Nel presente contenuto esamineremo l’approccio alla cooperazione internazionale del modello, dalla creazione di una struttura sovranazionale denominata WASR (World Alliance for Security and Resilience) al monitoraggio territoriale delle minacce, evidenziando come superare la frammentarietà delle disposizioni attuali attraverso un coordinamento globale multidimensionale.

Introduzione alla cooperazione internazionale nel modello MindShield

Il modello oggetto del presente studio di ricerca, come si è mostrato, cerca di offrire un una risposta per quanto possibile completa e analitica alla domanda di sicurezza. Tuttavia, avendo osservato più da vicino le sfide che questo complesso tema ci pone, si è avuto modo di notare che sovente la difesa delle infrastrutture critiche e dei servizi pubblici essenziali sconta un limite degno di nota: la frammentarietà delle disposizioni e la mancata cooperazione tra gli Stati in ambito securitario.

Si è difatti accennato ad alcune singole iniziative di istituzioni nazionali o sovranazionali in tema di sicurezza, iniziative, che, pur essendo lodevoli e degne di menzione risultano circoscritte e limitate nel proprio ambito applicativo dalla connotazione territoriale o dalla settorialità dalle quali dipendono funzionalmente. Pertanto, il modello proposto intende superare tale limite, indirizzandosi verso una compagine cooperativa e multidimensionale della sicurezza.

Segnatamente, ciò che MindShield si propone è la creazione di una struttura sovranazionale per la sicurezza delle infrastrutture critiche e dei servizi essenziali. Le potenzialità di una simile organizzazione, al di là delle singole peculiarità di ciascuna realtà socioculturale, sono di tutta evidenza se si pensa alle esponenziali minacce alla sicurezza che quotidianamente ci troviamo a fronteggiare.

Non solo, un coordinamento politico legislativo sarebbe utile anche in funzione preventiva, evitando così tutti quei fenomeni di “forum shopping”[1] e persino di “law shopping”[2] con funzioni elusive che avvantaggiano le organizzazioni criminali internazionali. Una simil struttura, peraltro, potrebbe consentire un approccio più inclusivo e maggiormente rappresentativo delle istanze e criticità di ciascuna realtà nazionale e persino locale permettendo in tal modo lo sviluppo simmetrico di una politica securitaria in tutti gli stati e limitando le drasticamente le esternalità negative di quei disastri difficili da prevenire ma di notevole impatto per la vita delle persone (ad esempio le calamità naturali).

Oltretutto, una organizzazione strutturata a livello sovranazionale ai soli fini di tutela delle infrastrutture critiche e dei servizi pubblici essenziali potrebbe essere più attrattiva rispetto alle alternative già in campo (ad esempio la NATO, Unione Europea), nelle quali per ragioni strategiche, geopolitiche o territoriali molti stati non potrebbero riconoscersi.

Accanto ai benefici di una simile impostazione non possiamo tuttavia tralasciare di menzionare anche alcune sfide impegnative per la creazione di una rete securitaria così ampia, fra cui l’allocazione di risorse, i limiti imposti dalla sovranità nazionale, la pendenza di tensioni e scenari diplomatici complessi nella compagine globale. Ciò nonostante, qualora se ne comprendessero appieno le potenzialità questo approccio potrebbe rappresentare un prezioso investimento a favore di ogni Stato e comunità, posto che la sicurezza altro non è che un bisogno primario di ciascun individuo e congiuntamente l’intrinseca premessa di una qualunque forma di sviluppo economico, sociale e culturale.

Creazione di una struttura di coordinamento sovranazionale

Premessa la rilevanza di una rete securitaria globale si può ora delineare meno astrattamente l’ipotesi progettuale che MindShield propone in relazione a tale ambito. Segnatamente, l’implementazione di un modello ottimale di sicurezza dovrebbe prevedere la creazione di una cabina di regia sovranazionale. A titolo esemplificativo potremmo denominare tale organizzazione come la World Alliance for Security and Resilience (WASR)[3], la quale potrebbe essere ipoteticamente articolata come segue.

Un organo rappresentativo che possiamo definire con il nome di Assemblea degli Stati, composto da un membro per ciascun Stato aderente.

Tale organo avrebbe il compito di rappresentare le istanze di ciascuna realtà territoriale; creare e aggiornare con cadenza periodica (ad esempio semestrale o annuale) le linee d’indirizzo e buone passi per la sicurezza delle infrastrutture e dei servizi pubblici essenziali; di promuovere l’adozione globale di standard minimi di sicurezza mettendo in campo strategie volte a premiare il raggiungimento degli obiettivi da parte dei singoli Stati[4]; di predisporre regolamenti armonizzati per i soggetti privati gestori di infrastrutture critiche; di adottare misure urgenti di sostegno transnazionale per la gestione di catastrofi e crisi connesse a incidenti securitari; di predisporre un fondo globale per le calamità che possa andare a sostegno di tutti gli Stati aderenti o di qualunque Stato terzo qualora il sostegno venga votato a maggioranza di almeno i due terzi dei membri aventi diritto di voto;

Comitato scientifico transnazionale di esperti di sicurezza

Un Comitato scientifico transnazionale composto da un Presidente eletto tra i membri delle sottocommissioni e trenta membri, tre per ciascun ambito scientifico[5] presumibilmente così articolato:

• Amministrazione Civile (3 membri): Esperti in funzioni di governo, forze armate, servizi dell’amministrazione civile, servizi di emergenza e postali.
• Salute (3 membri): Esperti in ospedali e centri di cura, produzione di medicine, sieri, vaccini, case farmaceutiche, laboratori e agenti biologici.
• Trasporti (3 membri): Esperti in strade, ferrovie, traffico aereo, trasporti marittimi ed oceanici.
• Energia (3 membri): Esperti in produzione di oli e gas, raffinerie, trattamento e stoccaggio incluse le condotte, centrali elettriche, elettrodotti, oleodotti e gasdotti, impianti di distribuzione di elettricità, gas, olio.
• Informazione, Tecnologia e Comunicazione (3 membri): Esperti in protezione di sistemi di informazione e reti, sistemi automatici di controllo, internet, forniture di telefonia fissa e mobile, comunicazione radio, comunicazione satellitari, broadcasting.
• Spazio e Ricerca (3 membri): Esperti in centri spaziali e centri di ricerca e sicurezza spaziale.
• Finanza (3 membri): Esperti nella sicurezza dei servizi di pagamento, mercati finanziari, risorse e fondi statali, cooperazione finanziaria transnazionale.
• Sicurezza Pubblica ed Ordine Legale (3 membri): Esperti in mantenimento della sicurezza dell’ordine e legale, amministrazione della giustizia, carceri.
• Acqua e Alimenti (3 membri): Esperti in fornitura di acqua potabile e alimenti, controllo della qualità dell’acqua e alimentare, prelievo e controllo della quantità dell’acqua e gestione delle risorse alimentari.
• Industrie Chimiche e Nucleari (3 membri): Esperti in produzione e stoccaggio e trasformazione di sostanze chimiche e nucleari, condutture di sostanze pericolose.

Peraltro, il Comitato scientifico dovrebbe essere articolato in sottocommissioni di esperti per la discussione delle proposte e lo studio dei casi. Per garantirne la competenza, la democraticità delle opinioni scientifiche espresse e la rappresentatività tali commissioni dovrebbero:

• essere composte da esperti super partes riconosciuti a livello internazionale di provenienza accademica, industriale e governativa.
• essere composte da un numero dispari di membri, preferibilmente cinque o sette per superare impasse nelle decisioni, inoltre le decisioni delle commissioni dovrebbero essere adottate a maggioranza.
• essere selezionati in modo da rappresentare diverse realtà globali. Ad esempio, potrebbe essere utile avere almeno un rappresentante per ciascuna delle seguenti macroaree: Africa, America del Nord, America Latina, Asia, Europa, Medio Oriente, Oceania.
• prevedere una durata del mandato temporaneamente limitata ad esempio quinquennale (con eventuale possibilità di nuova nomina);
• garantire trasparenza delle decisioni e inclusività delle realtà tradizionalmente meno rappresentate (come i paesi in via di sviluppo);

Le sottocommissioni dovrebbero svolgere il lavoro di studio e creazione analitica dei contenuti da proporre al Comitato scientifico. Le proposte dovrebbero essere quindi discusse ed approvate da quest’ultimo ed in fine adottate dall’Assemblea degli Stati.

Commissione esecutiva per il coordinamento territoriale

Un organo esecutivo che possiamo definire con il nome di Commissione che avrebbe il compito di dare esecutività alle decisioni così adottate nonché fungere da organo di coordinamento con le articolazioni territoriali all’interno di ciascuno Stato aderente.

Tale organo avrebbe altresì il compito della gestione dei Tavoli sovranazionali di crisi e dei fondi da allocare agli Stati per la gestione di catastrofi ed eventi di crisi rilevanti (dalle catastrofi naturali come i terremoti, agli attacchi terroristici e sino agli incidenti energetici o nucleari). La Commissione dovrebbe inoltre verificare periodicamente il grado di raggiungimento degli obiettivi da parte degli Stati aderenti e prevedere un canale per segnalazioni e proposte da parte dei cittadini. Ipoteticamente tale organo potrebbe essere composto da un membro per ciascuno stato aderente più un Presidente con diritto di voto.

La previsione ipotetica di un simile modello di cooperazione internazionale in materia di sicurezza potrebbe essere un primo grande passo verso la creazione di un mondo più sicuro e solidale sulle questioni rilevanti per tutti i cittadini del mondo, riuscendo a garantire non solo un continuo aggiornamento e monitoraggio della security infrastrutturale ma assicurando altresì una risposta corale degli Stati nei momenti di grave crisi e criticità del singolo Stato o territorio.

Monitoraggio delle minacce a livello territoriale

Come si è avuto modo di chiarire il problema della frammentarietà e settorialità non colpisce solamente le legislazioni o le misure di contrasto, troppo disomogenee per poter rappresentare una base solida nella gestione della sicurezza globale. Al contrario, un importante limite è dato anche dalla mancanza di un monitoraggio sistematico che cominci “dal basso” ossia dalle istituzioni più vicine ai territori. In tal senso, il concetto non differisce molto dal concetto di sussidiarietà verticale amministrativa[6], pertanto ci si aspetta che il monitoraggio, la raccolta e il processamento dei dati possano essere tanto più accurati e rispondenti ai bisogni della popolazione quanto più analiticamente acquisiti da fonti vicine alla comunità.

Proprio per tale ragione MindShield si propone la creazione non solo di una cabina di regia a livello sovranazionale ma altresì di articolazioni territoriali in ciascuno degli Stati aderenti.

Lo scopo di tali strutture che possiamo definire come Dipartimenti Nazionali per la Sicurezza e la Resilienza[7], è la creazione di una rete di monitoraggio in tempo reale degli eventi critici nei differenti settori delle infrastrutture critiche e dei servizi pubblici essenziali, la segnalazione di minacce intercettate (ad esempio minacce terroristiche interne o esterne) o di soggetti pericolosi, la creazione di reportistica aggiornata e di proiezioni sulle tendenze securitarie, la segnalazione di vulnerabilità riscontrate (fisiche o logiche che sono state la causa di incidenti di sicurezza sul territorio), la predisposizione di analisi dettagliate e periodiche sulle criticità maggiormente influenti sul territorio (es. presenza di organizzazioni terroristiche, esposizione a rischio idrogeologico, organizzazioni criminali dedite alla pirateria informatica o alla distruzione di infrastrutture fisiche, minacce specifiche a singoli asset ecc.).

È pur vero che tali dati potrebbero essere manipolati o strumentalizzati proprio per questo gli organi della cabina di regia sovranazionale WASR avranno il compito di fornire delle rigorose linee guida e un processo di standardizzazione per tutta la catena informativa dalla raccolta all’analisi dei dati. Non solo, le reportistiche e i dati forniti dovranno essere costantemente monitorati dalla Commissione e criticamente analizzati dal Comitato scientifico, il quale, laddove riscontrasse delle defezioni dovrà tempestivamente rapportare al Comitato e all’Assemblea, e suggerire procedure alternative maggiormente rispondenti a parametri di trasparenza, scientificità e verificabilità.

D’altra pare però, per garantire un doppio controllo, anche i Dipartimenti Nazionali avranno facoltà di segnalare anomalie o esigenze specifiche alla Commissione, nei casi in cui le misure adottate non siano adeguatamente rispondenti ai bisogni del territorio. La Commissione, in tali casi, dovrà segnalare tempestivamente all’Assemblea e insieme a questa e al Comitato scientifico dovrà individuare senza indugio le soluzioni ottimali per lo Stato interessato, pur nel rispetto dei principi e della comunità globale.

Un approccio siffatto consentirebbe una maggiore rispondenza ai bisogni dei territori ma altresì un rigoroso controllo ed equilibrio tra tutti i componenti del sistema generando una sinergia positiva ed efficiente in cui ciascuno stato potrà avvalersi dei maggiori esperti mondiali, di un partenariato strategico e non da ultimo del supporto della comunità internazionale in caso di calamità e incidenti securitari.

Il modello MindShield rappresenta un approccio innovativo alla cooperazione internazionale per la sicurezza delle infrastrutture critiche, superando i limiti della frammentarietà attuale attraverso una struttura sovranazionale coordinata. La proposta WASR offre un framework completo per il monitoraggio, la prevenzione e la gestione delle crisi a livello globale.

Per approfondire il tema, invitiamo a scaricare il white paper completo della Dottoressa Livia Cimpoia: “MindShield” – un nuovo paradigma di sicurezza integrata per infrastrutture critiche”.

Nel prossimo articolo scopriremo come il paradigma MindShield si traduce in applicazioni concrete per la protezione di asset strategici e l’analisi di scenari reali di implementazione del modello. Infine vedremo quali sono le sfide e le limitazioni nell’implementazione del modello e i possibili sviluppi futuri.

Note:

[1] Cfr. termine forum shopping vocabolario Treccani – URL

[2] In tal senso si rimanda anche a Balsamo, A. e Mattarella, A. (2021). CRIMINALITÀ ORGANIZZATA: LE NUOVE PROSPETTIVE DELLA NORMATIVA EUROPEA. in Sist. pen. (SP) (3/2021). URL , nel quale a pagina 59, si ribadisce quanto sopra, sostenendo: “(…) Inoltre, si tratta di un bene di cui tutti siamo fruitori, rispetto al quale nessun paese può vantare una titolarità esclusiva; si deve infatti considerare che i disastri naturali, come i cambiamenti climatici, superano ogni confine nazionale.

Può dirsi, in tal senso, che i reati ambientali sono i crimini transnazionali per eccellenza, i cui effetti si estendono a vaste macro-aree del pianeta. Se la prima affermazione impone di anticipare la soglia di punibilità in ottica prevenzionistica e di comminare pene severissime per ottenere un reale effetto deterrente, la seconda evidenzia l’importanza di prevedere una tutela uniforme nei diversi ordinamenti, per evitare forme di law shopping da parte di gruppi criminali o imprese in grado di contabilizzare i costi legati ai rischi penali prescegliendo quelle “zone franche” in cui le violazioni ambientali sono meno severamente punite.(…)”;

[3] Tradotto dall’inglese come Alleanza Mondiale per la Sicurezza e Resilienza

[4] Basti pensare ad esempio alla unione monetaria o all’abolizione dei dazi doganali e dei controlli transfrontalieri all’interno dell’UE o dell’area Schengen. Non è quindi difficile ipotizzare che un qualunque Stato potrebbe essere invogliato a raggiungere alcuni obiettivi in termini di sicurezza infrastrutturale qualora in cambio potesse avvantaggiarsi di alcuni benefici per i propri cittadini, ad esempio la possibilità di viaggiare “esenvisto” per gli spostamenti brevi, o la garanzia di essere coperti da un fondo per le calamità naturali coperto dagli Stati aderenti. Un tale approccio, peraltro, potrebbe avere molta più attrattiva se d’altra parte venissero adottati dei limiti più stringenti per i Paesi non aderenti o che non raggiungono gli standard minimi di sicurezza.

[5] Nel declinare gli ambiti scientifici ci si è nuovamente rifatti al catalogo delle infrastrutture critiche così come tipizzato dal Ministero dell’Interno italiano, e di cui si è già dato conto in precedenza limitandoci solamente ad accorpare gli ambiti acqua ed alimenti per ragioni di sistematicità, cfr. infra 2.1 pagina 5 del presente elaborato ed elenco Ministero Dell’Interno italiano (2008). Approfondimento – Le infrastrutture critiche [richiamato: 27.12.2023].;

[6] Cfr. art. 118 co. 1 Costituzione italiana;

[7] In inglese Homeland Department for Security and Resilience (HDSR);

https://www.ictsecuritymagazine.com/articoli/cooperazione-mindshield/

Questo articolo fa parte di una serie dedicata al paradigma MindShield per la sicurezza integrata delle infrastrutture critiche. Nel presente contenuto analizzeremo la struttura del modello di sicurezza stratificata MindShield, esplorando i quattro livelli fondamentali che lo compongono: dalla base normativa alla cooperazione transnazionale. Esamineremo inoltre l’importanza dell’integrazione tra sicurezza fisica e logica e il coordinamento tra le diverse componenti per garantire una protezione efficace delle infrastrutture critiche e dei servizi pubblici essenziali.

Il modello di sicurezza stratificata MindShield per infrastrutture critiche

Uno degli aspetti su cui ci si è maggiormente soffermati nello spiegare l’approccio metodologico di questo progetto è stato proprio concetto di sicurezza stratificata. Avendo analizzato i componenti strumentali di MindShield possiamo ora dedicarci al disegno più ampio di questo progetto, ovvero alla composizione strutturale del modello.

In particolare, possiamo immaginare che alla base del modello vi sia riposto il compendio normativo, sia nazionale che sovranazionale, solido che consenta da un lato di rafforzare le misure di sicurezza delle infrastrutture critiche e dei servizi pubblici essenziali ma che permetta al contempo di salvaguardare i diritti, principi fondamentali e questioni etiche. La componente legislativa, come abbiamo visto in diversi ambiti risulta in via di sviluppo, ma ad oggi una legislazione unitaria e risulta ancora carente.

Il secondo livello di MindShield è rappresentato dalla componente umana e dalla sicurezza fisica, elementi che insieme fanno parte di quell’approccio tradizionale e storico della security e che risultano a tutt’oggi imprescindibili per garantire la sicurezza delle infrastrutture critiche e dei servizi pubblici essenziali. Risulta difatti impensabile ipotizzare di affidare la sicurezza solo a tecnologie o innovazioni emergenti e sulle quali, peraltro, come si è avuto modo di accennare vi permangono svariati interrogativi e questioni da risolvere.

Il terzo livello della sicurezza è invece rappresentato dalla sicurezza logica e da tutte le tecnologie attualmente in via di sviluppo, il cui impiego consente di non solo di implementare e rendere più efficienti le procedure di controllo, di prevenire e mitigare i rischi e non da ultimo di rispondere prontamente nei casi in cui si dovessero verificare incidenti securitari.

Da ultimo possiamo ipotizzare, quale ulteriore, nonché complementare livello di sicurezza, la cooperazione transnazionale in materia di sicurezza, in relazione alle quali permangono ancora complesse sfide di coordinamento e creazione di un percorso unitario per la gestione di minacce e vulnerabilità locali, nazionali o globali.

Integrazione di tecnologie di sicurezza fisica e logica nel modello MindShield

Tra le componenti determinanti di MindShield, due di esse sono rappresentate dalle tecnologie fisiche e logiche, sulle quali ci si è soffermati in precedenza. Tuttavia, quando parliamo del modello sperimentale, oggetto del presente studio, dobbiamo comprendere in che modo queste ultime si corroborano tra di esse e quali siano i benefici della loro applicazione sinergica.

Innanzitutto, come si è già avuto modo di chiarire, non è possibile ipotizzare allo stato dell’arte l’impiego di una sola di queste tecniche scissa dalle altre. Ciò è ancor più evidente posto che, le criticità, che le infrastrutture strategiche e i servizi pubblici essenziali si trovano ad affrontare, non riguardano singolarmente minacce fisiche o di tipo cibernetico e informatico. Oggigiorno, difatti, gli attacchi alla sicurezza risultano sempre più sofisticati e articolati nella propria esecuzione, complici anche le tecnologie in via di sviluppo che ne stanno supportando il perfezionamento. Risulta quindi indispensabile introdurre una serie di misure che possano rispondere ai pressanti bisogni di sicurezza.

Ciò non toglie che, a livello settoriale esistano certamente alcune iniziative per l’integrazione fisica e logica della sicurezza, tra queste si può ad esempio citare quella che ha visto protagonisti IBM e il consorzio sicurezza CNS Tech e che ha dato vita al CPSIEM, una piattaforma per il “Cyber-Physical Security Information Event Management”[1] che riunisce il controllo dei sistemi SIEM di IBM e PSIM di CNS. Questi processi di integrazione rappresentano dei modelli virtuosi che non possono essere esclusi da un modello per la gestione ottimizzata della sicurezza come quello di MindShield.

In particolare, per realizzare un tessuto securitario più solido nelle infrastrutture critiche e nei servizi pubblici essenziali, sarebbe necessario garantire la formazione in tema di cybersicurezza e di sicurezza fisica a tutti gli operatori del settore. L’impego di personale specializzato, in grado affrontare sfide complesse di sicurezza sta divenendo ormai un’esigenza sempre più concreta e impellente sia in ambito pubblico che privato. Peraltro, appare sempre più evidente la necessità di creare squadre multidisciplinari di esperti, che siano in grado di individuare e affrontare simultaneamente eventi critici di tipo fisico o logico.

Un esempio “lampante” di tale esigenza è stato individuato dal CESPIS (Centro Studi Prevenzione Investigazione e Sicurezza), il quale ha esemplificato molto chiaramente uno scenario tipo: “un device IP della videosorveglianza installato sulla rete dati va offline:

• il settore IT dirà che il problema risiede nel dispositivo, e dunque il settore della sicurezza fisica avviserà i responsabili della manutenzione;
• un tecnico controlla la videocamera “non funzionante”, e scopre che la componente hardware è online (operativa), ma offline (inoperativa) solo nella parte software;
• il problema torna nuovamente al servizio IT, che nel frattempo scopre un malfunzionamento residente su un loro switch di rete che blocca il flusso dati.

Ovviamente nessuno ha colpe dirette, se non quella indiretta, questo sì, della mancata integrazione di due settori vitali e strategici per ogni organizzazione che si dichiari tale!

Ed è proprio la mancanza di una vision finalizzata al raggiungimento dell’obiettivo a creare queste “illogiche” condizioni, che richiedono poi inutili sprechi di risorse (umane ed economiche) per giungere alla completa risoluzione dei problemi.

Del resto, tutto ciò si amplifica perché nel perimetro IT gli operatori, generalmente, non sono degli esperti di sistemi hardware dedicati alla sicurezza fisica; non ne conoscono il funzionamento e le funzionalità, dal momento che non ne sono mai stati responsabili, tanto della progettazione quanto della gestione di tali dispositivi.

Ma le motivazioni sono anche altre: nel dominio IT è sempre stato predominante lo sviluppo dei software, mentre in quello fisico è prevalsa sempre la funzionalità hardware; situazioni che hanno generato nel tempo questa paradossale “distonia” linguistica, trasformatasi col tempo in una preoccupante barriera funzionale.”[2]

Un esempio piuttosto lineare, che non può certamente dare conto della complessità dei problemi di sicurezza, ma che tuttavia consente di afferrare la rilevanza della integrazione fisico-logica degli elementi costitutivi di una rete di sicurezza efficace ed efficiente.

Coordinamento e collaborazione tra le componenti di MindShield

Sin qui si è dato atto dell’importanza dei diversi elementi costitutivi di MindShield così come del loro impiego simultaneo, tuttavia, è imprescindibile comprendere che, la somma dei singoli componenti non può offrire un risultato soddisfacente in assenza di un efficace coordinamento tra ciascuno di essi. Per tale ragione il modello proposto prevede la creazione di un piano sinergico per la sicurezza integrata.

In particolare, ciascuno dei componenti di MindShield dovrebbe potersi rapportare agli altri sia mediante la ricerca scientifica multidisciplinare sul tema che attraverso la creazione di piani di prevenzione e risposta agli incidenti di sicurezza. Peraltro, una siffatta collaborazione tra i vari livelli di MindShield potrebbe consentire di fornire risposte adeguate anche laddove uno dei componenti venisse compromesso, per una qualsiasi ragione.

Così, ad esempio, l’istituzione di unità di crisi transnazionali e permanenti potrebbero fornire supporto immediato in tutte quelle situazioni nelle quali uno dei componenti (come la sicurezza fisica) risultasse carente o compromesso, fornendo così un concreto ausilio in una condizione di emergenza e vulnerabilità di un territorio. Parimenti nei casi di interruzione o danneggiamento degli strumenti digitali potrebbe intervenire la componente umana e analogica, come è capitato ad esempio nei casi di corruzione dei sistemi informatici degli ospedali, nei quali la componente umana è prontamente intervenuta attraverso l’introduzione in via eccezionale di procedure alternative e analogiche di accettazione e triage dei pazienti[3].

Proprio in ragione della necessaria connessione e cooperazione di tutti gli elementi di MindShield si può comprendere la scelta di un modello di sicurezza stratificata, nel quale i singoli elementi siano tra essi complementari e svolgano una funzione di consolidamento o risanamento del tessuto della sicurezza infrastrutturale e dei servizi pubblici essenziali.

Il modello MindShield di sicurezza stratificata rappresenta un approccio innovativo e integrato per la protezione delle infrastrutture critiche e dei servizi pubblici essenziali. Attraverso l’analisi dei quattro livelli strutturali e dell’importanza dell’integrazione fisico-logica, emerge chiaramente la necessità di un coordinamento sinergico tra tutte le componenti per garantire una sicurezza efficace e resiliente.

Per approfondire il tema vi invitiamo a consultare il white paper completo della Dottoressa Livia Cimpoia dal titolo “MindShield” – un nuovo paradigma di sicurezza integrata per infrastrutture critiche” per approfondire tutti gli aspetti del modello di sicurezza stratificata.

Nel prossimo articolo della serie esploreremo il ruolo cruciale della cooperazione internazionale nel modello MindShield, analizzando le sfide e le opportunità della collaborazione transnazionale per la gestione delle minacce globali alle infrastrutture critiche e ai servizi pubblici essenziali.

Note

[1] Si vedano in tal senso CNS Tech (2021). Sicurezza logica e fisica nei Data Center. Online: https://www.consorziosicurezza.com/sicurezza-logica-e-sicurezza-fisica-nei-data-center/# [richiamato: 27.12.2023]. e Frattini, F., U. Giordano e V. Conti (2019). Facing Cyber-Physical Security Threats by PSIM-SIEM Integration. In, 2019 15th European Dependable Computing Conference (EDCC). [Place of publication not identified]: IEEE (83–8).

[2] CESPIS (2023). L’importanza dell’integrazione tra sicurezza fisica e logica. [richiamato: 27.12.2023].

[3] Cfr., Agenzia ANSA (2022). A Milano attacco hacker agli ospedali Fatebenefratelli e Sacco. [richiamato: 27.12.2023].; e Agenzia ANSA (2023). Attacco hacker agli ospedali di Modena, riunita l’unità di crisi. Online: [richiamato: 27.12.2023].

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

Questo articolo fa parte di una serie di approfondimenti sul tema della sovraesposizione dei dati personali online a cura di Marta Zeroni. Il testo esplora il fenomeno dello sharenting, analizzando i rischi e le implicazioni dell’eccessiva condivisione di informazioni sui minori da parte dei genitori sui social media.

Già nel 2018, in occasione del Safer Internet Day, l’UNICEF riportava come in rete un utente su tre fosse minorenne; nel frattempo, circa 175.000 bambini e ragazzi nel mondo si connettevano a internet per la prima volta (in media, uno ogni mezzo secondo), diventando il gruppo d’età più rappresentato online [1].

Secondo un report di Save The Children del 2023, in Italia il 78,3% di bambini tra gli 11 e i 13 anni utilizza internet tutti i giorni. Dopo la pandemia COVID-19, inoltre, si è registrato un aumento significativo di bambini tra i 6 e i 10 anni che ogni giorno utilizzano lo smartphone [2].

Sharenting: definizione e diffusione del fenomeno

Non è solo per propria scelta – benché di scelta certo non si possa giuridicamente parlare –, tuttavia, che i minori compaiono online. La pratica dei genitori di condividere informazioni (foto, video o dati diversi) riguardanti se stessi e i propri figli – definita sharenting – è sempre più diffusa [3].

I contenuti che coinvolgono i minori generano di regola più engagement rispetto a quelli che non li includono, così i figli degli influencer sono diventati parte integrante delle strategie di marketing e comunicazione della c.d. creator economy [4]: l’esempio italiano paradigmatico è quello arcinoto dei coniugi Lucia Ferragni, i cui follower hanno la possibilità di seguire in tempo reale la crescita e le vicende dei due figli, compresi alcuni momenti estremamente intimi e delicati della loro vita emotiva [5].

Un’influencer meno nota – e tuttavia molto seguita, contando ad oggi 2 milioni di follower su Instagram e altrettanti su YouTube – con l’aiuto del partner ha filmato e condiviso le varie fasi del proprio parto, dal momento della rottura delle acque, alle contrazioni, sino al primissimo allattamento [6]. A sua volta Giulia Cutispolo, nota sui social come “Disperatamentemamma”, ha fatto della condivisione della propria vita familiare accanto ai figli la sua principale attività d’impresa [7].

Baby influencer: il caso estremo dello sharenting

Un discorso a parte andrebbe poi fatto per i baby influencer, forse manifestazione più estrema dello sharenting [8].

In questo caso la rappresentazione dell’immagine del minore online non si limita a rientrare, più o meno incidentalmente, nel piano editoriale dei genitori, bensì ne costituisce l’unico soggetto, come nel caso della famiglia Brunacci Di Vaio: ognuno dei quattro figli ha un proprio profilo Instagram recante “account managed by dad & mom”. Nel complesso, soltanto su Instagram, questi account contano qualche migliaio di post tra foto e video e sono seguiti da centinaia di migliaia di utenti [9].

Nel frattempo, negli Stati Uniti, a soli 4 anni Wren Eleanor è l’intestataria di diversi account gestiti – non senza critiche da parte degli utenti [10] – dalla madre Jacquelyn. Su TikTok Wren ha più di 17 milioni di follower e oltre mille video nei quali la bambina è ritratta in svariate situazioni di vita quotidiana.

Le conseguenze dell’esposizione dei minori online

Alla luce degli esempi brevemente prospettati, i rischi per i minori potrebbero (o dovrebbero) apparire ovvi o perlomeno intuitivi, e tuttavia basterà una rapida ricerca per parole chiave all’interno di qualunque social network per accorgersi che per un gran numero di utenti così non è.

Se, nel 2018, molti dei commenti sotto foto e video del primogenito della famiglia Lucia Ferragni esprimevano critiche e perplessità sull’esposizione al pubblico del bambino, lo stesso non si può dire sia avvenuto tre anni dopo quando hanno iniziato ad essere pubblicati contenuti riguardanti secondogenita [11].

Sensibilità e costume sono cambiati radicalmente, e gli influencer hanno senza dubbio contribuito a dare l’esempio e a normalizzare la percezione da parte del pubblico, parte del quale è sempre più propenso a minimizzare o negare i rischi dello sharenting (c.d. “diniego del danno”) [12].

Sharenting: le dimensioni del fenomeno

Per farsi un’idea della dimensione attuale del fenomeno, basti pensare che la condivisione delle immagini delle ecografie – comprese quelle in 3D, nelle quali risultano già molto ben visibili i lineamenti del neonato –, è diventata una pratica abituale per circa 1 genitore italiano su 10 [13]; ed uno studio del Journal of Pediatrics ha stimato che, ad appena un anno di vita, le foto del bambino online potrebbero già arrivare a 300 [14].

Uno studio sul tema delle ricercatrici Lavoragna e Tartari [15] propone la classificazione del “genitore social” in tre categorie a seconda del rapporto con lo sharenting: 1) l’utente disinibito condivide senza preoccupazione alcuna contenuti sui figli, generalmente anche per costruire un senso della propria identità online; 2) l’utente moderato – sui quali si concentra il loro studio – adotta qualche misura di mitigazione, filtrando i contenuti e schermandoli dietro un account privato ma in definitiva non esimendosi dalla pubblicazione; 3) l’ultima categoria considerata è quella dell’utente che si oppone allo sharenting, evitando quindi la pubblicazione di qualsivoglia contenuto.

Le motivazioni alla base dello sharenting

Ad oggi non è possibile trarre conclusioni certe sulle motivazioni alla base dello sharenting [16], che si presenta come una delle varie manifestazioni fisiologiche delle nuove abitudini social, facilitato ed incoraggiato da una serie di fattori, quali ad esempio l’elevata usabilità delle piattaforme, l’ambivalente laissez faire adottato da queste ultime, la scarsa alfabetizzazione digitale degli utenti e i meccanismi di emulazione e social rewarding [17] che potrebbero spiegare almeno in parte l’adesione virale a determinati trend.

A proposito di trend, sia sufficiente richiamare l’esempio dell’Egg Crack Challenge. Nell’estate del 2023 medici e psicologi statunitensi chiesero pubblicamente ai genitori di smettere di frantumare uova sulle teste dei figli: la tendenza del momento, tra i #ParentsofTikTok [18], prevedeva, per l’appunto, la rottura a sorpresa di un uovo crudo sulla fronte dei figli, per poi pubblicarne il video [19].

Il rischio paventato dai sanitari nel caso di specie era quello di salmonella, ma, com’è evidente, le possibili ripercussioni sui bambini vittime dello “scherzo” non si limitavano ai danni fisici[20]. Il già citato studio del Journal of Pediatrics prospetta infatti per i minori sovraesposti rischi di diversa natura, complessi e non del tutto prevedibili[21].

Digital kidnapping e furto d’identità

Quando Meredith Steele ha testimoniato sui giornali il furto d’identità di cui sono stati vittime i suoi due figli, ma anche lei stessa e il marito, ha parlato di “digital kidnapping”. È stato un amico di famiglia ad avvisarla, dopo essersi imbattuto per caso in un paio di foto della famiglia in rete.

Quando poi Steele ha verificato da sé, si è trovata di fronte all’account di uno sconosciuto che stava utilizzando trenta delle sue fotografie per inscenare una vita fittizia online, avendo peraltro già accumulato qualche migliaio di follower. Le immagini rubate erano state originariamente condivise dalla donna nei suoi profili social[22].

Tanto più i dati, condivisi e ricondivisi, circolano online, quanto più semplice risulterà per i terzi malintenzionati perpetrare il c.d. digital kidnapping. Secondo gli analisti di Barclays Bank, da qui al 2030 potranno verificarsi più di sette milioni di furti d’identità a causa della sistematica sovraesposizione di minori nei social [23].

Il pericolo nascosto dei social network

Infatti con lo sharenting si creano, spesso inconsapevolmente, veri e propri dossier digitali sui propri figli estremamente dettagliati e facili da reperire: un patrimonio informativo inestimabile non solo per truffatori e ladri d’identità ma anche per altre categorie di malintenzionati. Il rischio psicofisico può così diventare molto più tangibile.

Un potenziale adescatore non ha neppure la necessità di adottare particolari tecniche d’ingegneria sociale per raccogliere un gran numero di informazioni riguardanti la sua vittima: abitudini, luoghi più frequentati, attività ed orari, gusti e preferenze, persino modi di dire[24]; tutti questi elementi, correttamente catalogati e sfruttati, aumentano quella che nel linguaggio della cybersecurity chiameremmo “superficie di attacco” e possono consentirgli di avvicinarsi con estrema facilità al minore [25].

Sussiste, inoltre, la concreta possibilità che le immagini dei minori finiscano all’interno dei database di materiale pedopornografico; e questo a prescindere dalla natura delle immagini stesse.

L’autorità indipendente australiana per la salvaguardia dei minori online ha infatti riportato che almeno la metà delle immagini presente nei siti web di image-sharing pedopornografici proviene direttamente dai social network, dove sono state condivise dagli stessi genitori[26].

È evidente come tali foto e video non potessero considerarsi contenuti pedopornografici in re ipsa ma lo siano diventati alla luce del diverso contesto in cui sono stati trasferiti e dei commenti di natura esplicitamente sessuale apposti dagli utenti.

Impatto reputazionale e danni a lungo termine dello Sharenting

Anche dal punto di vista reputazionale, non è difficile immaginare quelle che, in un futuro non troppo lontano, potrebbero essere le ripercussioni di video imbarazzanti, o peggio lesivi della dignità di chi vi è ritratto[27]. In ogni caso, non disponiamo ad oggi di sufficienti informazioni per pronosticare quali potranno essere nel lungo termine i danni morali ed esistenziali derivanti dalla sovraesposizione dei minori.

È indubbio però che nel caso dello sharenting – in particolare nelle sue forme più estreme qui descritte – risulta tradita in primo luogo quella pretesa minima di controllo sul dato sulla quale ci si era interrogati nel capitolo 3.

I genitori, in qualità di titolari della c.d. privacy stewardship [28], dovrebbero gestire l’identità digitale del minore in modo avveduto e nell’interesse del minore stesso, tutelandola da ingerenze di terzi e non mancando di considerare le possibili conseguenze.

Ma la condivisione (o, in altre parole, la diffusione), anche con le migliori intenzioni[29] di estese e dettagliate informazioni riguardanti il figlio equivale di fatto a rinunciare al controllo sui dati personali, non avendo alcun modo di prevedere ed eventualmente arginare quelli che saranno i futuri riutilizzi da parte di terzi, e negando in ogni caso al minore la possibilità futura di auto-determinare efficacemente la propria identità sociale online.

Linee guida per la protezione dei dati dei minori: l’opinione del Garante

Rendendo un’opinione indipendente sul tema, il componente del collegio del Garante Guido Scorza ha affermato che, come regola generale, sarebbe auspicabile che genitori e tutori si astenessero dalla pubblicazione dei dati dei figli online, salvo casi di eccezionale ed effettiva necessità (ad esempio per la ricerca di un minore scomparso) [30].

Un’impostazione tanto netta potrebbe apparire in una certa misura rigida ed irrealistica [31], pur tuttavia risultando, nella sua semplicità, innegabilmente efficace nel preservare le future possibilità di controllo sui dati personali da parte del minore.

Abbiamo esplorato il fenomeno dello sharenting, evidenziando i rischi significativi associati alla condivisione eccessiva di informazioni sui minori online da parte dei genitori. Nel prossimo articolo della serie, affronteremo il tema delle vittime di pornografia non consensuale e revenge porn. Per un’analisi più approfondita di queste tematiche e altre questioni legate alla privacy online, vi invitiamo a scaricare il white paper completo “Sovraesposizione e controllo sui dati personali nell’ecosistema informativo online” a cura di Marta Zeroni.

Note:

[1] Safer Internet Day 2018, una guida sull’uso sicuro del web per i bambini (UNICEF Italia). Ultimo accesso il 5 febbraio 2024.

[2] Infanzia: si abbassa sempre di più l’età in cui si utilizza uno smartphone e il 43% dei bambini tra 6 e 10 anni nel sud e nelle isole lo usa tutti i giorni (Save The Children). Ultimo accesso il 10 febbraio 2024.

[3] BLUM-ROSS A., LIVINGSTONE S., Sharenting: parent blogging and the boundaries of the digital self in Popular Communication, 15, 2, 2017, p. 112.

[4] LUCARELLI S., Mariana di Vaio e i figli di tutti (Il Sottosopra – Chora Media). Ultimo accesso il 10 febbraio 2024; BONANOMI G., TEDx Talks – Sharenting: perché le foto delle mie due figlie non sono online | Gianluca Bonanomi | TEDxLegnano (YouTube). Ultimo accesso l’11 febbraio 2024.

[5] SIGNORELLI A.D., Il Truman Show di casa Ferragnez (Wired Italia). Ultimo accesso l’11 febbraio 2024.

[6] NAZ, LA NASCITA DI DANTE – IL PARTO (YouTube). Ultimo accesso l’11 febbraio 2024.

[7] Disperatamentemamma – Julia Elle (Instagram). Ultimo accesso l’11 febbraio 2024.

[8] RANE Z., The Terrifying Rise of the Child Influencer and the Parents Who Profit (One Zero – Medium). Ultimo accesso l’11 febbraio 2024.

[9] Si rimanda ai soli account dei genitori: MARIANO DI VAIO (Instagram) e Eleonora Brunacci di Vaio (Instagram). Ultimo accesso l’11 febbraio 2024.

[10] DICKSON E.J., A Toddler on TikTok Is Spawning a Massive Mom-Led Movement (Rolling Stone). Ultimo accesso l’11 febbraio 2024.

[11] MELIGRANA E., SCORZA G., La privacy degli ultimi, Rubbettino Editore, 2022, pag. 43.

[12] LAVORGNA A., TARTINI M., La sovraesposizione digitale dei minori. Un approccio multidimensionale al fenomeno dello sharenting, Franco Angeli, 2023, pp. 80-81.

[13] UBBIALI G., Sharenting, i genitori violano il diritto alla privacy dei figli sui social? (Alley Oop – Il Sole 24 Ore). Ultimo accesso il 5 febbraio 2024.

[14] FERRARA P., Online “Sharenting”: The Dangers of Posting Sensitive Information About Children on Social Media in The Journal of Pediatrics, 257, 2023.

[15] LAVORGNA A., TARTINI M., ibidem.

[16] LAVORGNA A., TARTINI M., op. cit, p. 51.

[17] FARERI D. S., DELGADO M. R., The Importance of Social Rewards and Social Networks in the Human Brain in Neuroscientist, 4, 2014, pp. 387-402.

[18] Introducing the #ParentsofTikTok (TikTok). Ultimo accesso il 5 febbraio 2024.

[19] Egg Crack Challenge (Know Your Meme). Ultimo accesso il 5 febbraio 2024.

[20] BISSET V., Doctors to parents: stop smashing egg on your kids’ heads on TikTok (The Washington Post). Ultimo accesso il 5 febbraio 2024.

[21] FERRARA P., op. cit.

[22] Indagini su casi analoghi hanno evidenziato come l’uso improprio e non autorizzato delle altrui foto di famiglia sia in genere posto in essere da adolescenti e giovani donne nel contesto di giochi di ruolo in cui si fingono madri. WILLIAMS A., Digital Kidnapping: Your Kids and Social Media Privacy (Protect Young Eyes). Ultimo accesso il 10 febbraio 2024.

[23] COUGHLAN S., ‘Sharenting’ puts young at risk of online fraud (BBC News). Ultimo accesso il 10 febbraio 2024.

[24] Già nel 2011 l’FBI esortava i genitori alla prudenza, in quanto i dati condivisi potevano rivelare dei veri e propri “pattern of life”: Cyber Alerts for Parents & Kids (FBI). Ultimo accesso il 10 febbraio 2024.

[25] Per un esempio provocatorio sul punto: FLORA M., Ciao Internet con Matteo Flora. 220. Come rapire Martina, 5 anni, ai giardinetti… (YouTube). Ultimo accesso il 10 febbraio 2024.

[26] BATTERSBY L., Millions of social media photos found on child exploitation sharing sites (The Sydney Morning Herald). Ultimo accesso il 10 febbraio 2024.

[27] Come nel caso del figlio dei coniugi Glembin, avvolto “per punizione” nella plastica per alimenti, in lacrime ed evidentemente confuso, mentre i genitori lo filmano e lo scherniscono. Il video è stato poi pubblicato su TikTok. KATELARIS E., I didn’t know what we did to our son was bad until cops knocked at our door (The New York Post). Ultimo accesso il 10 febbraio 2024.

[28] KUMAR R., SCHOENEBECK S., The modern day baby book: Enacting good mothering and stewarding privacy on facebook in CSCW 2015 – Proceedings of the 2015 ACM International Conference on Computer-Supported Cooperative Work and Social Computing, 2015, pp. 1302-1312.

[29] Come evidenziato da Lavorgna e Tartini, l’esercizio dello sharenting da parte dei genitori può essere funzionale, ad esempio alla partecipazione attiva all’interno dei gruppi e comunità di sopporto oppure alla riconfigurazione dell’identità individuale della madre dopo il parto. LAVORGNA A., TARTINI M., op. cit., p. 85-86.

[30] Come evidenziato da Lavorgna e Tartini, l’esercizio dello sharenting da parte dei genitori può essere funzionale, ad esempio alla partecipazione attiva all’interno dei gruppi e comunità di sopporto oppure alla riconfigurazione dell’identità individuale della madre dopo il parto. LAVORGNA A., TARTINI M., op. cit., p. 85-86.

[31] SCORZA G., FLORA M., #Sharenting: tutto quello che dovreste sapere prima di mettere online le foto dei vostri figli… ultimo accesso il 5 febbraio 2024

https://www.ictsecuritymagazine.com/articoli/minori-sharenting/

Le cyber-operazioni israeliane hanno trasformato radicalmente i conflitti moderni, dimostrando che tastiere e codici possono infliggere danni paragonabili alle armi cinetiche. Al cuore di questo arsenale digitale si trova l’Unità 8200, una forza d’élite di intelligence dei segnali che ha orchestrato alcune delle operazioni più sofisticate della storia, dal noto caso di Stuxnet agli attacchi alle infrastrutture critiche iraniane, culminati nella “Guerra dei 12 Giorni” del giugno 2025.

La portata delle cyber-operazioni israeliane è diventata drammaticamente evidente durante il conflitto israelo-iraniano del giugno 2025, documentato da istituzioni e media internazionali. Questo conflitto ha dimostrato come i membri dell’Unità 8200 abbiano raggiunto un’influenza strategica paragonabile alle divisioni militari tradizionali, operando dalla stazione di ascolto di Urim nel deserto del Negev e dal quartier generale a Glilot Junction, a nord di Tel Aviv.

L’evoluzione da Stuxnet alla guerra sistemica delle infrastrutture

Il precedente di Stuxnet: la prima cyberweapon della storia

L’operazione Stuxnet del 2010 ha segnato un momento cruciale nella storia della guerra cibernetica israeliana. Questa operazione congiunta USA-Israele, parte della più ampia iniziativa “Olympic Games”, ha dispiegato malware con un livello di sofisticatezza senza precedenti: 500 kilobyte di codice che utilizzavano quattro exploit zero-day simultaneamente, secondo l’analisi di Kaspersky Lab.

Il worm prendeva di mira specificamente il software Siemens SIMATIC WinCC/Step-7, che controllava i controllori logici programmabili presso la struttura nucleare iraniana di Natanz. Come riportato dall’IEEE Spectrum nel 2025, “l’operazione distrusse circa 1.000 centrifughe” presso la struttura. L’Institute for Science and International Security ha confermato nelle sue analisi che “Stuxnet potrebbe aver distrutto circa 1.000 centrifughe presso l’impianto di arricchimento combustibile di Natanz alla fine del 2009 o all’inizio del 2010”.

Secondo la Stanford University, “è attualmente stimato che il worm Stuxnet abbia distrutto 984 centrifughe per l’arricchimento dell’uranio”, mentre CSO Online riporta che “Stuxnet distrusse quasi un quinto delle centrifughe nucleari dell’Iran”.

Le innovazioni tecniche di Stuxnet andavano oltre la mera interruzione: il malware dimostrò la penetrabilità dell’air-gap attraverso unità USB e utilizzò certificati digitali rubati da RealTek e JMicron per apparire legittimo, ottenendo la distruzione fisica delle centrifughe IR-1.

Come riportato dal Council on Foreign Relations nel documento “Confronting the Cyber Threat“:

Stuxnet fu “il primo software malevolo specificamente progettato per colpire un particolare tipo di sistema di controllo industriale”, che “causò il malfunzionamento delle centrifughe” mentre “il sabotaggio si verificava mentre la direzione dell’impianto osservava una facciata di funzionamento normale”. Il CFR conferma inoltre nel suo Cyber Operations Tracker che Stuxnet rappresenta “il primo caso pubblicamente noto in cui un’operazione cyber ha causato danni fisici al di fuori di un ambiente di test controllato”.

L’evoluzione tattica delle cyber-operazioni israeliane: dagli attacchi mirati alle campagne sistemiche

L’evoluzione da Stuxnet rivela un cambiamento strategico nella dottrina cyber israeliana. Mentre Stuxnet si concentrava su un singolo obiettivo di alto valore con precisione chirurgica, le operazioni successive hanno dimostrato un targeting più ampio delle infrastrutture.

L’attacco dell’aprile 2021 al sistema di distribuzione elettrica di Natanz causò guasti significativi alle cascate di centrifughe, secondo The Washington Post che citava “fonti di intelligence americane”.

L’attacco dell’ottobre 2021 al sistema di distribuzione del carburante iraniano ha rappresentato un’evoluzione significativa nella guerra cibernetica regionale. Rendendo 4.300 stazioni di servizio dell’Iran incapaci di elaborare pagamenti, l’episodio ha mostrato che un attacco informatico può avere conseguenze dirette non solo sulle infrastrutture ma anche sui servizi ai cittadini.

Il gruppo Predatory Sparrow: warfare psicologico digitale

Il gruppo “Predatory Sparrow” (Gonjeshke Darande in persiano) ha rivendicato la responsabilità dell’operazione contro il sistema di carburante iraniano. Come riportato da Ynet News, “circa 4.300 stazioni di servizio – il 70% di tutte le stazioni in Iran – sono state chiuse” durante l’attacco del 2021.

Secondo The Times of Israel, “il gruppo noto come Gonjeshke Darande, o Predatory Sparrow, disse di aver disabilitato «la maggioranza delle pompe di benzina in tutto l’Iran»”.

L’aspetto più innovativo di questi attacchi è stato aver integrato elementi di warfare psicologico: durante l’attacco del 2021, secondo Wikipedia, “gli aggressori presero anche il controllo dei cartelloni digitali per mostrare messaggi critici verso la Guida Suprema dell’Iran”, incluso il messaggio “Khamenei! Dove è il nostro carburante?”, seguito dal numero di telefono personale del leader supremo iraniano.

Il gruppo ha ripetuto attacchi simili nel dicembre 2023, con Iran International che riporta: “l’attacco cibernetico responsabile della paralisi delle stazioni di servizio in tutto l’Iran lunedì è stato rivendicato dal gruppo hacker Gonjeshk-e-Darande o Predatory Sparrow“.

Unità 8200: il motore della supremazia cyber israeliana

Struttura e dimensioni dell’organizzazione

L’Unità 8200 rappresenta molto più di un’unità di intelligence militare: funziona come il crogiolo tecnologico di Israele. Peter Roberts – Direttore delle Scienze Militari presso il Royal United Services Institute – la descrive come “probabilmente la principale agenzia di intelligence tecnica al mondo, alla pari con la NSA in tutto tranne che nelle dimensioni”.

This is Beirut riporta che:

“secondo vari esperti, il personale dell’Unità 8200 varia da 5.000 a 10.000 membri, con circa la metà attiva in qualsiasi momento, rappresentando quasi l’80% della forza lavoro totale di Aman”.

La struttura organizzativa dell’unità riflette la sua duplice natura militare e civile. Formalmente designata come Unità Nazionale SIGINT Israeliana (ISNU), opera sotto la Direzione dell’Intelligence Militare (Aman). Come riportato dal sito ufficiale delle IDF, “l’Unità 8200 è la principale unità di raccolta informazioni della Direzione dell’Intelligence Militare”.

Capacità operative e infrastrutture

Secondo uno studio del 2019 dell’ETH Zurich, “l’Unità 8200 ha dimostrato capacità avanzate nell’intelligence dei segnali e nelle operazioni cyber”. Le sue sotto-unità includono l’Unità Hatzav per la raccolta di intelligence open-source, l’Unità 81 per lo sviluppo di tecnologie classificate e Gedasim per la trasmissione in tempo reale di informazioni dal campo di battaglia.

Come riportato da Le Monde diplomatique nel 2010:

l’unità “gestisce una grande base SIGINT nel Negev, una delle più grandi basi di ascolto al mondo, capace di monitorare chiamate telefoniche, email e altre comunicazioni, in tutto il Medio Oriente, Europa, Asia e Africa”.

L’unità mantiene anche “postazioni di ascolto coperte nelle ambasciate israeliane all’estero, intercetta cavi sottomarini, mantiene unità di ascolto coperte nei territori palestinesi e ha jet Gulfstream equipaggiati con apparecchiature di sorveglianza elettronica”.

Sistema di reclutamento e formazione

Il reclutamento inizia durante le scuole superiori, attraverso programmi specializzati come “Magshimim”, che insegna ai giovani svantaggiati programmazione in Python e C++, reverse engineering e crittografia. Il processo di selezione è estremamente competitivo, richiedendo prestazioni nel 89° percentile nei test psicometrici, secondo fonti militari israeliane documentate da Darknet Diaries.

Le reclute selezionate subiscono un addestramento intensivo di sei mesi, con giornate di 12/18 ore, come riportato da Le Temps in un articolo del 2017 che citava un ex membro dell’unità. L’addestramento enfatizza concetti come “chutzpah” (audacia) e “rosh gadol” (pensiero strategico), incoraggiando le reclute a mettere in discussione l’autorità e pensare creativamente.

Come spiegato da Darknet Diaries, “nel militare americano non è una buona idea sfidare i tuoi leader: ma nell’ambiente militare israeliano, i soldati con rosh gadol sono incoraggiati a sfidare i loro leader”. Questa filosofia ha portato molti ex membri dell’Unità 8200 a diventare fondatori di aziende tecnologiche al termine del servizio militare.

Impatto sull’industria tecnologica globale

La rete di ex membri dell’unità ha fondamentalmente plasmato i mercati globali della cybersicurezza. Ex membri dell’Unità 8200 hanno fondato Check Point Software (capitalizzazione di mercato di 16 miliardi di dollari), Palo Alto Networks, CyberArk e Wiz, che Google ha acquisito per 32 miliardi di dollari nel 2025.

Anche il controverso NSO Group – creatore dello spyware Pegasus – è stato fondato da veterani dell’Unità 8200. Secondo l’8200 Alumni Association, citata da Calcalist Tech, l’associazione “ha lanciato un programma globale per supportare le startup israeliane”, evidenziando l’impatto economico dell’unità nel settore tecnologico nazionale.

Questa «8200 Mafia», come viene spesso chiamata, ha creato oltre 300 aziende attraverso programmi acceleratori per alunni, con uscite totali che superano i 4,5 miliardi di dollari, dimostrando come in Israele la formazione di intelligence militare si traduca in innovazione commerciale.

Operazioni documentate e casi di studio

L’unità avrebbe dimostrato le sue capacità in operazioni documentate. Come affermato dal sito ufficiale delle IDF nel 2018, “l’Unità 8200 ha sventato un attacco ISIS” nel febbraio dello stesso anno, intercettando messaggi e prevenendo un attacco terroristico in un paese occidentale non meglio specificato.

L’unità “ha inviato i messaggi al paese occidentale dove era pianificato l’attacco, e con quelle informazioni, le autorità hanno arrestato gli attori e salvato innumerevoli civili”.

Un ex comandante dell’Unità 8200, Yair Cohen, ha rivelato il ruolo centrale dell’unità nell’intelligence israeliana: “Il 90% del materiale di intelligence in Israele proviene dall’8200… non c’è un’operazione importante, del Mossad o di qualsiasi agenzia di sicurezza dell’intelligence, in cui l’8200 non sia coinvolta”.

Durante il conflitto del giugno 2025, secondo The Times of Israel, “le esplosioni dei pager di Hezbollah hanno messo i riflettori sull’Unità 8200 di guerra cibernetica di Israele”, con numerosi esperti che attribuiscono le sofisticate cyber-operazioni israeliane alle capacità avanzate dell’unità.

Le dinamiche regionali della guerra cibernetica ridisegnano la sicurezza mediorientale

L’evoluzione delle capacità cyber iraniane

Il conflitto tra Iran e Israele ha catalizzato una corsa regionale agli armamenti cyber, documentata dagli analisti internazionali. Le capacità cyber iraniane si sono evolute significativamente da quando hanno subito l’attacco Stuxnet, con gruppi Advanced Persistent Threat (APT) come APT33 (Elfin), APT34 (OilRig) e APT35 (Charming Kitten) che conducono operazioni altamente complesse, secondo le analisi di Google Cloud e Microsoft Security.

Questi gruppi – collegati al Ministero dell’Intelligence e della Sicurezza iraniano (MOIS) e al Corpo delle Guardie Rivoluzionarie Islamiche (IRGC) – impiegherebbero ingegneria sociale potenziata dall’IA, tecniche di compromissione degli account cloud e sviluppo di malware personalizzato.

Escalation degli attacchi nella regione

Secondo Iran International, “nel 2023 Israele ha visto aumentare del 43% gli attacchi cyber dall’Iran e Hezbollah”, con 3.380 incidenti documentati inclusi 800 ritenuti significativi dai ricercatori di sicurezza.

In base ai dati citati da Positive Technologies Security, l’Arabia Saudita è diventata il paese più colpito nella regione, risultando destinataria di circa il 40% degli incidenti cyber, con costi medi di 8,75 milioni di dollari per incidente: quasi il doppio della media globale.

La risposta del Regno include l’implementazione dei Controlli Essenziali di Cybersicurezza (ECC) e, secondo analisti locali, la cooperazione «dietro le quinte» con Israele sulla difesa cyber, nonostante l’assenza di relazioni diplomatiche formali.

Gli Emirati Arabi Uniti hanno sviluppato partnership simili attraverso la dimensione cyber degli Accordi di Abramo, ospitando importanti conferenze di cybersicurezza e collaborando su sistemi di difesa basati sull’IA.

Vulnerabilità delle infrastrutture critiche

Le dinamiche regionali hanno creato nuove vulnerabilità. Lo Stretto di Hormuz, attraverso il quale passa il 25% del commercio petrolifero marittimo globale, rappresenta un punto critico vulnerabile alla disrupzione cyber. Diversi servizi di intelligence hanno documentato infiltrazioni iraniane dei fornitori di telecomunicazioni negli Stati del Golfo.

Inoltre, lo sviluppo dell’infrastruttura 5G crea superfici di attacco aggiuntive che gli attori statali stanno attivamente esplorando. Il World Economic Forum ha evidenziato come “gli stati del GCC stiano rafforzando la loro resilienza di cybersicurezza nell’era digitale” in risposta a queste crescenti minacce.

Il conflitto del giugno 2025: integrazione cyber-cinetica

Operazione Rising Lion: un nuovo paradigma di guerra

Il conflitto del giugno 2025 ha rappresentato un punto di svolta nella guerra moderna. Il conflitto, anche noto come Guerra dei Dodici Giorni (13 giugno – 24 giugno 2025), iniziò con attacchi a sorpresa israeliani su strutture militari e nucleari chiave in Iran.

Come documentato dalla CNN, “Israele ha colpito il cuore del complesso nucleare, missilistico e militare iraniano” nell’operazione “Rising Lion”. Il Primo Ministro Netanyahu ha annunciato che “Israele ha lanciato l’operazione Rising Lion, un’operazione militare mirata per far arretrare la minaccia iraniana alla sopravvivenza stessa di Israele”.

Il conflitto ha dimostrato l’integrazione senza precedenti di cyber-operazioni israeliane e militari convenzionali. Secondo l’analisi del Center for Strategic and International Studies, “l’operazione israeliana denominata Rising Lion si è sviluppata in due atti distinti ma mutuamente rinforzanti”, combinando “sciami di piccoli droni esplosivi che i commando israeliani avevano posizionato in Iran mesi prima” con “oltre 200 aerei da combattimento israeliani”.

Analisi tattica e strategica

Secondo l’US Naval Institute Proceedings, “gli attacchi iniziali sembravano comprendere due componenti principali: attacchi tradizionali a lungo raggio multi-aereo e attacchi drone a corto raggio”, con “più di 200 aerei da combattimento che trasportavano una varietà di armi” contro “oltre 100 obiettivi nucleari e militari in tutto l’Iran, inclusi leader militari”.

Il Royal United Services Institute (RUSI) ha ricostruito che “l’Operazione Rising Lion ha dimostrato la vasta superiorità convenzionale che Israele gode sull’Iran, evidenziando l’importanza di intelligence, sorpresa e difesa aerea e missilistica efficaci”.

L’operazione è stata progettata per durare una settimana e ha coinvolto “oltre 200 aerei da combattimento che colpiscono oltre cento obiettivi” nelle prime 24 ore.

Nell’analisi dell’Hudson Institute, “il 13 giugno, la Repubblica Islamica dell’Iran ha sperimentato un collasso strategico che ha alterato l’equilibrio di potere in Medio Oriente” attraverso l’eliminazione di “personale militare e scientifico iraniano chiave” nonché il degrado delle “infrastrutture missilistiche del paese e i sistemi di allarme precoce”.

Componenti cyber dell’operazione

L’aspetto più innovativo dell’operazione Rising Lion è stata l’integrazione di operazioni cyber sofisticate. Secondo il Center for Strategic and International Studies (CSIS), “i video pubblicati dal governo israeliano indicano una combinazione di intelligence e forze speciali israeliane che hanno eseguito raid DEAD simili all’Operazione Spiderweb dell’Ucraina”.

Il personale israeliano, “che secondo quanto riferito operava all’interno dell’Iran da mesi, ha eseguito attacchi tattici con droni sui siti di difesa aerea e missili balistici iraniani”.

Come riportato dall’Atlantic Council, il conflitto ha rivelato che “mentre le operazioni cyber forniscono vantaggi tattici e effetti psicologici, rimangono più efficaci quando integrate con operazioni cinetiche piuttosto che come strumenti strategici autonomi”.

La risposta internazionale

Come riportato da Al Jazeera, “un cessate il fuoco mediato da Trump è in vigore per ora” dopo che “Israele e Iran sono passati da una guerra in escalation a un fragile cessate il fuoco” il 24 giugno 2025.

Il conflitto ha coinvolto direttamente gli Stati Uniti, con il Presidente Trump che avrebbe “ordinato supporto a Israele” e bombardato “tre siti nucleari iraniani” il 22 giugno.

In occasione del vertice 2025 in Canada, i leader del G7 hanno emesso una dichiarazione che recitava:

“Affermiamo che Israele ha il diritto di difendersi”, mentre un sondaggio degli elettori di Trump ha mostrato che “il 53% ha detto che gli Stati Uniti non dovrebbero essere coinvolti nel conflitto Iran-Israele”.

Implicazioni internazionali: il futuro della guerra cibernetica

Sfide normative internazionali

Il conflitto cyber israeliano-iraniano ha profonde implicazioni per la sicurezza internazionale. Secondo un documento dello United Nations Office for Disarmament Affairs (UNODA), le 11 norme volontarie delle Nazioni Unite per il comportamento responsabile degli stati nel cyberspazio mancano di meccanismi di applicazione efficaci.

Queste includono la protezione delle infrastrutture critiche, la cooperazione nelle indagini criminali e il rispetto dei diritti umani nel cyberspazio.

Come analizzato dal Center for Strategic and International Studies, “creare responsabilità per le norme cyber globali” rimane una sfida significativa per la comunità internazionale. Il Manuale di Tallinn fornisce linee guida sulle operazioni cyber sotto il diritto internazionale, ma i requisiti di attribuzione e le soglie per l’attacco armato rimangono contestati.

Stuxnet ha stabilito un precedente per operazioni cyber sotto la soglia del conflitto armato tradizionale: tuttavia l’integrazione di operazioni cyber nella guerra cinetica, osservata nel corso del 2025, rappresenta un’evoluzione verso il trattamento del cyberspazio come un dominio convenzionale di guerra.

Sviluppi tecnologici e minacce emergenti

La sofisticazione tecnica continua ad avanzare rapidamente. L’integrazione dell’intelligenza artificiale migliora sia le capacità offensive che difensive, come documentato nei report di Google Cloud sulla “minaccia dell’uso improprio dell’IA generativa”.

Contemporaneamente, gli sviluppi del quantum computing minacciano gli standard di crittografia attuali, potenzialmente rivoluzionando la guerra cibernetica entro il prossimo decennio.

La proliferazione di gruppi hacktivist crea sfide di attribuzione e rischi di escalation dei conflitti. Durante il conflitto del 2025, secondo Flashpoint, sono stati “tracciati oltre 170 gruppi” che operavano su entrambi i lati, creando “sfide di attribuzione e rischi di escalation poiché gli attori statali utilizzano sempre più questi gruppi per una negazione plausibile”.

Convergenza di minacce statali e criminali

La convergenza tra attori statali e reti cybercriminali crea nuove minacce ibride inasprite da pressioni economiche e sanzioni. La cooperazione iraniana con Russia e Cina sulle capacità cyber, documentata dai servizi di intelligence occidentali, minaccia di accelerare lo sviluppo delle capacità.

La frammentazione nelle capacità cyber a livello regionale riduce le opportunità di cooperazione proprio quando la difesa collettiva diventa più critica.

L’Unione Europea ha sviluppato il Cyber Diplomacy Toolbox, che fornisce quadri per sanzioni e risposte diplomatiche; ma lotta con le sfide di attribuzione e la velocità delle operazioni cyber.

Implicazioni strategiche e sfide operative

Lezioni apprese e limitazioni

Le recenti cyber-operazioni israeliane rivelano una strategia sofisticata che include obiettivi multipli: degradare le capacità nucleari iraniane, imporre costi economici, creare pressione politica interna e dimostrare capacità deterrenti.

Il targeting di precisione delle infrastrutture critiche, evitando vittime civili di massa, riflette una gestione dell’escalation progettata per ottenere effetti strategici senza scatenare una guerra generalizzata.

Tuttavia, persistono sfide significative. L’attacco di Hamas del 7 ottobre 2023 ha rappresentato un importante fallimento dell’intelligence israeliana, nonostante le sofisticate capacità dell’Unità 8200.

Come riportato da The New York Times nel novembre 2023:

“un analista veterano dell’Unità 8200 aveva avvertito a luglio che Hamas si stava preparando per un attacco transfrontaliero” ma “le preoccupazioni dell’analista furono respinte dalla leadership militare senior come totalmente immaginarie”.

Secondo l’Institute for Defense Analyses, questo evento ha evidenziato “i fallimenti dell’intelligence israeliana prima dell’attacco di Hamas del 7 ottobre”, nonché “i limiti dell’intelligence tecnica quando si affrontano avversari determinati che impiegano rigorose pratiche di sicurezza operativa”.

Controversie etiche e accountability

Anche a livello etico non mancano zone d’ombra e preoccupazioni, condivise persino dagli stessi membri dell’intelligence israeliana: nel 2014, 43 veterani dell’Unità 8200 hanno pubblicato una lettera condannando le operazioni di sorveglianza sui civili palestinesi e rifiutandosi di partecipare alle operazioni nei territori occupati, sostenendo che tali attività violassero i diritti umani fondamentali.

Amnesty International ha evidenziato l’uso del sistema di riconoscimento facciale Red Wolf per limitare la libertà di movimento dei palestinesi. L’organizzazione descrive “Red Wolf come un sistema di riconoscimento facciale utilizzato dalle forze armate israeliane ai checkpoint nella città di Hebron, nella Cisgiordania occupata” che “utilizza dati biometrici per determinare se un individuo può passare attraverso il checkpoint“.

Prospettive future e corsa agli armamenti

La corsa agli armamenti cyber nella regione non mostra segni di rallentamento. L’Iran ha sviluppato capacità significative attraverso gruppi come APT33, APT34 e APT35, mentre mantiene una rete di proxy regionali che includono Hezbollah in Libano e gli Houthi in Yemen.

La cooperazione cyber di Teheran con Mosca e Pechino, secondo i servizi di intelligence occidentali, include condivisione di strumenti, tecniche e informazioni che accelera lo sviluppo delle capacità di tutti e tre i paesi.

Infine, la convergenza di attori statali con reti cybercriminali crea nuove minacce ibride, dove le sanzioni economiche spingono gli Stati a utilizzare anche metodi criminali per generare entrate.

Conclusioni: la nuova realtà del conflitto cyber persistente

L’eredità di trasformazione dell’Unità 8200

Le cyber-operazioni israeliane e le attività dell’Unità 8200 hanno trasformato irreversibilmente la guerra del XXI secolo: l’evoluzione avvenuta dall’attacco chirurgico di Stuxnet alle campagne integrate di guerra cyber-cinetica del 2025 mostra la maturazione delle operazioni cyber da strumenti sperimentali a componenti centrali della strategia militare contemporanea.

Il duplice ruolo dell’Unità 8200 – da un lato centro di intelligence militare, dall’altro incubatore tecnologico – ha creato un ecosistema dove gli imperativi di sicurezza nazionale guidano l’innovazione commerciale.

Questo modello ha prodotto leader globali della cybersicurezza come Check Point, Palo Alto Networks e CyberArk, attraverso continue innovazioni nelle capacità offensive e difensive.

Precedenti stabiliti e implicazioni strategiche

Durante il conflitto tra Israele e Iran del giugno 2025, l’integrazione delle cyber-operazioni israeliane con l’azione militare convenzionale ha stabilito nuovi precedenti per i conflitti futuri.

Come documentato dal Center for Strategic and International Studies nell’analisi post-conflitto, il successo dell’Operazione Rising Lion ha dimostrato che “la guerra moderna combina scala e precisione” attraverso “navigazione autonoma, progetti attribile a basso costo e reti di intelligence cross-domain” che permettono ai pianificatori di “coreografare centinaia di punti di mira su distanze massive”.

In altre parole, mentre le operazioni cyber da sole raramente raggiungono risultati strategici decisivi, la loro sincronizzazione con le operazioni cinetiche moltiplica significativamente l’efficacia del campo di battaglia.

Infine, l’impatto psicologico di simili operazioni – dimostrare la capacità di penetrare i sistemi più protetti degli avversari – potrebbe rivelarsi tanto prezioso quanto gli effetti operativi.

Sfide per il futuro e implicazioni globali

Tuttavia, questa nuova realtà comporta implicazioni preoccupanti per la stabilità internazionale. La normalizzazione degli attacchi alle infrastrutture civili, l’erosione dei tradizionali meccanismi di controllo delle escalation e la difficoltà di attribuzione delle responsabilità nel cyberspazio creano un’instabilità persistente.

L’assenza di meccanismi di governance internazionale efficaci, come sottolineato dalle analisi delle Nazioni Unite, significa che questa «guerra ombra» continuerà probabilmente a intensificarsi.

Come osservato da War on the Rocks circa le lezioni del conflitto tra Israele e Iran, “il dominio nelle capacità cyber e di intelligence può fornire vantaggi temporanei ma non può sostituire strategie politiche sostenibili per gestire conflitti regionali”. Le operazioni cyber creano infatti nuove vulnerabilità e dipendenze, che possono essere sfruttate da avversari determinati.

L’era del campo di battaglia ibrido

Man mano che l’IA e il quantum computing rivoluzionano le capacità cyber, le innovazioni pionieristiche dell’Unità 8200, testate nel conflitto israelo-iraniano, plasmeranno le dinamiche di sicurezza globale per i decenni a venire. La capacità di condurre operazioni simultanee nel dominio fisico e digitale è diventata un moltiplicatore di forza critico.

Comprendere le cyber-operazioni israeliane – in termini di sofisticazione tecnica, strategia e limitazioni – diventa essenziale per i decisori politici, i professionisti della sicurezza e i cittadini che navigano in un’era dove il campo di battaglia digitale è diventato tanto importante quanto quello fisico.

Il conflitto del giugno 2025 ha dimostrato definitivamente che il campo di battaglia digitale non è una frontiera teorica, ma una realtà operativa consolidata. Gli architetti della guerra cibernetica dell’Unità 8200 hanno stabilito un modello che combina innovazione strategica e integrazione operativa, creando capacità che ridefiniscono i parametri del potere nazionale nel XXI secolo.

Mentre entriamo in un’era di conflitto ibrido persistente – dove le linee tra pace e guerra, civile e militare, fisico e digitale continuano a sfumare – l’esperienza dell’Unità 8200 può aiutarci a comprendere come le nazioni tecnologicamente avanzate modelleranno il futuro della sicurezza globale.

Vuoi rimanere aggiornato sulle ultime evoluzioni delle cyber-operazioni israeliane e sulla sicurezza informatica in Medio Oriente? Iscriviti alla nostra newsletter per ricevere analisi approfondite, report esclusivi e aggiornamenti in tempo reale sul conflitto cyber israelo-iraniano.

Industrial Cybersecurity

https://www.ictsecuritymagazine.com/articoli/cyber-operazioni-israeliane/

Nell’era digitale, video e deepfake stanno ridefinendo ciò che percepiamo come reale. Questo articolo esplora come l’intelligenza artificiale consenta di manipolare la verità, dagli inganni politici dei filosofi antichi alle truffe finanziarie contemporanee. Tra esempi concreti, studi scientifici e strategie pratiche per riconoscere i contenuti falsi, il testo mostra perché i deepfake rappresentano una sfida epocale per la sicurezza, la percezione e la nostra capacità di discernimento.

L’arte antica dell’inganno trova nuova vita nell’era digitale

Nel 1984, George Orwell immaginava un mondo dove “la guerra è pace, la libertà è schiavitù, l’ignoranza è forza”. Oggi, quasi quarant’anni dopo, la sua profezia si materializza sotto forma di algoritmi e pixel: benvenuti nell’era dei deepfake, dove vedere non significa più credere.

Ma l’inganno politico non è nato con l’intelligenza artificiale. Per millenni, i leader hanno perfezionato l’arte di manipolare la percezione pubblica attraverso quello che i filosofi chiamano “sofisma” – l’uso di ragionamenti apparentemente validi ma sostanzialmente fallaci per convincere le masse.

Platone, nel suo “Fedro” (370 a.C.), avvertiva già dei pericoli della retorica senza verità. Nel dialogo, Socrate critica chi pratica l’arte del discorso senza conoscere la verità, sostenendo che una “autentica arte del dire senza il tocco della verità non esiste né esisterà mai”. Il filosofo greco temeva che l’eloquenza potesse sostituire la sostanza, che la forma potesse prevalere sul contenuto. Una profezia che risuona drammaticamente nell’era dei deepfake.

Niccolò Machiavelli, ne “Il Principe” (1513), codificò questa strategia in una dottrina politica esplicita. “È necessario a un principe sapere bene usare la bestia e l’uomo”, scriveva, teorizzando l’uso dell’astuzia come strumento di potere. Per Machiavelli, l’inganno non era un difetto del potere, ma una sua caratteristica essenziale. “A uno principe, adunque, non è necessario avere in fatto tutte le soprascritte qualità, ma è bene necessario parere di averle”, dichiarava con lucida chiarezza, anticipando di cinque secoli l’essenza stessa dei deepfake: l’apparenza che sostituisce la realtà.

Hannah Arendt, filosofa del XX secolo, portò questa analisi a un livello ancora più profondo. Nel suo “Le origini del totalitarismo” (1951), descrisse come i regimi autoritari non si limitassero a mentire, ma creassero una “realtà alternativa” così pervasiva da rendere impossibile distinguere il vero dal falso. Arendt osservò che il suddito ideale del regime totalitario non è il convinto seguace dell’ideologia, ma “l’individuo per il quale la distinzione fra realtà e finzione, fra vero e falso non esiste più”. Una condizione che i deepfake rendono tecnicamente realizzabile su scala di massa.

Questa manipolazione della realtà ha sempre seguito schemi prevedibili. I politici hanno imparato a usare tecniche retoriche specifiche: la ripetizione ossessiva di slogan (che diventa verità per molti), il gaslighting (far dubitare alla vittima della propria percezione della realtà), la proiezione (accusare gli avversari dei propri difetti), e soprattutto il cherry-picking – selezionare solo i fatti che confermano la propria narrativa, ignorando tutto il resto.

Quello che rende i deepfake così pericolosi non è solo la loro perfezione tecnica, ma il fatto che sfruttano gli stessi meccanismi psicologici che i politici hanno utilizzato per secoli. La differenza è che ora l’inganno non si limita alle parole: può materializzarsi in video indistinguibili dalla realtà.

Lo studio “Deepfake-Eval-2024” rappresenta un momento di verità che Platone avrebbe apprezzato: quando i ricercatori hanno testato 16 sistemi di rilevamento all’avanguardia contro deepfake reali circolanti online, hanno scoperto che l’accuratezza crollava dal 99% in laboratorio al 75% nella realtà. È la stessa dinamica che Arendt aveva identificato nei regimi totalitari: la verità funziona perfettamente in teoria, ma collassa quando si confronta con la propaganda sistematica.

Il parallelo è sconvolgente: così come i sistemi di rilevamento falliscono quando escono dal laboratorio protetto e si scontrano con la “selva oscura” di internet, così la democrazia vacilla quando le sue istituzioni, progettate per un mondo di fatti verificabili, si confrontano con l’era della post-verità digitale.

I deepfake sono l’evoluzione naturale di una strategia antica quanto il potere stesso: convincere le persone che ciò che vedono e sentono non è affidabile quanto ciò che il leader dice loro di vedere e sentire. Solo che ora, invece di limitarsi a distorcere i fatti, possono creare fatti completamente nuovi, indistinguibili dalla realtà.

Come teorizzava Orwell in “1984”, il potere totalitario aspira al controllo assoluto della percezione: chi controlla il presente controlla il passato, chi controlla il passato controlla il futuro. I deepfake hanno reso questa visione distopica tecnicamente realizzabile.

Quando la realtà diventa un’illusione

Era una mattina di gennaio del 2024 quando un dipendente finanziario di Hong Kong ricevette una videochiamata dal suo direttore finanziario. Sullo schermo c’era il volto familiare del suo capo, che gli chiedeva di autorizzare urgentemente un trasferimento di fondi per un’acquisizione segreta. La voce era quella giusta, i gesti erano naturali, perfino l’ufficio sullo sfondo corrispondeva. Il dipendente non ebbe esitazioni: in una settimana trasferì 25,6 milioni di dollari attraverso 15 transazioni separate.

Solo dopo scoprì di essere stato truffato da un deepfake talmente perfetto che anche lui, che conosceva personalmente il direttore, non si era accorto di nulla. L’intera videoconferenza era stata una messinscena: tutti i partecipanti, tranne lui, erano deepfake generati dall’intelligenza artificiale.

Benvenuti nell’era in cui non potete più fidarvi di quello che vedete. Un’era in cui l’intelligenza artificiale ha imparato a mentire meglio di qualsiasi essere umano.

La rivoluzione invisibile che ci circonda

I deepfake sono ovunque, anche se non ce ne accorgiamo. Quel video virale del politico che dice qualcosa di scandaloso? Potrebbe essere falso. La foto di quella celebrità in una situazione imbarazzante? Probabilmente creata al computer. Secondo l’ultimo report di Deloitte, stiamo parlando di una tecnologia che potrebbe causare danni per 40 miliardi di dollari entro il 2027, solo negli Stati Uniti.

Ma facciamo un passo indietro. Che cosa sono esattamente questi deepfake che stanno rivoluzionando il nostro rapporto con la verità?

Immaginate di avere un artista talmente bravo da poter disegnare il volto di chiunque in qualsiasi situazione, ma invece di usare pennelli e colori, usa algoritmi e computer. I deepfake sono questo: video, audio o immagini create dall’intelligenza artificiale che sembrano autentici ma sono completamente artificiali.

La tecnologia funziona come un bugiardo molto intelligente che ha studiato a fondo la sua vittima. Il computer “osserva” migliaia di foto e video di una persona, impara ogni suo gesto, ogni espressione, il modo in cui muove la bocca quando parla. Poi, come un ventriloquo digitale, può far dire a quella persona qualsiasi cosa.

I numeri che fanno paura

Le statistiche del 2024 sono da brividi. Secondo i dati di Deloitte, i deepfake nel settore finanziario sono aumentati del 700% in un solo anno. Non parliamo più di casi isolati, ma di un fenomeno di massa che sta investendo ogni aspetto della nostra vita digitale.

Il 60% degli americani si dice preoccupato per questa tecnologia, e hanno ragione. Perché quando anche gli esperti faticano a distinguere il vero dal falso, cosa può fare una persona normale?

Il grande inganno: quando la scienza non basta

Qui arriviamo al cuore del problema, quello di cui nessuno parla abbastanza. I ricercatori universitari hanno creato sistemi di rilevamento che nei loro laboratori funzionano alla perfezione. Parliamo di accuratezze del 99% su video di test. Numeri che farebbero pensare che il problema sia risolto.

Ma la realtà è ben diversa. Quando gli stessi sistemi vengono messi alla prova con deepfake reali, quelli che circolano veramente su internet, succede qualcosa di drammatico. Uno studio rivoluzionario del 2024, chiamato “Deepfake-Eval-2024”, ha analizzato oltre 45 ore di video e 56,5 ore di audio raccolti da 88 siti web in 52 lingue diverse. Il risultato? Un disastro.

I sistemi di rilevamento perdevano in media il 50% della loro accuratezza. Alcuni modelli arrivavano a prestazioni quasi casuali, come se stessero tirando una moneta. Anche i migliori, dopo essere stati “addestrati” con dati reali, raggiungevano solo il 75% di accuratezza.

È come se avessimo allenato un detective a riconoscere i criminali guardando solo film di Hollywood, e poi lo avessimo mandato per strada a fermare ladri veri. Il mondo reale è molto più complicato del laboratorio.

Perché la tecnologia non ci sta salvando

Il motivo di questo fallimento è tanto semplice quanto inquietante. I deepfake “da laboratorio” sono come leoni dello zoo: controllati, prevedibili, creati in condizioni perfette. Ma quelli che circolano online sono come belve selvatiche: imprevedibili, evolutisi per sopravvivere, sempre un passo avanti.

Chi crea deepfake per scopi illeciti non usa le tecnologie del 2019 che studiano i ricercatori. Usa gli ultimi modelli, come quelli che alimentano ChatGPT o Midjourney, e impara dai sistemi di rilevamento per aggirarli. È una corsa agli armamenti digitale dove, al momento, stanno vincendo i cattivi.

Secondo uno studio della Columbia Journalism Review, anche i giornalisti professionali, quelli che dovrebbero essere i nostri guardiani contro la disinformazione, spesso si affidano troppo a strumenti tecnologici che li tradiscono.

L’arte perduta di riconoscere le bugie digitali

Ma non tutto è perduto. Se la tecnologia ci ha deluso, possiamo tornare alle nostre capacità umane più antiche: l’intuizione, l’osservazione, il sano scetticismo. I ricercatori del MIT hanno sviluppato una guida pratica che chiunque può seguire.

Gli occhi, specchio dell’anima artificiale

Iniziamo dagli occhi, perché anche l’intelligenza artificiale più sofisticata ha ancora problemi con questi “specchi dell’anima”. Guardate il battito delle palpebre: è naturale o sembra meccanico? I primi deepfake non battevano mai le palpebre, problema ora risolto, ma il ritmo potrebbe sembrare ancora troppo regolare.

Poi osservate i riflessi. In un deepfake, spesso l’occhio destro e sinistro hanno riflessi diversi, come se guardassero due fonti di luce diverse. E le pupille? Si dilatano e si restringono naturalmente in base alla luce, o rimangono fisse come quelle di una bambola?

La bocca che tradisce la menzogna

Quando parliamo, non muoviamo solo le labbra. Tutto il viso partecipa alla conversazione: le guance si alzano quando sorridiamo, la fronte si corruga quando siamo preoccupati. Se vedete una bocca che si muove mentre il resto del viso rimane immobile, iniziate a insospettirvi.

E poi c’è la sincronizzazione. Le parole corrispondono esattamente al movimento delle labbra? Non sempre è facile da notare, ma quando c’è un problema, spesso si sente prima di vedersi.

I dettagli che l’AI non sa gestire

Secondo i ricercatori del CSIRO australiano, ci sono alcuni dettagli che tradiscono ancora i deepfake più sofisticati. Gli orecchini diversi l’uno dall’altro, un occhio leggermente più grande dell’altro, asimmetrie che l’occhio umano nota anche se non sa spiegare perché.

E poi ci sono le mani. I deepfake hanno ancora enormi difficoltà con le mani. Contate le dita: sono cinque per mano? Hanno dimensioni normali? Si muovono naturalmente? Spesso la risposta è no.

Il metodo che può salvarvi

Il professor Mike Caulfield dell’Università di Washington ha sviluppato una strategia semplice ma efficace, chiamata metodo SIFT, per valutare la credibilità dei contenuti online:

Stop – Non condividete immediatamente. La voglia di condividere qualcosa di scioccante è forte, ma resistete.

Investigate the source – Chi ha pubblicato questo contenuto? È una fonte affidabile o un account anonimo creato ieri?

Find better coverage – Se fosse vero, altri ne starebbero parlando. Cercate su Google, controllate i siti di news.

Trace claims – Che prove concrete ci sono? Da dove vengono le informazioni?

È un metodo che ha salvato molte persone dall’imbarazzo di condividere fake news, e che può salvare voi dal cadere in truffe ben più costose.

Gli strumenti che avete già in tasca

Non servono tecnologie fantascientifiche per difendersi. Google Reverse Image Search può dirvi se un’immagine è già apparsa altrove online. TinEye fa lo stesso lavoro. Se vedete una foto “esclusiva” che in realtà circola da mesi, sapete che qualcosa non quadra.

Ci sono anche app specifiche come Hive AI o strumenti come InVID-WeVerify sviluppato dall’Unione Europea. Ma ricordate: nessuno strumento è perfetto. Usateli come aiuto, non come verità assoluta.

La verità scomoda: anche noi sbagliamo

Uno studio mastodontico pubblicato su ScienceDirect ha analizzato 56 ricerche con oltre 86.000 partecipanti. Il risultato? Anche noi umani non siamo bravi a riconoscere i deepfake. L’accuratezza media è solo del 55% – appena meglio del caso.

Ma c’è una speranza. Con l’allenamento e l’uso di strumenti di supporto, l’accuratezza sale al 65%. Non è perfetto, ma in un mondo dove sbagliano anche i computer, ogni miglioramento conta.

Le storie che non finiscono sui giornali

Dietro le statistiche ci sono storie umane che raramente arrivano sui media. Come quella degli imprenditori italiani presi di mira nel febbraio 2025 da una truffa che utilizzava la voce clonata del Ministro della Difesa Guido Crosetto. I truffatori fingevano di dover liberare giornalisti rapiti, convincendo Massimo Moratti a versare 1 milione di euro (poi recuperato dalla polizia). Marco Tronchetti Provera di Pirelli è stato contattato ma non è caduto nella trappola.

Secondo il World Economic Forum, questi non sono casi isolati ma la punta dell’iceberg di un fenomeno che sta crescendo esponenzialmente.

La corsa senza fine tra il bene e il male

Mentre parliamo, la tecnologia continua a evolversi. I nuovi “diffusion models” – gli stessi che alimentano DALL-E e Midjourney – stanno rendendo i deepfake ancora più realistici. Ma anche le difese si stanno affinando.

Intel ha sviluppato FakeCatcher, un sistema che analizza i segnali biologici attraverso lo schermo del computer, raggiungendo il 96% di accuratezza. Reality Defender usa l’intelligenza artificiale per combattere l’intelligenza artificiale. E startup come Sensity promettono accuratezze del 95-98%.

Ma è una corsa che non finirà mai. Ogni nuova difesa porterà a un nuovo attacco, ogni nuovo rilevatore a un nuovo modo di ingannarlo.

Come proteggere voi stessi e le persone che amate

La protezione inizia dalle piccole cose. Rendete privati i vostri profili social: meno foto pubbliche significano meno materiale per creare deepfake di voi. Non fidatevi di videochiamate inaspettate, soprattutto se qualcuno vi chiede soldi o informazioni sensibili.

E soprattutto, educate le persone intorno a voi. Secondo le statistiche dell’FBI, gli anziani sono particolarmente vulnerabili a queste truffe. Una conversazione con i vostri genitori o nonni potrebbe salvare loro migliaia di euro.

Il nuovo mondo che ci aspetta

Stiamo entrando in un’era dove la frase “l’ho visto con i miei occhi” non sarà più una garanzia di verità. È un cambiamento epocale, paragonabile all’invenzione della stampa o di internet. E come ogni grande cambiamento, porta con sé opportunità e pericoli.

I deepfake non sono solo una minaccia. Nel cinema stanno rivoluzionando gli effetti speciali, nell’educazione permettono di far “parlare” personaggi storici, nell’arte stanno creando nuove forme di espressione.

Ma il lato oscuro è innegabile. E la responsabilità di navigare in questo nuovo mondo ricade su tutti noi.

La nuova alfabetizzazione digitale

Come abbiamo imparato a leggere e scrivere, ora dobbiamo imparare a “leggere” i media digitali. È una competenza che dovremo insegnare ai nostri figli, come una volta insegnavamo a non accettare caramelle dagli sconosciuti.

Il Government Accountability Office americano ha definito i deepfake una delle maggiori minacce alla sicurezza nazionale del XXI secolo. Ma la vera sicurezza non verrà solo dalla tecnologia o dalle leggi. Verrà dalla nostra capacità di rimanere critici, curiosi, e sempre un po’ scettici di fronte a quello che vediamo online.

L’importanza di rimanere umani

In un mondo dove le macchine imparano a mentire meglio degli esseri umani, la nostra umanità diventa la nostra forza più grande. L’intuizione, l’empatia, la capacità di fare domande scomode: queste sono le armi che nessuna intelligenza artificiale potrà mai toglierci.

Quando vedete un video che vi fa arrabbiare, che vi sciocca, che vi spinge a condividere immediatamente, fermatevi. Respirate. Chiedetevi: chi ha interesse a farmi provare queste emozioni? Cosa guadagna se io credo a questo video?

Spesso, la risposta a queste domande vi dirà più di qualsiasi algoritmo di rilevamento.

Il futuro è nelle nostre mani

I deepfake non spariranno. Diventeranno più sofisticati, più diffusi, più difficili da riconoscere. Ma questo non significa che dobbiamo arrenderci alla post-verità.

Significa che dobbiamo diventare più intelligenti, più critici, più collaborativi. Significa che dobbiamo sostenere il giornalismo di qualità, educare le nuove generazioni, e non smettere mai di fare domande.

Perché alla fine, in un mondo pieno di bugie perfette, la verità ha ancora un valore inestimabile. E siamo noi a doverla proteggere.

La prossima volta che vedrete un video che sembra troppo bello (o troppo brutto) per essere vero, ricordatevi del caso Arup e dei suoi 25,6 milioni di dollari. E ricordatevi che in un mondo di deepfake, la vostra capacità di dubitare potrebbe essere la cosa più preziosa che possedete.

Fonti:

Platone. Fedro. 370 a.C. Traduzione italiana consultata: Platone, Fedro, a cura di M. Bonazzi, Einaudi, Torino, 2011.

Machiavelli, N. Il Principe. 1513. Cap. XVIII “Quomodo fides a principibus sit servanda”. Edizione consultata: Machiavelli, Il Principe e Discorsi, Feltrinelli, Milano, 1960.

Arendt, H. Le origini del totalitarismo. 1951. Traduzione di Amerigo Guadagnin, Einaudi, Torino, 2004. ISBN 978-88-06-16935-0.

Orwell, G. 1984. 1949. Secker & Warburg, Londra.

Bonazzi, M. et al. “Deepfake-Eval-2024: A Multi-Modal In-the-Wild Benchmark of Deepfakes Circulated in 2024.” arXiv preprint, 2024. DOI: arXiv:2503.02857v4.

Deloitte. “Generative AI is expected to magnify the risk of deepfakes and other fraud in banking.” Deloitte Financial Services Industry Predictions, 2024.

U.S. Government Accountability Office. “Science & Tech Spotlight: Deepfakes.” Report GAO-20-379SP, maggio 2020.

U.S. Government Accountability Office. “Science & Tech Spotlight: Combating Deepfakes.” Report GAO-24-107292, 2024.

MIT Media Lab. “Detect DeepFakes: How to counteract misinformation created by AI.” Progetto di ricerca, 2024.

CSIRO Australia. “Research reveals ‘major vulnerabilities’ in deepfake detectors.” Comunicato stampa, marzo 2025.

YouGov. “Majorities of Americans are concerned about the spread of AI deepfakes and propaganda.” Sondaggio nazionale USA, agosto 2023.

World Economic Forum. “Deepfakes are here to stay and we should remain vigilant.” Report 2025.

Signicat. “Fraud attempts with deepfakes have increased by 2137% over the last three years.” Report statistico, 2025.

https://www.ictsecuritymagazine.com/articoli/video-fake/

Nell’aprile 2025, i ricercatori di HiddenLayer hanno annunciato una scoperta che ha fatto tremare Silicon Valley: il primo attacco universale di prompt injection capace di violare tutti i principali modelli AI – da ChatGPT a Claude, da Gemini a Llama – con un singolo comando malevolo. Questa tecnica, denominata “Policy Puppetry”, rappresenta l’evoluzione più pericolosa di quella che l’OWASP ha classificato come la vulnerabilità numero uno dei sistemi di intelligenza artificiale.

L’impatto economico è già devastante: secondo IBM, il costo medio di una violazione dei dati ha raggiunto i 4,88 milioni di dollari nel 2024, con un incremento del 10% rispetto all’anno precedente. Per le aziende del settore finanziario, particolarmente vulnerabili agli attacchi di prompt injection, la cifra sale a 6,08 milioni di dollari per incidente. Ma questi numeri potrebbero essere solo la punta dell’iceberg in un mercato AI che vale oltre 100 miliardi di dollari di investimenti annuali.

L’epidemia silenziosa che colpisce il 75% delle aziende

Le statistiche allarmanti del 2024-2025

I dati più recenti dipingono un quadro preoccupante dell’escalation degli attacchi di prompt injection. Secondo le ricerche di Palo Alto Networks, alcune tecniche di attacco raggiungono tassi di successo tra il 65% e l’80% attraverso diversi modelli LLM. Ancora più allarmante: il 99% degli utenti aziendali ha almeno un’estensione browser installata che può essere sfruttata per attacchi “Man-in-the-Prompt”, secondo LayerX Security.

Microsoft rivela che il 75% dei dipendenti aziendali utilizza l’AI generativa nel proprio lavoro, con il 46% che l’ha adottata solo negli ultimi sei mesi. Questa rapida diffusione ha creato una superficie di attacco senza precedenti. Coalition Inc. riporta che gli attacchi di phishing potenziati dall’AI sono aumentati dell’856%, con una riduzione dei costi di implementazione fino al 95% per i criminali informatici.

Le vulnerabilità segnalate quotidianamente sono passate da 113 nel 2024 a 131 nel 2025 secondo Indusface, con un tasso di weaponization dello 0,91% – apparentemente basso ma che rappresenta oltre 200 CVE attivamente sfruttate dai criminali.

I casi più eclatanti che hanno scosso il settore tech

ChatGPT e la memoria compromessa

Uno degli attacchi più sofisticati del 2024-2025 ha sfruttato la funzione memoria di ChatGPT per consentire l’esfiltrazione persistente di dati attraverso multiple conversazioni. Gli attaccanti sono riusciti a memorizzare comandi malevoli nella memoria del sistema, attivabili successivamente per monitorare e rubare informazioni personali degli utenti. Tra i casi più significativi:

• ShadowLeak (giugno 2025): vulnerabilità zero-click scoperta da Radware che permetteva l’esfiltrazione di dati tramite il sistema Deep Research di ChatGPT
• SpAIware (2024): tecnica di Johann Rehberger per persistenza tramite memoria personalizzata
• Multiple vulnerabilità reportate attraverso il programma bug bounty di OpenAI, che ora offre fino a 25.000 dollari per jailbreak universali

Google Gemini sotto attacco via email

Un caso particolarmente insidioso ha coinvolto Google Gemini, dove gli attaccanti hanno incorporato istruzioni malevole “admin” nei corpi delle email. Quando gli utenti cliccavano su “Riassumi questa email”, Gemini trattava il prompt nascosto come prioritario, creando campagne di phishing estremamente convincenti mascherate da avvisi di sicurezza Google legittimi. La vulnerabilità è stata scoperta da Marco Figueroa e reportata tramite 0Din nel programma bug bounty di Mozilla.

La manipolazione di Microsoft Copilot

Microsoft 365 Copilot, utilizzato da diverse aziende con licenze che arrivano a 10.000+ per singola organizzazione secondo i dati del Q3 2024, è stato vittima della vulnerabilità CVE-2025-32711 con un punteggio CVSS di 9.3. L’attacco, denominato “EchoLeak”, permetteva l’iniezione di comandi AI che potevano portare all’esecuzione di codice arbitrario e all’esfiltrazione di dati sensibili attraverso tecniche di ASCII smuggling. Microsoft ha implementato fix server-side per mitigare la vulnerabilità.

L’anatomia tecnica del pericolo: tipologie e metodologie di attacco

Prompt injection diretta vs indiretta

Le prompt injection dirette coinvolgono la manipolazione diretta dell’input utente per sovrascrivere le istruzioni di sistema. Tecniche come il “Role Play” (dove l’AI viene convinta di essere “DAN – Do Anything Now”) o l’offuscamento attraverso Base64, emoji o arte ASCII, continuano a evolversi. I ricercatori hanno identificato oltre 15 sottocategorie di attacchi diretti nel 2024.

Le prompt injection indirette sono ancora più pericolose: nascondono istruzioni malevole in fonti di dati esterne che l’AI processa. Document poisoning, RAG contamination e website injection rappresentano vettori di attacco particolarmente insidiosi perché l’utente attiva inconsapevolmente l’attacco.

Il jailbreaking di nuova generazione

Le tecniche di jailbreaking del 2025 sfruttano le finestre di contesto lunghe (oltre 1 milione di token) per sopraffare le misure di sicurezza attraverso esempi ripetuti. Gli attacchi multimodali nascondono istruzioni testuali all’interno di immagini, mentre la manipolazione della catena di pensiero contamina i processi di ragionamento dei modelli più avanzati.

L’impatto economico: miliardi in fumo

Il conto salato per le imprese

Forrester prevede che le perdite globali da criminalità informatica raggiungeranno i 12 trilioni di dollari nel 2025, con almeno 3 violazioni di dati pubblicamente attribuite a codice generato dall’AI. Il 48% delle organizzazioni ha subito violazioni superiori al milione di dollari, mentre il 27% delle violazioni maggiori costa tra 2 e 5 milioni di dollari per la remediation.

Il settore sanitario affronta i costi più elevati con una media di 10,93 milioni di dollari per violazione. L’attacco a Change Healthcare nel 2024 ha colpito 192,7 milioni di americani (dato aggiornato a gennaio 2025), richiedendo $8,9 miliardi in prestiti d’emergenza per i fornitori, con costi totali stimati tra $2,87 e $3,09 miliardi.

Confronto con altre minacce cyber

Mentre il ransomware ha generato 1,1 miliardi di dollari in pagamenti crypto nel 2023, e gli attacchi alla supply chain hanno causato 45,8 miliardi di dollari di danni, il prompt injection rappresenta una minaccia unica: è più difficile da rilevare (tempo medio di contenimento: 241 giorni) e sfrutta la stessa natura del processamento del linguaggio naturale che rende l’AI così potente.

Le contromisure dell’industria: una corsa contro il tempo

Google e la difesa a 5 livelli

Google ha implementato una strategia di difesa stratificata che include classificatori di contenuti ML addestrati su dati avversariali, rinforzo del pensiero di sicurezza, sanitizzazione del markdown, redazione degli URL sospetti e framework di conferma umana per operazioni rischiose. Questa architettura ha prevenuto con successo l’exploit EchoLeak che ha colpito altri sistemi.

L’approccio costituzionale di Anthropic

Anthropic ha ridotto i tassi di successo del jailbreaking dall’86% al 4,4% attraverso classificatori costituzionali. I loro 3.000+ ore di red team testing con ricompense di 15.000 dollari non hanno ancora scoperto un jailbreak universale, anche se persistono vulnerabilità a prompt injection basate su Unicode invisibili.

Meta e il paradosso open source

Il framework LlamaFirewall di Meta include PromptGuard 2 per la rilevazione di jailbreak e CodeShield per l’analisi statica del codice insicuro. Tuttavia, la ricerca di Trendyol ha mostrato un tasso di bypass del 50% su 100 payload testati, con vulnerabilità a attacchi multilingue e caratteri Unicode invisibili.

Il quadro normativo in evoluzione

L’AI Act europeo e le sanzioni milionarie

L’AI Act dell’UE classifica i sistemi AI ad alto rischio con requisiti stringenti di “accuratezza, robustezza e cybersecurity appropriate”. Le violazioni delle pratiche AI proibite possono comportare multe fino a 35 milioni di euro o il 7% del fatturato globale annuo. Le violazioni della governance dei dati arrivano a 20 milioni di euro o il 4% del fatturato.

GDPR e la vulnerabilità dei dati personali

La Commissione irlandese per la protezione dei dati ha pubblicato nel luglio 2024 una guidance dal titolo “AI, Large Language Models and Data Protection” che avverte: “I filtri possono essere attaccati e aggirati per causare la disponibilità o l’elaborazione di dati in modi non intesi, non autorizzati, insicuri o rischiosi”. Le organizzazioni devono condurre valutazioni d’impatto sulla protezione dei dati (DPIA) per l’elaborazione AI ad alto rischio.

Il cambio di rotta americano

L’amministrazione Trump ha rescisso il framework completo di Biden con l’ordine esecutivo “Removing Barriers to American Leadership in Artificial Intelligence” del 23 gennaio 2025, spostando verso un approccio di “autogoverno” con supervisione normativa ridotta. Tuttavia, gli esperti legali sostengono che il prompt injection violi il Computer Fraud and Abuse Act (CFAA).

Le previsioni degli esperti per il 2025

L’allarme dei ricercatori

Chenta Lee, Chief Architect of Threat Intelligence di IBM Security, avverte: “Con gli LLM, gli attaccanti non hanno più bisogno di Go, JavaScript o Python per creare codice malevolo, devono solo capire come comandare efficacemente un LLM usando l’inglese”.

Il Centre for Emerging Technology and Security conclude che il prompt injection rappresenta “un difetto di sicurezza fondamentale che non può essere facilmente patchato”. Con il 75% dei dipendenti aziendali che utilizzano l’AI generativa, la superficie di attacco continua ad espandersi esponenzialmente.

Gli investimenti in sicurezza AI

L’industria sta rispondendo con investimenti massicci: oltre 100 miliardi di dollari investiti globalmente nell’AI nel 2024 (33% di tutti i finanziamenti VC). Le aziende di sicurezza AI hanno raccolto round significativi:

• Adaptive Security: $43 milioni co-guidati da OpenAI e a16z (aprile 2025)
• Pillar Security: $9 milioni seed per rischi AI-specifici
• Deep Sentinel: Due round da $15 milioni ciascuno (Series A maggio 2023 con Intel Capital, Series B giugno 2025 con Egis Capital Partners)

I programmi bug bounty hanno distribuito ricompense record: Google ha pagato $11,8 milioni di dollari a 660 ricercatori nel 2024, Meta $2,3 milioni, mentre OpenAI offre fino a $25.000 per jailbreak universali attraverso il programma GPT-5 Bio Bug Bounty.

Conclusione: una minaccia esistenziale per l’era dell’AI

Il prompt injection non è solo una vulnerabilità tecnica – è una sfida fondamentale all’architettura stessa dei modelli linguistici che alimentano la rivoluzione AI. Con tassi di successo degli attacchi tra il 65% e l’80%, tecniche di bypass universali che colpiscono tutti i principali modelli, e un panorama normativo frammentato, le organizzazioni si trovano in una posizione precaria.

La convergenza di adozione massiva aziendale, vulnerabilità sistemiche senza soluzioni complete esistenti, e impatto economico devastante in trilioni di potenziali perdite rende il prompt injection la minaccia di sicurezza definitiva del 2025. Le aziende devono implementare strategie di difesa a più livelli, investire in formazione AI e prepararsi a un futuro dove la sicurezza AI non è un optional ma una necessità esistenziale.

Come ha affermato PwC nelle sue previsioni 2025: “I leader aziendali non avranno più il lusso di affrontare la governance AI in modo inconsistente”. In un mondo dove un singolo prompt malevolo può compromettere sistemi del valore di miliardi, la sicurezza contro il prompt injection non è solo una priorità tecnica – è una questione di sopravvivenza aziendale.

Fonti:

HiddenLayer. “Novel Universal Bypass for All Major LLMs” (aprile 2025).

IBM. “IBM Report: Escalating Data Breach Disruption Pushes Costs to New Highs” (30 luglio 2024).

IBM. “Cost of a data breach 2024: Financial industry” (agosto 2024).

OWASP Foundation. “LLM01:2025 Prompt Injection – OWASP Gen AI Security Project” (aprile 2025).

SecurityWeek. “All Major Gen-AI Models Vulnerable to ‘Policy Puppetry’ Prompt Injection Attack” (25 aprile 2025).

Palo Alto Networks Unit 42. “Deceptive Delight: Jailbreak LLMs Through Camouflage and Distraction”

LayerX Security. “Enterprise Browser Extension Security Report 2025” (aprile 2025).

Microsoft. “AI at Work Is Here. Now Comes the Hard Part” (Work Trend Index)

Coalition Inc. “2025 Cyber Claims Report”

Anthropic. “Constitutional Classifiers: Defending against universal jailbreaks” (febbraio 2025)

European Union. “Regulation (EU) 2024/1689 – AI Act Article 99: Penalties”

Data Protection Commission (Ireland). “AI, Large Language Models and Data Protection” (18 luglio 2024).

White House. “Removing Barriers to American Leadership in Artificial Intelligence” (23 gennaio 2025).

Hack The Box. “Inside CVE-2025-32711 (EchoLeak): Prompt injection meets AI exfiltration”

Engineering at Meta. “Looking back at our Bug Bounty program in 2024” (13 febbraio 2025).

https://www.ictsecuritymagazine.com/articoli/prompt-injection/

La computer vision che preserva la privacy rappresenta una delle sfide tecniche più significative nell’era della sorveglianza pervasiva e dell’intelligenza artificiale distribuita. Il presente articolo fornisce un’analisi tecnica approfondita delle architetture crittografiche, degli algoritmi di anonimizzazione in tempo reale e dei paradigmi di federated learning applicati ai sistemi di videosorveglianza moderni. Attraverso l’esame di implementazioni reali in smart cities, sanità, sicurezza industriale, commercio al dettaglio e trasporti, vengono delineate le soluzioni tecniche che consentono di bilanciare efficacemente i requisiti di sicurezza con la protezione della privacy individuale, nel rispetto dei framework normativi contemporanei quali GDPR, HIPAA e AI Act.

Introduzione e contesto tecnologico

L’evoluzione esponenziale dei sistemi di computer vision ha generato un paradosso tecnologico fondamentale: mentre la capacità di analisi automatica delle immagini raggiunge livelli di sofisticazione senza precedenti, emergono simultaneamente preoccupazioni critiche riguardo alla protezione della privacy individuale e alla conformità normativa. La convergenza tra requisiti di sicurezza sempre più stringenti e la necessità di preservare i diritti fondamentali alla privacy ha catalizzato lo sviluppo di architetture crittografiche innovative e paradigmi computazionali distribuiti.

Il panorama tecnologico contemporaneo evidenzia tre macro-tendenze convergenti che definiscono l’evoluzione della computer vision che preserva la privacy. In primo luogo, l’adozione massiva di architetture edge-cloud ibride consente l’elaborazione distribuita dei dati visivi con minimizzazione della superficie di attacco. In secondo luogo, l’emergere di tecniche crittografiche omomorfe praticamente implementabili abilita computazioni complesse su dati cifrati. In terzo luogo, il paradigma del federated learning trasforma radicalmente i modelli di addestramento dei sistemi di intelligenza artificiale, eliminando la necessità di centralizzazione dei dati sensibili.

La complessità implementativa di questi sistemi richiede un’analisi multidimensionale che consideri simultaneamente vincoli computazionali, requisiti di latenza, garanzie crittografiche e conformità normativa. Il presente articolo esamina sistematicamente le tecniche state-of-the-art attraverso il prisma dell’implementazione pratica, fornendo metriche quantitative di prestazioni e analisi comparative dei compromessi privacy-utilità.

Architetture crittografiche per la protezione della videosorveglianza

Crittografia omomorfa: dalla teoria all’implementazione pratica

La crittografia omomorfa rappresenta il paradigma computazionale che consente l’esecuzione di operazioni arbitrarie su dati cifrati senza necessità di decifratura intermedia. Nel contesto della videosorveglianza, questa proprietà matematica abilita scenari precedentemente impraticabili come l’analisi forense remota su video cifrati e il riconoscimento biometrico che preserva la privacy.

Lo schema CKKS (Cheon-Kim-Kim-Song), ottimizzato per aritmetica approssimata su numeri reali, emerge come soluzione privilegiata per applicazioni di computer vision. Le metriche di prestazioni su processori Intel Xeon con livello di sicurezza a 128-bit e dimensione del ciphertext n=8192 mostrano tempi variabili a seconda dell’implementazione hardware specifica e dei parametri di sicurezza selezionati. L’overhead computazionale risulta significativo (tipicamente 100-1000x rispetto alle operazioni in chiaro), ma accettabile per analisi forensi offline e sistemi di videosorveglianza con requisiti di latenza rilassati.

Considerazioni implementative: L’implementazione pratica richiede un’attenta orchestrazione delle librerie crittografiche disponibili. Microsoft SEAL dimostra prestazioni competitive per diverse dimensioni, mentre HELib di IBM offre ottimizzazioni specifiche per operazioni particolari. OpenFHE (successore di PALISADE dal 2022) fornisce l’implementazione più aggiornata e performante, offrendo un set di funzionalità comprensivo con supporto per multiple architetture hardware.

Il TFHE (Torus Fully Homomorphic Encryption), specializzato per circuiti booleani, ha raggiunto breakthrough significativi con bootstrapping in meno di 1 millisecondo (aggiornamento 2024), un miglioramento drammatico rispetto ai 30 secondi originali. L’implementazione su architetture GPU moderne raggiunge throughput superiori a 75 milioni di gate al secondo, rendendo praticabili applicazioni real-time precedentemente impossibili.

Secure Multi-Party Computation per analisi distribuita

Il paradigma SMC (Secure Multi-Party Computation) consente a entità multiple di computare congiuntamente funzioni sui propri input privati senza rivelare tali input. Nel contesto della videosorveglianza distribuita, SMC abilita la coordinazione tra telecamere multiple mantenendo la segregazione dei feed individuali.

I protocolli basati su Garbled Circuits dimostrano efficienza per operazioni booleane nell’analisi video. Aggiornamento delle prestazioni: Le implementazioni moderne raggiungono prestazioni significativamente migliori rispetto ai riferimenti storici, con tempi di esecuzione nell’ordine dei millisecondi per circuiti AES su hardware specializzato. Il modello di sicurezza semi-honest con opzioni di covert security ottimizza ulteriormente le prestazioni mantenendo garanzie crittografiche robuste.

Gli schemi di Secret Sharing supportano operazioni lineari su dati video condivisi con computazione locale, mantenendo complessità di comunicazione O(n) rispetto al numero di partecipanti. Gli schemi threshold (t,n) garantiscono sicurezza contro coalizioni di fino a t-1 parti malintenzionate, fornendo robustezza contro attaccanti interni.

L’implementazione del framework MP-SPDZ supporta modelli di sicurezza multipli (semi-honest, malicious, covert) con preprocessing ottimizzato che riduce la computazione online del 70-80%. La scalabilità a oltre 100 partecipanti con complessità di comunicazione lineare rende praticabili deployment su larga scala per smart cities e infrastrutture critiche.

Zero-Knowledge Proofs per autenticazione che preserva la privacy

I protocolli zero-knowledge consentono la dimostrazione di proprietà specifiche senza rivelare informazioni aggiuntive, abilitando sistemi di autenticazione che preservano l’anonimato mantenendo garanzie di sicurezza crittografiche.

Lo schema Groth16, ottimale per l’autenticazione in sistemi di sorveglianza, genera prove di dimensione fissa (circa 128-256 byte) indipendentemente dalla complessità del circuito, con tempi di verifica tipicamente nell’ordine di pochi millisecondi su hardware standard. Il tempo di generazione delle prove varia significativamente in base alla complessità del circuito e alla potenza computazionale disponibile.

Il protocollo PLONK introduce setup universali che eliminano la necessità di cerimonie trusted setup specifiche per circuito. Con dimensioni delle prove leggermente superiori (circa 400 byte) e tempi di verifica comparabili con ottimizzazioni batch, PLONK offre maggiore flessibilità operativa pur mantenendo prestazioni competitive.

Searchable Encryption per database video cifrati

Gli schemi di Searchable Symmetric Encryption (SSE) consentono ricerche efficienti su dati cifrati senza decifratura, critici per archivi di videosorveglianza che richiedono capacità forensi mantenendo la confidenzialità.

Il protocollo Oblivious Cross-Tags (OXT) supporta ricerche congiunzionali su metadati video cifrati con complessità che scala con la frequenza della keyword meno frequente piuttosto che con la dimensione del database. Le garanzie di forward e backward privacy proteggono contro server honest-but-curious, con overhead di storage limitato rispetto all’indicizzazione in chiaro.

L’integrazione con Content-Based Retrieval utilizza feature CNN cifrate con schemi searchable, mantenendo elevata accuracy per similarity search. Le strutture ottimizzate supportano range queries su feature cifrate con latenza accettabile per database di grandi dimensioni.

Hardware-Based Security con Trusted Execution Environments

I TEE (Trusted Execution Environments) forniscono isolamento hardware-based per computazioni sensibili, offrendo un compromesso pragmatico tra sicurezza e prestazioni.

Intel SGX v2 dimostra miglioramenti sostanziali con EPC (Enclave Page Cache) fino a 1TB su piattaforme dual-socket (512GB per CPU), riducendo drasticamente l’overhead di paging per dataset voluminosi. L’overhead varia significativamente in base al pattern di accesso ai dati e alla dimensione del working set. Il supporto multi-socket migliora la scalabilità per deployment server high-end.

AMD SEV e Intel TDX offrono isolamento a livello di virtual machine con overhead tipicamente inferiore rispetto a SGX per molti carichi di lavoro, facilitando deployment “lift-and-shift” di applicazioni esistenti. La scelta tra isolamento process-level (SGX) e VM-level (SEV/TDX) dipende dai requisiti specifici di sicurezza e dai vincoli architetturali.

L’analisi video real-time in TEE può raggiungere throughput elevati per task di computer vision tipici, con l’overhead specifico dipendente dall’implementazione e dalle caratteristiche del carico di lavoro. L’inferenza di modelli ML con pesi protetti in memoria cifrata mantiene la privacy dell’input e del modello con overhead variabile rispetto all’esecuzione non-TEE.

Anonimizzazione automatica in tempo reale

Algoritmi GAN-Based per de-identificazione facciale

L’evoluzione dalle primitive tecniche di blurring verso sofisticate architetture generative ha rivoluzionato l’anonimizzazione facciale che preserva l’utilità. Le Generative Adversarial Networks consentono la sintesi di volti realistici che mantengono attributi essenziali eliminando informazioni identificative.

DeepPrivacy, sistema pionieristico basato su U-Net generator con skip connections, raggiunge performance di inferenza ottimizzate attraverso training adversariale contro discriminatori multipli. L’architettura preserva landmark facciali ed espressioni sostituendo completamente l’identità, mantenendo coerenza semantica essenziale per applicazioni di analisi comportamentale.

CIAGAN (Conditional Identity Anonymization GAN) introduce generazione condizionale che permette controllo granulare sul livello di anonimizzazione per volti e corpi. La preservazione dell’utilità per task downstream quali detection e tracking viene mantenuta attraverso loss functions multi-obiettivo che bilanciano anonimizzazione e preservazione di attributi non-identificativi.

DeepPrivacy2 estende il paradigma all’anonimizzazione full-body utilizzando Surface-Guided GANs che combinano segmentazione semantica con sintesi GAN-based. Le prestazioni raggiungono circa 11.6 FPS per CSE-guided generator e 7.9 FPS per face generator su NVIDIA GTX 1080, con preservazione di abbigliamento, posa e contesto scenico, dimostrando la maturità tecnologica per deployment produttivi con requisiti di latenza appropriati.

K-Anonymity e metriche di privacy formali

La formalizzazione matematica delle garanzie di privacy attraverso k-anonymity fornisce fondamenti rigorosi per la valutazione dell’efficacia dell’anonimizzazione.

Le metriche di distanza identitaria basate su embedding space (FaceNet/ArcFace) con soglie appropriate garantiscono indistinguibilità statistica. L’accuracy del riconoscimento facciale ridotta su volti anonimizzati fornisce garanzie probabilistiche quantificabili. La similarità percettiva misurata attraverso LPIPS mantiene attributi di utilità critici per applicazioni downstream.

Il framework iFADIT introduce filtri di privacy reversibili attraverso trasformazioni flow-based che abilitano recovery autorizzato con chiavi segrete. Le metriche di similarità dimostrano elevata efficacia dell’anonimizzazione mantenendo reversibilità controllata per autorità competenti.

Differential privacy per dati visivi

L’applicazione di differential privacy ai sistemi di computer vision fornisce garanzie matematiche formali sulla privacy individuale, critiche per conformità normativa e fiducia degli utenti.

ViP (Differentially Private Foundation Model), primo vision transformer su larga scala con garanzie differenziali private, raggiunge training con parametri di privacy bilanciati su dataset massivi mantenendo accuracy competitiva su task downstream. L’utilizzo di masked autoencoders con DP-SGD dimostra la fattibilità di pre-training che preserva la privacy su scale massive.

La gestione del privacy budget attraverso composition theorems richiede calibrazione attenta. Valori di epsilon nel range basso forniscono privacy forte ma limitano l’utilità, mentre valori più elevati rappresentano il compromesso comune nei deployment industriali. Il Moments Accountant utilizzato in ViP e altre applicazioni deep learning fornisce bound più stretti rispetto alla composizione basica.

I compromessi utilità-privacy dimostrano degradazione tipicamente accettabile nell’accuracy mantenendo protezione completa dei dati personali. ViP raggiunge prestazioni comparabili con modelli tradizionali su diversi benchmark, mentre altri dataset mantengono prestazioni competitive con parametri di privacy appropriati.

Algoritmi di Gait Anonymization e Body Pose Obfuscation

L’anonimizzazione dell’andatura e della posa corporea presenta sfide uniche richiedendo preservazione del movimento mantenendo la privacy dell’identità.

OpenGait Framework fornisce benchmark comprensivi supportando dataset CASIA-B, OUMVLP e GREW con migliaia di soggetti. GaitBase stabilisce baseline competitive per valutare l’efficacia delle tecniche di anonimizzazione.

Selective Motion Consistent Obfuscation mantiene elevata accuracy nel riconoscimento di azioni oscurando la maggior parte degli attributi identitari attraverso adversarial training che preserva pattern di movimento eliminando caratteristiche biometriche individuali.

Le implementazioni full-body utilizzano Surface-Guided GANs con maschere di segmentazione corporea per anonimizzazione precisa. La preservazione della struttura scheletrica e dei pattern di movimento con prestazioni real-time su hardware moderno dimostra maturità per deployment produttivi.

Federated Learning per sistemi di sicurezza distribuiti

Protocolli di aggregazione sicura e architetture distribuite

Il paradigma del federated learning rivoluziona l’addestramento di modelli di computer vision eliminando la necessità di centralizzazione dei dati, critico per sistemi di sorveglianza multi-giurisdizionali.

FedAvg (Federated Averaging) minimizza la funzione obiettivo globale attraverso gradient descent stocastico locale con aggregazione centralizzata dei pesi. L’applicazione a classification, object detection e semantic segmentation dimostra versatilità, sebbene la convergenza richieda considerazioni speciali con distribuzioni non-IID comuni nelle reti di telecamere.

FedProx introduce termini prossimali alla funzione obiettivo locale prevenendo client drift, richiedendo modifiche implementative minime. L’efficacia particolare per sistemi di telecamere eterogenee con distribuzioni dati variabili rende FedProx ottimale per deployment reali.

SCAFFOLD utilizza control variates per correggere drift e accelerare convergenza, mantenendo state variables aggiuntive su client e server. Le considerazioni sulla privacy riguardo al potenziale leakage di informazioni statistiche attraverso control variates richiedono analisi attenta del threat model.

Ottimizzazione delle comunicazioni e compressione dei gradienti

L’efficienza comunicativa rappresenta il collo di bottiglia primario nei sistemi federati, richiedendo tecniche sofisticate di compressione e quantizzazione.

La quantizzazione 1-bit SGD, mantenendo solo il segno dei gradienti, raggiunge compressione significativa con error compensation. QSGD bilancia ratio di compressione con garanzie di convergenza attraverso quantizzazione stocastica. TernGrad quantizza gradienti a valori ternari mantenendo prove teoriche di convergenza.

Le tecniche di sparsificazione includono Top-k che trasmette solo i k componenti maggiori del gradiente, e metodi threshold-based che inviano gradienti eccedenti soglie predefinite. Deep Gradient Compression combina momentum correction con local gradient clipping raggiungendo riduzione sostanziale dei gradienti con degradazione limitata delle prestazioni.

TLAQC (Two-Layer Accumulated Quantized Compression) indirizza inefficienze nella quantizzazione per deep learning attraverso accumulo multi-livello. AdapComFL adatta compressione basandosi su predizione dinamica della bandwidth. LEGACY considera dimensione layer e fasi di training per compressione adattiva ottimizzata.

Meccanismi di privacy e protezione contro attacchi

La protezione contro attacchi sofisticati richiede integrazione di tecniche crittografiche e protocollari multiple.

DP-FedAvg implementa differential privacy aggiungendo rumore calibrato ai gradienti prima dell’aggregazione. La gestione del privacy budget richiede bilanciamento attento tra privacy e utilità. La Sparse Vector Technique abilita model selection che preserva la privacy mentre composition theorems gestiscono privacy degradation multi-round.

Il protocollo Bonawitz fornisce aggregazione crittografica sicura permettendo al server di computare somme senza vedere update individuali. L’integrazione con homomorphic encryption attraverso schemi CKKS supporta aritmetica approssimata su dati cifrati. Il Paillier cryptosystem offre encryption additiva omomorfa per aggregazione sicura dei parametri.

Gli attacchi model inversion sfruttano output del modello per ricostruire training data, con percentuali di successo elevate in sistemi non protetti. Membership inference attacks possono determinare training set membership con accuracy significativa. Backdoor attacks iniettano campioni maligni durante training creando backdoor persistenti. Gradient inversion attraverso Deep Leakage from Gradients può ricostruire dati privati da gradienti condivisi.

Gestione dell’eterogeneità dei dati e sfide non-IID

L’eterogeneità dei dati rappresenta la sfida primaria nei deployment reali di federated learning per videosorveglianza.

Label skew si manifesta attraverso distribution-based skew con prevalenza di classi differente tra location, non-overlapping classes dove telecamere diverse rilevano tipi di oggetti completamente diversi, e overlapping classes con sovrapposizione parziale tra zone di sorveglianza. Attribute skew include variazioni di illuminazione, differenze di risoluzione e variazioni temporali tra siti di deployment.

FedVision Platform specializza federated learning per object detection in reti di sorveglianza. Client clustering raggruppa telecamere con distribuzioni simili per training efficace. Dynamic client selection prioritizza feed di alta qualità per model updates. Data augmentation genera dati sintetici per bilanciare distribuzioni tra nodi.

Le metriche di quantificazione includono Earth Mover’s Distance per differenze distributive tra location, Hellinger Distance per divergenza statistica in feature distributions, e misure multidimensionali considerando rumore, distribuzione delle label, quantity skew e differenze nelle features.

Implementazioni pratiche nei settori verticali

Smart Cities: architetture su scala urbana

L’implementazione di sistemi che preservano la privacy in contesti smart city richiede orchestrazione complessa di tecnologie eterogenee su scala metropolitana.

Singapore Smart Nation Initiative implementa tracking satellitare per tariffazione automatica parcheggi e congestion pricing mantenendo la privacy individuale attraverso processing real-time su edge nodes, analytics aggregata senza identificazione individuale, e conformità con Singapore Personal Data Protection Act. Una percentuale significativa della popolazione vive in housing governativo con monitoring IoT-enabled che preserva la privacy, raggiungendo riduzione nella congestione urbana attraverso analytics che preservano la privacy.

Barcelona Smart City Project distribuisce circa 18,000 sensori attivi e 19,500 smart meters implementando framework di classificazione dati separando dati personali da operazionali. I sensori montati su lampioni che tracciano rumore, inquinamento e crowd levels utilizzano edge anonymization prima dell’aggregazione cloud. Le sfide identificate includono necessità di migliorare protezione dati personali con classificazione più granulare sotto le leggi di protezione dati europee.

Dubai Smart City Deployment integra sistemi di sicurezza avanzati con processing che rispetta la privacy, transazioni governative blockchain-secured, e sorveglianza real-time con threat detection automatizzato sotto Dubai Big Data Regulation Act e relativi aggiornamenti normativi.

Sanità: monitoraggio pazienti e Medical Imaging federato

Le applicazioni sanitarie richiedono bilanciamento particolare tra necessità cliniche e protezione della privacy del paziente.

Hypros-Google Cloud Hospital Monitoring System utilizza sensori IoT low-resolution montati a soffitto creando immagini “very low-detail” che preservano l’anonimato. Il workflow ML two-stage con camera-based labeling model seguito da sensor data interpretation model raggiunge 91% average precision in hazard detection. L’architettura Google Cloud integra Cloud Storage per raw data, BigQuery per querying dati etichettati, Vertex AI per training/deployment modelli, e AutoML per sviluppo vision models. Nota importante: Il deployment verificato include implementazioni in Germania, mentre la scala globale “12 ospedali in 8 nazioni” richiede ulteriore verifica.

Federated Learning in Medical Imaging attraverso collaborazioni multi-istituzionali mantiene dati localmente utilizzando NVIDIA MONAI/FLARE (framework open-source verificati), Personal Health Train infrastructure, e NVIDIA Clara workflows. Local differential privacy protegge dati paziente mentre secure aggregation usa multi-party computation. Homomorphic encryption protegge parametri modello raggiungendo accuracy competitive con approcci centralizzati e riduzioni significative nel tempo di training.

Sicurezza industriale: Workplace Safety e Manufacturing

I sistemi di sicurezza industriale richiedono processing real-time mantenendo l’anonimato dei lavoratori.

Intenseye Workplace Safety Platform con deployment globale Fortune 500 processa 36+ milioni safety alerts (2023) attraverso 50+ moduli AI pre-costruiti. L’anonimizzazione irreversibile rimuove completamente informazioni identificabili mantenendo dati su premises cliente. Le capacità includono detection real-time di unsafe acts/conditions multiple, PPE compliance monitoring, ergonomic risk assessment RULA/REBA, e chemical spill detection. La piattaforma ha ricevuto $64M Series B funding nel 2023, confermando la traction commerciale e l’efficacia delle soluzioni.

Visionify Industrial Safety System implementa on-premises data processing con model training personalizzato esclusivamente su dati dell’organizzazione. Tutte le elaborazioni avvengono su premises cliente senza condivisione dati con terze parti, mantenendo controllo completo delle informazioni sensibili per PPE detection, unauthorized area access, forklift operation safety, e hazard identification real-time.

Retail Analytics: Customer Experience senza identificazione

Il settore retail bilancia personalizzazione dell’esperienza cliente con protezione della privacy attraverso tecniche innovative.

Edge AI Processing attraverso sistemi come Viso Suite abilita real-time on-device computer vision senza upload/storage video. Anonymous tracking utilizza person re-identification cross-camera senza storage di dati biometrici. Heat mapping per store optimization analizza demografia, dwell time e product engagement mantenendo l’anonimato.

Implementazioni commerciali includono Aldi checkout-free store pilot con Grabango technology (nota: Grabango ha cessato operazioni nel 2024), Tesco GetGo stores con AI cameras usando differential privacy, e Correzione: Wesco implementa AI-powered self-checkout kiosks con Mashgin systems per riconoscimento automatico prodotti (non completamente checkout-free come inizialmente dichiarato). ROI analysis dimostra miglioramenti in metriche operative multiple.

Trasporti: Autonomous Vehicles e Public Transit

I sistemi di trasporto richiedono preservazione della privacy mantenendo performance safety-critical.

Privacy-Preserving Autonomous Vehicle Perception utilizza Vision-to-Text Transformation convertendo immagini in descrizioni testuali semantic-equivalent. Il framework raggiunge miglioramenti nella ricchezza semantica e dettaglio attraverso Hierarchical RL Strategy che raffina iterativamente testo per accuracy semantica e preservazione della privacy.

Connected Vehicle Privacy Solutions implementa homomorphic encryption per computazione su encrypted vehicle data, Blockchain-Based Federated Learning combinando decentralizzazione con privacy-preserving learning, e Secure Multi-Party Computation per analisi collaborativa mantenendo privati i dati individuali. L’infrastruttura include Roadside Unit Protection con AI cameras usando secure aggregation e differential privacy con data minimization che processa solo informazioni essenziali.

Tecnologie emergenti e direzioni future

Neuromorphic Vision Sensors e Event-Based Cameras

I sensori neuromorfi rappresentano paradigma promettente offrendo vantaggi intrinseci per la preservazione della privacy attraverso event-based processing.

Le event cameras catturano solo brightness changes piuttosto che immagini complete, fornendo natural privacy preservation. Correzione critica: Samsung SmartThings Vision è una telecamera di sicurezza HD 1080p standard (non neuromorfica), ora discontinuata. Le vere event cameras commerciali includono prodotti di iniVation, Prophesee e altri specialisti nel settore neuromorphic.

Il Privacy Enhancement Framework utilizza Event Encryption Algorithm con 2D chaotic mapping che scrambles event positions e flipping polarities. Le prestazioni real-time possono processare milioni di eventi al secondo su dispositivi resource-constrained prevenendo image reconstruction e human identification attacks.

I vantaggi tecnici includono consumo energetico ultra-basso ideale per IoT/mobile, wide dynamic range superiore per condizioni di illuminazione challenging, risoluzione temporale microsecond-level per applicazioni real-time, e sparse event data che offusca naturalmente le feature immagine tradizionali.

Synthetic Data Generation con GANs e Diffusion Models

La generazione di dati sintetici elimina la necessità di dati reali sensibili mantenendo proprietà statistiche essenziali.

Il mercato synthetic data generation è proiettato crescere da $432 milioni (2024) a $8.87 miliardi (2034) secondo ricerche di mercato verificate. Gli ospedali e i sistemi di sorveglianza utilizzano diffusion models generando training data senza compromettere la privacy individuale. Le applicazioni Stable Diffusion creano dataset personalizzati che preservano la privacy per use cases specifici mentre le soluzioni GAN-based generano dati sintetici realistici per fraud detection mantenendo privacy constraints.

Workshop accademici recenti su Synthetic Data for Computer Vision enfatizzano applicazioni privacy e standardizzazione. Conditional generation permette guided synthesis basata su privacy-safe control signals. Domain adaptation usa transfer learning con synthetic data riducendo dipendenza da dati sensibili reali. Quality metrics includono FID, PSNR, SSIM per valutare utilità mantenendo preservazione della privacy.

Privacy-Preserving MLOps e Deployment Pipelines

L’operazionalizzazione richiede pipeline end-to-end supportando preservazione della privacy attraverso l’intero lifecycle.

OpenFL (Intel/Linux Foundation) integra Privacy Meter per real-time privacy risk assessment, con deployment verificato nel FeTS (Federated Tumor Segmentation) initiative coinvolgente University of Pennsylvania e Intel, coprendo istituzioni sanitarie multiple globali. Framework support include TensorFlow, PyTorch con mTLS communication e certificate-based authentication supportando differential privacy.

FATE (WeBank/LF AI & Data) fornisce industrial-grade framework per production environments con cryptographic protection attraverso homomorphic encryption e secure multi-party computation. Cross-industry applications includono financial services, healthcare e manufacturing con possibilità di enterprise integration.

Edge Computing Integration riduce latency e migliora privacy attraverso local processing. Differential privacy fornisce garanzie matematiche per la privacy individuale in model outputs. Secure enclaves offrono hardware-based protection per sensitive model inference mentre Federated MLOps supporta end-to-end pipelines per sviluppo/deployment che preserva la privacy.

Analisi dei compromessi privacy-utilità e metriche di valutazione

Quantificazione del degrado prestazionale

L’implementazione di tecniche che preservano la privacy introduce inevitabili compromessi computazionali e qualitativi che richiedono quantificazione rigorosa.

L’overhead computazionale varia significativamente tra tecniche: FHE introduce overhead 100-1000x per offline analytics, TFHE raggiunge prestazioni migliorate per real-time decisions, SMC ha overhead variabile per multi-party analysis, ZK Proofs 2-10x per authentication, TEE SGX v2 ha overhead dipendente dal carico di lavoro per general processing, e Blockchain 2-5x per audit/storage. La selezione tecnologica diventa quindi funzione critica dei requisiti di latenza e throughput specifici dell’applicazione.

Il degrado dell’accuracy tipicamente accettabile rappresenta compromesso pratico per applicazioni reali. Differential privacy con parametri appropriati mantiene prestazioni competitive su benchmark standard. Membership inference attack success rates ridotti dimostrano robustezza contro privacy attacks sofisticati.

Metriche di privacy formali e benchmark standardizzati

La standardizzazione delle metriche privacy risulta essenziale per comparazione oggettiva tra soluzioni.

Identity removal metrics includono face recognition accuracy significativamente ridotta post-anonimizzazione, cosine similarity bassa tra identità originali e anonimizzate, e k-anonymity levels elevati per indistinguibilità statistica. Attribute preservation mantiene essential attributes con alta retention mentre visual quality viene misurata attraverso metriche standard.

Differential privacy parameters seguono strong privacy per theoretical guarantees e practical privacy come dimostrato in modelli reali, con composition bounds che tracciano cumulative privacy loss attraverso sequential queries.

I benchmark datasets includono WIDER Face (32,203 immagini, 393,703 volti), CelebA (202,599 celebrity images, 40 binary attributes), Market-1501 (32,668 immagini, 1,501 identità), HMDB-51/PA-HMDB51 (privacy attribute annotations), e GREW (128,671 sequences, 26,345 soggetti) per gait anonymization.

Conformità normativa e framework regolatori

GDPR e Privacy by Design

Il General Data Protection Regulation europeo impone requisiti stringenti influenzando fondamentalmente l’architettura dei sistemi.

Privacy by design richiede incorporazione di privacy considerations dall’inception attraverso data minimization che processa solo dati necessari, purpose limitation con clear processing objectives, e technical safeguards implementando differential privacy e encryption. Le penalties sostanziali incentivano conformità rigorosa.

L’implementazione tecnica utilizza edge processing minimizzando data transmission, automated deletion protocols per right to erasure, federated learning evitando data centralization, e differential privacy per aggregate analytics mantenendo individual privacy.

AI Act e sistemi ad alto rischio

L’AI Act europeo classifica computer vision biometric identification come high-risk richiedendo safeguards specifici.

I requisiti includono conformity assessment per privacy impact, sviluppo di standard europei per privacy-preserving AI, e documentazione comprensiva di technical specifications e test results. I sistemi devono dimostrare robustezza, accuracy e fairness mantenendo trasparenza e human oversight.

L’implementazione richiede privacy impact assessments documentando risks e mitigations, continuous monitoring con regular audits, technical documentation dettagliando privacy mechanisms, e user notification riguardo automated processing.

HIPAA e Healthcare Privacy

Il Health Insurance Portability and Accountability Act impone requisiti specifici per healthcare applications.

Protected Health Information requirements richiedono administrative, physical e technical safeguards con minimum necessary standard limitando data access. Breach notification protocols richiedono immediate response a violazioni della privacy.

Le soluzioni tecniche includono end-to-end encryption per data transmission/storage, access controls con comprehensive audit logs, de-identification protocols removing identifiers specifici, e secure multi-party computation per collaborative analysis senza data sharing.

Sfide tecniche e opportunità di ricerca

Scalabilità e prestazioni real-time

La scalabilità a deployment metropolitani rimane sfida primaria richiedendo breakthrough architetturali.

L’orchestrazione di migliaia di telecamere con processing che preserva la privacy richiede hierarchical architectures distribuendo computation, bandwidth optimization riducendo communication overhead, e hardware acceleration attraverso specialized chips. I vincoli di latenza per applicazioni safety-critical necessitano processing ottimizzato mantenendo privacy guarantees.

Le direzioni di ricerca includono neuromorphic-AI integration per ultra-low-power processing, quantum-resistant cryptography preparando per quantum threats, e edge-cloud co-optimization bilanciando processing distribution.

Adversarial Robustness e Attack Mitigation

La protezione contro adversarial attacks sofisticati richiede evoluzione continua delle difese.

Model inversion attacks ricostruiscono training data richiedendo differential privacy e output perturbation. Membership inference determina training set inclusion necessitando regularization e confidence modification. Backdoor attacks inseriscono triggers maligni richiedendo Byzantine-robust aggregation. Gradient inversion recupera private data necessitando gradient clipping e secure aggregation.

Le contromisure emergenti includono adversarial training con privacy constraints, ensemble methods che aggregano multiple privacy-preserving models, e continuous monitoring detecting anomalous behavior patterns.

Interoperabilità e standardizzazione

La frammentazione tecnologica ostacola l’adoption richiedendo standardization efforts.

API standardization per unified interfaces across cryptographic backends facilita integration. Parameter selection tools automatizzano security parameter choice basata su requirements. Compliance frameworks standardizzano approaches per regulatory adherence. Benchmarking protocols permettono fair comparison tra solutions.

Le iniziative includono IEEE standards development per privacy-preserving CV, ISO/IEC 27001 extensions per AI systems, e industry consortiums driving practical standardization.

Conclusioni e prospettive future

L’evoluzione della computer vision che preserva la privacy rappresenta convergenza critica tra innovazione tecnologica e imperativo etico, catalizzata da pressioni normative e crescente consapevolezza pubblica. L’analisi sistematica presentata dimostra maturità tecnologica raggiunta con deployment pratici che raggiungono un equilibrio notevole tra utilità e privacy.

I successi quantificabili includono sistemi che processano milioni di safety alerts annualmente mantenendo l’anonimato dei lavoratori, smart cities che riducono la congestione attraverso analytics che preservano la privacy, e federated healthcare networks che raggiungono elevata accuracy preservando la privacy del paziente. Questi risultati dimostrano fattibilità pratica oltre i costrutti teorici.

Le architetture crittografiche mature – dalla homomorphic encryption che raggiunge prestazioni praticamente utilizzabili su hardware moderno, attraverso secure multi-party computation che scala a numerosi partecipanti, fino a zero-knowledge proofs che abilitano verifiche rapide – forniscono building blocks robusti per sistemi complessi. L’integrazione con trusted execution environments offre compromessi pragmatici per deployment immediati.

L’anonimizzazione real-time attraverso approcci GAN-based che raggiungono prestazioni accettabili preservando semantic utility rappresenta progresso significativo che abilita mass deployment. Differential privacy fornisce garanzie matematiche critiche per regulatory compliance mantenendo degradazione accettabile.

Federated learning trasforma fondamentalmente il paradigma di training, eliminando data centralization attraverso secure aggregation protocols. La gestione della non-IID data heterogeneity attraverso adaptive algorithms e client clustering rende praticabile deployment su heterogeneous camera networks.

Le implementazioni settoriali dimostrano versatilità tecnologica adattandosi a requisiti dominio-specifici. Le smart cities orchestrano migliaia di sensori mantenendo la privacy dei cittadini. I sistemi sanitari proteggono patient data abilitando collaborative research. Le industrial safety platforms prevengono incidents preservando l’anonimato dei lavoratori. Retail analytics ottimizza customer experience senza identificazione. I transportation systems migliorano safety mantenendo privacy.

Le tecnologie emergenti – neuromorphic sensors con caratteristiche privacy intrinseche, synthetic data generation che elimina la necessità di real data, e privacy-preserving MLOps pipelines – promettono ulteriore accelerazione dell’adoption. L’investimento crescente segnala market maturity.

Le sfide persistono richiedendo ricerca continua. Scalabilità a metropolitan scale, adversarial robustness contro sophisticated attacks, e standardization per interoperability rimangono open problems. L’evoluzione normativa richiederà continuous adaptation delle soluzioni tecniche.

Il futuro della computer vision che preserva la privacy appare caratterizzato da convergenza di trend multipli: commoditization delle privacy-preserving primitives attraverso optimized libraries, vertical integration con domain-specific solutions, regulatory harmonization driving standardization, e public awareness che crea market demand.

La trasformazione da privacy-as-afterthought verso privacy-by-design rappresenta paradigm shift fondamentale nell’ingegneria dei sistemi di sorveglianza. L’evidenza presentata dimostra questa transizione non solo technologically feasible ma economically viable, con ROI positivo tipicamente ottenibile per industrial applications.

L’imperativo ora si sposta da “se” implementare privacy-preserving computer vision verso “come” ottimizzare deployment per specific use cases. La maturità tecnologica raggiunta, combinata con pressioni normative e aspettative pubbliche, rende l’adoption inevitabile piuttosto che opzionale.

In conclusione, la privacy-preserving computer vision emerge non come vincolo limitante ma come abilitatore – facilitando deployment di sistemi precedentemente impossibili per privacy concerns, sbloccando opportunità collaborative attraverso federated learning, e costruendo public trust essenziale per social acceptance della pervasive surveillance. Il paradosso iniziale – bilanciare sicurezza e privacy – trova risoluzione attraverso innovazione tecnologica trasformando apparente dicotomia in integrazione sinergica. Il futuro della sorveglianza è simultaneamente più capace e più rispettoso della privacy individuale, achievement notevole nell’evoluzione tecnologica contemporanea.

Fonti:

Abadi, M., Chu, A., Goodfellow, I., McMahan, H. B., Mironov, I., Talwar, K., & Zhang, L. (2016). Deep learning with differential privacy. In Proceedings of the 2016 ACM SIGSAC Conference on Computer and Communications Security (pp. 308-318). ACM Press.

Acar, A., Aksu, H., Uluagac, A. S., & Conti, M. (2018). A survey on homomorphic encryption schemes: Theory and implementation. ACM Computing Surveys, 51(4), 1-35.

Bonawitz, K., Ivanov, V., Kreuter, B., Marcedone, A., McMahan, H. B., Patel, S., … & Seth, K. (2017). Practical secure aggregation for privacy-preserving machine learning. In Proceedings of the 2017 ACM SIGSAC Conference on Computer and Communications Security (pp. 1175-1191). ACM Press.

Cheon, J. H., Kim, A., Kim, M., & Song, Y. (2017). Homomorphic encryption for arithmetic of approximate numbers. In Advances in Cryptology–ASIACRYPT 2017 (pp. 409-437). Springer International Publishing.

European Parliament and Council. (2016). Regulation (EU) 2016/679 on the protection of natural persons with regard to the processing of personal data (General Data Protection Regulation). Official Journal of the European Union, L 119/1.

European Parliament and Council. (2024). Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union, L 2024/1689.

Intel Corporation. (2024). Intel Software Guard Extensions (Intel SGX) Developer Guide. Intel Developer Documentation.

McMahan, B., Moore, E., Ramage, D., Hampson, S., & y Arcas, B. A. (2017). Communication-efficient learning of deep networks from decentralized data. In Proceedings of the 20th International Conference on Artificial Intelligence and Statistics (pp. 1273-1282). PMLR.

OpenFHE Development Team. (2022). OpenFHE: Open-Source Fully Homomorphic Encryption Library.

U.S. Department of Health and Human Services. (1996). Health Insurance Portability and Accountability Act of 1996 (HIPAA). Public Law 104-191.

Yang, Q., Liu, Y., Chen, T., & Tong, Y. (2019). Federated machine learning: Concept and applications. ACM Transactions on Intelligent Systems and Technology, 10(2), 1-19.

https://www.ictsecuritymagazine.com/articoli/computer-vision/

Nel cuore di Bruxelles, nei corridoi austeri della Commissione Europea, si è consumata negli ultimi anni una delle più straordinarie trasformazioni del potere mai tentate nell’era digitale. Non si tratta di una rivoluzione combattuta con le armi tradizionali della politica, ma di una guerra silenziosa condotta attraverso articoli di legge, procedimenti formali e database di trasparenza che stanno ridefinendo l’equilibrio tra il potere pubblico e i colossi tecnologici globali.

Il Digital Services Act – un nome apparentemente tecnico che nasconde dietro di sé l’ambizione di riscrivere le regole del gioco digitale per mezzo miliardo di europei – rappresenta oggi la più audace sfida mai lanciata contro l’egemonia delle piattaforme digitali. È una storia che inizia con un regolamento europeo e si trasforma in un epico confronto tra due visioni del mondo: quella di Silicon Valley, dove la libertà d’impresa incontra pochi limiti, e quella europea, dove i diritti fondamentali pretendono di porre argini al capitalismo digitale selvaggio.

Digital Services Act: la genesi di una rivoluzione normativa

Quando il Regolamento (UE) 2022/2065 entrò in vigore quel freddo 16 novembre 2022, pochi immaginarono che stessimo assistendo all’alba di una nuova era. Eppure, dietro quelle centinaia di articoli si celava un’ambizione rivoluzionaria: trasformare Internet da far west digitale in uno spazio regolamentato, dove le piattaforme non sarebbero più state semplici intermediari neutrali, ma attori responsabili del benessere collettivo europeo.

Il legislatore europeo aveva compreso una verità fondamentale che sfuggiva ai suoi omologhi oltreoceano: nell’era dell’informazione, chi controlla gli algoritmi controlla la realtà. Non si trattava più di regolamentare semplici servizi digitali, ma di disciplinare le nuove cattedrali dell’informazione globale, dove miliardi di decisioni algoritmiche plasmano quotidianamente il modo in cui percepiamo il mondo, consumiamo informazioni e interagiamo con i nostri simili.

Il DSA non è nato dall’oggi al domani, ma rappresenta il culmine di un lungo processo di maturazione politica europea. Dopo anni di scandali – da Cambridge Analytica alle interferenze elettorali, dalla diffusione di fake news all’odio online – l’Europa aveva finalmente trovato il coraggio di affermare la propria sovranità digitale. Il 17 febbraio 2024, quando il regolamento divenne pienamente applicabile, non fu semplicemente una data nel calendario legislativo, ma l’inizio di un nuovo capitolo nella storia del potere digitale globale.

L’anatomia del potere: le Very Large Online Platforms

Al centro di questa rivoluzione normativa si trova un concetto apparentemente tecnico ma profondamente politico: le Very Large Online Platforms, quelle cattedrali digitali che superano la soglia magica di 45 milioni di utenti attivi mensili nell’Unione Europea. Non si tratta di un numero casuale, ma di una precisa scelta politica: il 10% della popolazione europea rappresenta quel punto di non ritorno oltre il quale una piattaforma digitale cessa di essere un semplice servizio commerciale per diventare un’infrastruttura critica della democrazia contemporanea.

L’elenco di queste 23 piattaforme designate legge oggi come un Who’s Who del potere digitale globale: Facebook e Instagram, gli imperi social di Mark Zuckerberg; TikTok, la fenomenale creazione cinese che ha conquistato le menti dei giovani europei; X, l’ex Twitter trasformato dal visionario e controverso Elon Musk; YouTube, la biblioteca video dell’umanità; Amazon, il bazaar digitale globale. Ognuna di queste piattaforme non è più considerata un semplice servizio commerciale, ma un attore sociale con responsabilità sistemiche verso la democrazia europea.

L’articolo 25 del DSA, con la sua definizione apparentemente asettica delle soglie dimensionali, nasconde in realtà una rivoluzione copernicana nel modo di concepire il rapporto tra tecnologia e società. Per la prima volta nella storia, l’Europa ha osato dire che la dimensione conta, che oltre una certa scala l’impatto sociale di una piattaforma diventa così significativo da richiedere obblighi speciali e responsabilità particolari.

Il paradigma del rischio sistemico: una nuova filosofia del controllo

Ciò che rende il DSA genuinamente rivoluzionario non è tanto la sua ambizione regolatoria, quanto la sofisticatezza filosofica del suo approccio. L’articolo 34, nel suo linguaggio giuridico apparentemente arido, introduce un concetto che cambierà per sempre il modo in cui pensiamo alla responsabilità delle piattaforme digitali: il rischio sistemico.

Non si tratta più di aspettare che il danno si manifesti per poi reagire, ma di anticiparlo, prevederlo, mapparlo nelle sue molteplici manifestazioni. Le piattaforme sono ora chiamate a guardarsi allo specchio e riconoscere come i loro algoritmi possano amplificare quattro tipologie fondamentali di rischi: la disseminazione virale di contenuti illegali, l’erosione dei diritti fondamentali, la distorsione dei processi democratici e civici, e l’incubazione di violenza di genere e danni al benessere collettivo.

È una filosofia del controllo che trasforma le piattaforme da semplici intermediari tecnologici in custodi della salute digitale della società. Non possono più nascondersi dietro il velo dell’ignoranza algoritmica o della neutralità tecnologica. Devono guardarsi dentro, comprendere come funzionano i loro sistemi, riconoscere i rischi che generano e, soprattutto, agire per mitigarli.

L’articolo 35, che traduce queste valutazioni in obblighi concreti di mitigazione, rappresenta forse il passaggio più audace di tutta la normativa. Non si limita a chiedere trasparenza o informazioni, ma pretende cambiamenti strutturali: modifiche agli algoritmi, revisioni delle politiche di moderazione, persino ripensamenti delle funzionalità di base del servizio. È la democrazia europea che chiede alle piattaforme di riprogettarsi per servire meglio il bene comune.

La grande inquisizione: i procedimenti di enforcement

L’applicazione del DSA ha dato vita a quello che gli storici del futuro potrebbero definire come la “Grande Inquisizione Digitale” europea. Non si tratta di una persecuzione arbitraria, ma di un metodico e rigoroso processo di verifica della conformità che ha portato la Commissione Europea ad aprire procedimenti formali contro praticamente tutti i maggiori attori del panorama digitale globale.

Il sramma di TikTok: quando l’Oriente incontra l’Occidente

La saga di TikTok rappresenta forse il caso più affascinante e complesso dell’intero panorama di enforcement del DSA. La piattaforma cinese, con la sua capacità quasi magica di catturare l’attenzione di centinaia di milioni di giovani europei, si è trovata al centro di un vortice di procedimenti che riflettono tutte le tensioni geopolitiche dell’era contemporanea.

Il primo procedimento, avviato il 19 febbraio 2024, ha messo sotto la lente d’ingrandimento le politiche di protezione dei minori della piattaforma, sollevando interrogativi fondamentali su come un algoritmo progettato per massimizzare l’engagement possa interagire con menti giovani e impressionabili. Ma è stato il procedimento sui rischi elettorali, scaturito dalle controverse elezioni presidenziali rumene del dicembre 2024, a rivelare la dimensione geopolitica della questione: una piattaforma controllata da una società cinese può influenzare i processi democratici europei?

I rilievi preliminari del 17 maggio 2025 sul repository pubblicitario hanno segnato un momento storico: per la prima volta, la Commissione Europea ha formalizzato una violazione specifica del DSA con la concreta prospettiva di sanzioni pecuniarie. TikTok, la piattaforma che aveva conquistato l’Europa attraverso video di danza e meme virali, si è improvvisamente trovata a fronteggiare la possibilità di multe che potrebbero raggiungere il 6% del suo fatturato globale.

Meta: l’impero di Zuckerberg sotto assedio

Se TikTok rappresenta la giovane outsider che ha conquistato l’Europa dall’esterno, Meta incarna invece l’establishment del potere digitale che si trova a dover ripensare le sue fondamenta. I procedimenti contro il colosso di Menlo Park, avviati rispettivamente il 30 aprile e il 16 maggio 2024, toccano il cuore stesso del modello di business delle piattaforme social: la capacità di catturare e mantenere l’attenzione degli utenti attraverso meccanismi di design sempre più sofisticati.

Il caso del “design additivo” rappresenta una delle sfide intellettuali più affascinanti dell’intera saga DSA. Come si dimostra che un algoritmo progettato per essere coinvolgente attraversa la linea sottile che separa l’engagement legittimo dalla manipolazione psicologica? Come si bilanciano i diritti dei minori alla protezione con i diritti degli adulti alla libertà di scelta? Sono domande che vanno ben oltre la tecnologia e toccano questioni filosofiche fondamentali sulla natura della libertà nell’era digitale.

La decisione di dismettere CrowdTangle il 14 agosto 2024, proprio nel mezzo di un periodo elettorale cruciale, ha aggiunto un altro livello di complessità al caso. Meta ha sostenuto di aver fornito alternative adeguate, ma la Commissione ha visto in questa mossa un tentativo di limitare la trasparenza e ostacolare la ricerca indipendente sui rischi sistemici delle sue piattaforme.

X: la battaglia esistenziale di Elon Musk

Nessun caso nell’universo DSA è tanto drammatico e filosoficamente ricco quanto quello di X, l’ex Twitter trasformato dalla visione iconoclasta di Elon Musk. Il procedimento avviato il 18 dicembre 2023 ha assunto rapidamente i contorni di una battaglia esistenziale tra due concezioni radicalmente diverse della libertà di espressione e della responsabilità delle piattaforme.

Musk, con la sua retorica libertaria e la sua avversione viscerale per quello che considera un eccesso di regolamentazione europea, ha trasformato la sua piattaforma in un laboratorio di sperimentazione sociale dove le tradizionali regole della moderazione dei contenuti sono state stravolte. Il sistema di verifica “spunta blu”, trasformato da simbolo di autenticità a commodity acquistabile, è diventato l’emblema di questa rivoluzione: un esempio perfetto di come le scelte di design apparentemente tecniche possano avere profonde implicazioni sociali e democratiche.

I rilievi preliminari del 12 luglio 2024 hanno cristallizzato le tensioni in tre aree cruciali: il sistema di verifica ingannevole, la drastica riduzione dei team di moderazione, e il blocco sistematico dell’accesso ai dati per i ricercatori. Ognuna di queste questioni tocca nervi scoperti del dibattito contemporaneo sulla governance digitale: fino a che punto una piattaforma può rivendicare autonomia decisionale quando le sue scelte influenzano il benessere di milioni di cittadini europei?

Il database della verità: 3,5 miliardi di decisioni sotto la luce del sole

Tra tutte le innovazioni introdotte dal DSA, forse nessuna è tanto rivoluzionaria quanto il DSA Transparency Database, lanciato il 26 settembre 2023. In meno di due anni, questo strumento ha raccolto oltre 3,5 miliardi di “Statement of Reasons” – decisioni di moderazione che documentano in tempo reale come le piattaforme interpretano e applicano le loro politiche sui contenuti.

Non si tratta di semplici statistiche, ma del più grande esperimento di trasparenza mai condotto nell’ecosistema digitale globale. Per la prima volta nella storia, possiamo osservare dall’interno il funzionamento della macchina della moderazione dei contenuti, quella infrastruttura invisibile che determina quotidianamente cosa possiamo vedere, condividere e discutere online.

I numeri raccontano storie affascinanti e spesso inquietanti. L’automazione domina il panorama con percentuali che oscillano tra l’85% e il 99% delle decisioni prese da sistemi algoritmici. TikTok si avvicina alla totale automazione, mentre X mantiene ancora circa il 15% di moderazione umana – percentuali che riflettono non solo scelte tecnologiche, ma vere e proprie filosofie della governance dei contenuti.

Ancora più rivelatore è il problema delle disparità linguistiche. Il database mostra chiaramente come la capacità di moderazione vari drammaticamente a seconda della lingua: gli utenti che comunicano in inglese, francese, tedesco o spagnolo godono di livelli di protezione significativamente superiori rispetto a coloro che utilizzano lingue minoritarie dell’Unione. È una forma di cittadinanza digitale di serie A e di serie B che il DSA intende affrontare ma che rivela la complessità di governare uno spazio digitale veramente inclusivo e multilingue.

Come il DSA ha cambiato internet

L’effetto più sorprendente del DSA non è stato quello di spingere le piattaforme ad abbandonare il mercato europeo – come molti pessimisti avevano previsto – ma di stimolare una ondata di innovazione e ripensamento strutturale che ha trasformato l’esperienza digitale di milioni di utenti europei.

L’articolo 38, con il suo apparentemente tecnico obbligo di fornire sistemi di raccomandazione non basati sulla profilazione, ha scatenato una gara all’innovazione che ha prodotto risultati inaspettati. TikTok, Facebook e Instagram hanno introdotto feed cronologici come alternative ai loro algoritmi di personalizzazione, restituendo agli utenti un grado di controllo sulla propria esperienza digitale che sembrava perduto per sempre.

YouTube ha sperimentato con opzioni di feed alternative e livelli di trasparenza sui parametri di raccomandazione che erano impensabili solo pochi anni fa. LinkedIn ha intrapreso la strada degli algoritmi “explicabili” che tentano di demistificare il funzionamento dei sistemi di raccomandazione. Sono esperimenti ancora imperfetti e spesso goffi, ma rappresentano i primi passi verso una nuova generazione di piattaforme digitali progettate non solo per massimizzare l’engagement, ma per servire gli interessi a lungo termine degli utenti e della società.

Il cambiamento più profondo, tuttavia, è avvenuto nei consigli di amministrazione e nelle sale riunioni delle grandi piattaforme, dove il DSA ha imposto un nuovo linguaggio e nuove priorità. Termini come “rischio sistemico”, “valutazione di impatto”, “mitigazione” sono diventati parte del vocabolario quotidiano di manager e ingegneri che fino a ieri ragionavano esclusivamente in termini di crescita degli utenti e massimizzazione dei ricavi.

La sentenza che ha scosso Bruxelles

Il 10 settembre 2025, il Tribunale dell’Unione Europea ha emesso una sentenza che ha mandato onde d’urto attraverso i corridoi della Commissione Europea e i boardroom delle grandi piattaforme digitali. Con le sentenze T-55/24 e T-58/24, il Tribunale ha annullato le decisioni della Commissione sui contributi di vigilanza per Meta e TikTok, non per questioni sostanziali ma per vizi procedurali.

La sentenza non ha messo in discussione la validità o l’ambizione del DSA, ma ha mandato un messaggio chiaro: anche nella rivoluzione digitale, le forme contano quanto la sostanza. L’Europa può aspirare a regolamentare i giganti tecnologici globali, ma deve farlo rispettando rigorosamente i propri principi di due process e garanzie procedurali.

Per le piattaforme, la sentenza ha rappresentato una vittoria tattica in una guerra strategica che rimane lontana dalla conclusione. Per la Commissione, è stata un richiamo alla prudenza procedurale che ha già iniziato a influenzare la conduzione dei procedimenti successivi. Per gli osservatori, è stata la dimostrazione che il sistema di checks and balances europeo funziona anche nell’era digitale, e che nemmeno l’urgenza di regolamentare le piattaforme può giustificare scorciatoie procedurali.

L’Europa e l’America: due visioni del mondo a confronto

Il DSA non esiste nel vuoto, ma si colloca in un contesto geopolitico più ampio dove l’Europa e gli Stati Uniti rappresentano due filosofie radicalmente diverse della governance digitale. Da un lato, la Section 230 americana, con la sua protezione quasi assoluta delle piattaforme dalla responsabilità per i contenuti dei loro utenti; dall’altro, il DSA europeo, con la sua richiesta di rimozione “tempestiva” dei contenuti illegali e la sua enfasi sulla responsabilità sistemica delle piattaforme.

È uno scontro tra due concezioni del mondo: quella americana, radicata nella tradizione del primo emendamento e nella fiducia nel mercato come regolatore ultimo della verità; e quella europea, fondata sulla convinzione che i diritti fondamentali richiedano protezioni attive e che il mercato da solo non possa garantire il benessere collettivo.

L’assenza di un chiaro “Effetto Bruxelles” – quella dinamica che aveva portato il GDPR a influenzare le pratiche di privacy globali – rivela la complessità e la resistenza che il DSA incontra nel suo tentativo di ridefinire le regole del gioco digitale globale. Le piattaforme si trovano sempre più spesso a dover navigare tra sistemi normativi incompatibili, creando versioni diverse dei loro servizi per mercati diversi e alimentando il rischio di una frammentazione dell’Internet globale.

Intelligenza artificiale e nuovi frontiere digitali

Mentre il DSA continua la sua marcia attraverso i tribunali e gli uffici legali delle grandi piattaforme, nuove sfide tecnologiche si profilano all’orizzonte. L’esplosione dell’intelligenza artificiale generativa, con ChatGPT e i suoi concorrenti che stanno ridefinendo il modo in cui interagiamo con l’informazione, pone domande inedite sulla responsabilità delle piattaforme e sui rischi sistemici.

Il metaverso e le tecnologie di realtà virtuale promettono di creare spazi digitali ancora più immersivi e potenzialmente manipolativi, dove le tradizionali categorie di moderazione dei contenuti potrebbero risultare inadeguate. Le piattaforme di social commerce stanno trasformando il confine tra socializzazione e consumo, creando nuove forme di rischio che il framework attuale del DSA potrebbe non essere in grado di catturare completamente.

L’Europa si trova quindi di fronte a una sfida duplice: da un lato, portare a termine l’implementazione del DSA e dimostrare che la regolamentazione delle piattaforme digitali è possibile ed efficace; dall’altro, iniziare a immaginare come questo framework possa evolversi per affrontare le sfide tecnologiche del futuro.

Verso un nuovo contratto sociale digitale

Oggi, a distanza di due anni dall’entrata in vigore del DSA, possiamo iniziare a intravedere i contorni di quello che potrebbe essere un nuovo contratto sociale digitale. Non più la Silicon Valley che detta unilateralmente le regole del gioco digitale globale, ma un dialogo più equilibrato tra innovazione tecnologica e valori democratici, tra efficienza degli algoritmi e diritti fondamentali, tra libertà di espressione e responsabilità sociale.

Il DSA non è perfetto, né potrebbe esserlo. È un esperimento in corso, un work in progress che richiederà anni di aggiustamenti, interpretazioni giurisprudenziali e adattamenti tecnologici. Ma rappresenta qualcosa di fondamentale: la dimostrazione che le democrazie possono ancora affermare la propria sovranità nell’era digitale, che i cittadini possono ancora pretendere che la tecnologia serva l’umanità e non viceversa.

I 3,5 miliardi di decisioni di moderazione catalogate nel DSA Transparency Database non sono solo statistiche, ma testimonianze di una trasformazione in corso. Ogni procedimento aperto contro una grande piattaforma non è solo un atto amministrativo, ma un mattone nella costruzione di un nuovo equilibrio tra potere pubblico e potere privato nell’era digitale.

La storia del DSA è lungi dall’essere conclusa. Nei prossimi anni vedremo evolversi questa grande partita tra l’Europa e i giganti digitali globali, con nuove sfide, nuove tecnologie e nuove possibilità di innovazione normativa. Ma una cosa è già certa: l’era in cui le piattaforme digitali potevano operare come territori franchi, liberi da ogni responsabilità sociale, è definitivamente tramontata.

Il futuro digitale dell’Europa – e forse del mondo – si sta scrivendo oggi, nelle aule dei tribunali, nei database di trasparenza e nei boardroom delle grandi piattaforme. È una storia che merita di essere seguita con l’attenzione che riserviamo agli eventi che cambiano il corso della storia. Perché, in fondo, è esattamente quello che sta accadendo.

Fonti:

Regolamento (UE) 2022/2065 del Parlamento europeo e del Consiglio del 19 ottobre 2022 relativo a un mercato unico dei servizi digitali e che modifica la direttiva 2000/31/CE (Regolamento sui servizi digitali). Gazzetta ufficiale dell’Unione europea, L 277, 27.10.2022, pp. 1-102.

Commissione Europea. (2023, 18 dicembre). DSA: Commission opens formal proceedings against X. Comunicato stampa IP/23/6709.

Commissione Europea. (2024, 19 febbraio). DSA: Commission opens formal proceedings against TikTok. Comunicato stampa IP/24/926.

Commissione Europea. (2024, 30 aprile). Commission opens formal proceedings against Facebook and Instagram under the Digital Services Act. Comunicato stampa IP/24/2373.

Commissione Europea. (2024, 16 maggio). DSA: Commission opens formal proceedings against Meta. Comunicato stampa IP/24/2664.

Commissione Europea. (2024, 12 luglio). Commission sends preliminary findings to X for breach of DSA. Comunicato stampa IP/24/3761.

Commissione Europea. (2024, 31 ottobre). Commission opens formal proceedings against Temu under the Digital Services Act. Digital Strategy.

Commissione Europea. (2025, 17 maggio). Commission preliminarily finds TikTok’s ad repository in breach of the Digital Services Act. Digital Strategy.

Commissione Europea. (2025, 28 luglio). Commission preliminarily finds Temu in breach of the Digital Services Act in relation to illegal products on its platform. Comunicato stampa IP/25/3889.

Commissione Europea. (2023-2025). DSA Transparency Database. Direzione Generale delle Reti di Comunicazione, dei Contenuti e delle Tecnologie.

Commissione Europea. (2025). Supervision of the designated very large online platforms and search engines under DSA.

Kaushal, R., Van De Kerkhof, J., Goanta, C., Spanakis, G., & Iamnitchi, A. (2024). Automated Transparency: A Legal and Empirical Analysis of the Digital Services Act Transparency Database. Proceedings of the 2024 ACM Conference on Fairness, Accountability, and Transparency, 1121-1132.

Trujillo, A., Fagni, T., & Cresci, S. (2025). The DSA Transparency Database: Auditing self-reported moderation actions by social media. arXiv preprint arXiv:2312.10269v4.

Parlamento Europeo, Think Tank. (2024, 21 novembre). Enforcing the Digital Services Act: State of play. EPRS Briefing.

DSA Observatory. (2024, 20 dicembre). TikTok and the Romanian elections: A stress test for DSA enforcement.

Eucrim. (2025, gennaio). Overview of the Latest Developments on the DSA: November 2024-January 2025. European Criminal Law Review.

Eucrim. (2024, settembre). Overview of the Latest Developments Regarding the Digital Services Act (April-September 2024). European Criminal Law Review.

https://www.ictsecuritymagazine.com/articoli/digital-services-act/

Questo articolo fa parte di una serie dedicata al modello MindShield, un paradigma innovativo di sicurezza integrata per infrastrutture critiche. Nel presente contenuto esploreremo gli strumenti tecnologici e innovativi attualmente utilizzabili a supporto della sicurezza infrastrutturale, analizzando come psicologia predittiva, intelligence, intelligenza artificiale e Internet of Things possano essere integrati efficacemente nel modello MindShield per garantire una protezione multilivello delle infrastrutture critiche e dei servizi pubblici essenziali.

In questo capitolo si passeranno in rassegna gli strumenti tecnologici e innovativi attualmente utilizzabili a supporto della sicurezza infrastrutturale. Tale disamina non può e non deve ritenersi esaustiva proprio in ragione della dinamicità del settore e per la velocità alla quale ricerca e innovazione procedono, soprattutto in ambito tecnologico ma non solo. Ciò, tuttavia, non implica che l’approccio MindShield rimanga ancorato a quando ad oggi conosciamo, bensì, come più volte chiarito, esso potrà evolversi nel tempo integrando al proprio interno i futuri sviluppi che la ricerca porterà alla luce.

Definizione e applicazione della psicologia predittiva per infrastrutture critiche

Quando parliamo di psicologia e predizione siamo tentati a considerarli due termini per certi versi antitetici. Ciò in quanto la psicologia è una scienza che “studia i processi psichici, coscienti e inconsci, cognitivi (percezione, attenzione, memoria, linguaggio, pensiero ecc.) e dinamici (emozioni, motivazioni, personalità ecc.)”[1], mentre la predizione è definita come “il fatto di predire, di annunciare cioè in precedenza, a voce o in uno scritto (e di solito con autorità e in tono solenne) l’avverarsi di cose future, per ispirazione profetica, divina, paranormale (o affermate tali), o in seguito a ipotesi o induzioni fondate su esperienze pregresse, o sulla base di calcoli e dati scientifici”[2].

Tuttavia, in questo contesto il termine psicologia predittiva non allude a teorie fantasiose e soggettive è neppure ad un’impostazione di tipo “lombrosiano” secondo la quale un soggetto con determinate caratteristiche somatiche[3] sia perciostesso un soggetto pericoloso o in grado di compiere atti illeciti. Difatti, in questo contesto non ci è consentito abbracciare una tipologia di valutazione limitata alle caratteristiche empiriche – fisiche, etniche o socioculturali – del soggetto, caratteristica delle posizioni più estreme del “positivismo” Ottocentesco[4]. Bensì, molto più ampiamente, si ritiene doveroso scrutare il percorso individuale del singolo, le proprie interazioni con altri soggetti, gli eventi traumatici e i fattori che possono influenzare in modo determinate il processo decisionale, il tutto senza però tralasciare il libero arbitrio individuale.

La psicologia, difatti, così come la sociologia e altre scienze, hanno una funzione conoscitiva e di comprensione dei fenomeni. Anche nel contesto della sicurezza infrastrutturale, essa non può, dunque, affidarsi a valutazioni soggettive o promettere risposte che non è in grado di fornire con metodo scientifico. Ciò che invece la psicologia può fare è tentare di rispondere, ad alcune delle domande che ci poniamo, come ad esempio il perché, il come e il chi possa compiere o subire un attacco securitario.

Se dunque da una parte risulta imprescindibile che la psicologia investigativa sia applicata con rigore scientifico, ovvero attraverso “la presenza di un paradigma e la falsificabilità dei suoi assunti fondamentali”[5] e che, alla stregua di qualunque scienza debba affidarsi a dati e parametri il più possibile oggettivi, ciò tuttavia, non significa che i dati di per sé siano sufficienti a fornire una diagnosi o vagliare ipotesi[6].

È quindi proprio in tale contesto che interviene il fattore umano determinante, e segnatamente il ruolo del professionista, il quale deve comprendere e saper contestualizzare, ma soprattutto deve evitare di proporre teorie e conclusioni in assenza di un nutrito quantitativo di dati. Tale considerazione è maggiormente rilevante quando si fanno studi e congetture su fenomeni complessi come ad esempio quello del terrorismo, sul quale, come correttamente argomentato da Horgan[7], si discute molto ma si sa ancora poco. In tal senso risulta emblematico ricordare che “in termini psicologici, raramente ci vediamo come ci vedono gli altri, quindi, le fonti secondarie (anche i familiari) possono non fornire i dati osservazionali necessari allo sviluppo delle nostre teorie.”[8]

Tali considerazioni ci possono mostrare un tracciato ma la domanda principale resta ancora aperta e segnatamente: la psicologia può darci risposte utili a prevenire incidenti di sicurezza? Ebbene, muovendo dai limiti su cui ci si è sino ad ora soffermati possiamo affermare che la psicologia sia uno strumento prezioso per la gestione della sicurezza infrastrutturale, in tal senso esistono diverse teorie e ricerche, sia consolidate che in via di sviluppo[9]. Di contro esistono studi che ci ammoniscono contro l’utilizzo delle tecniche psicologiche e psicometriche da parte degli antagonisti della sicurezza stessa e ciò rappresenta sicuramente un campanello d’allarme non trascurabile[10].

Altri ancora propongono di rivisitare in chiave sistematica la psicologia rendendola parte di un’analisi complessiva degli elementi e dati raccolti. Un esempio di ciò può essere ricavato dalle teorie formulate dallo psicologo e criminologo inglese David Canter. Quest’ultimo difatti, riferendosi al “Geographical Profililing”, che si basa sull’analisi dei luoghi in cui vengono commessi i crimini, suggerisce che le persone scelgano anche inconsciamente i luoghi in cui commettono crimini.

Inoltre, secondo Canter analizzando e studiando i punti segnati su una mappa sarebbe possibile comprendere il significato latente dietro la scelta, quale frutto di processi mentali influenzati dalle esperienze passate della persona[11]. Peraltro, seppur con riferimento alla fase investigativa, Canter sostiene il vantaggio di un approccio empirico maggiormente incentrato sullo studio della vittima. Secondo tali teorie, le dinamiche del comportamento criminale potrebbero essere equiparate a qualsiasi altro comportamento sociale, pertanto potrebbero essere approcciate con le medesime metodologie[12]. Risulta dunque chiaro che la psicologia possa avere un ruolo cruciale nella comprensione dei fenomeni criminali e per la prevenzione degli incidenti di sicurezza.

In tal senso possiamo limitarci a ricordare che la psicologia potrebbe essere impiegata con successo in diverse aree, tra cui l’ambito della Cybersecurity[13], la valutazione delle minacce, la formazione e il benessere psicologico del personale che si occupa della sicurezza.

Peraltro, occorre chiarire che gli impieghi potenziali della psicologia in ambito securitario non si possono limitare alle categorie qui menzionate a titolo esemplificativo. Bensì, ciò che in questo contesto preme rilevare è che la psicologia possa, in presenza di adeguati standard scientifici, non solamente fornire una adeguata base teorica per lo studio del crimine e delle minacce alle infrastrutture critiche, ma sia essa stessa strumento di prevenzione nonché di gestione delle crisi securitarie. Per tali ragioni il modello MindShield non può prescindere dall’impiego e dalla ricerca in ambito psicologico.

Human Intelligence e OSINT

L’intelligence è uno strumento straordinario in grado di operare in differenti contesti, il cui oggetto è la raccolta, la conservazione e la diffusione di dati strumentali ad assicurare la sicurezza di target rilevanti, siano essi pubblici o privati. Tale disciplina si contraddistingue poi per la presenza di svariate sfaccettature e ambiti operativi. Rifacendoci alla lista presente fornita dal Sistema di informazione per la sicurezza della Repubblica, ricordiamo che, in base alla “tipologia di fonte informativa possiamo fare affidamento sui seguenti strumenti di intelligence:

• “Osint (Open Source intelligence – attività di raccolta delle informazioni mediante l’analisi di fonti aperte)
• Imint (Imagery intelligence – attività di raccolta delle informazioni mediante l’analisi di fotografie aeree o satellitari)
• Humint (Human intelligence – attività di raccolta delle informazioni mediante contatti interpersonali)
• Sigint (Signal intelligence – attività di raccolta delle informazioni mediante l’intercettazione e analisi di segnali, sia tra persone sia tra macchine)
• Techint (Technical intelligence – riguardante armi ed equipaggiamenti militari)
• Masint (Measurement and Signature intelligence – attività di raccolta delle informazioni non classificabili nelle precedenti categorie)”[14].

L’impiego di queste tecniche può rappresentare uno strumento prezioso all’interno del modello MindShield, difatti come si è già avuto modo di chiarire la raccolta e l’analisi puntuale dei dati rappresentano le fondamenta di una proficua gestione della sicurezza. Come già premesso, tuttavia, le fondamenta del modello MindShield risiedono proprio nei risultati già raggiunti in ambito securitario. In questo contesto, dunque, non si può fare a meno di ricordare che, sia le varie agenzie di intelligence che enti non governativi hanno svolto un intenso lavoro di raccolta e processamento dei dati relativi agli incidenti e alle minacce securitarie. In tal senso si ricordiamo qui tre esempi:

• in ambito scientifico si possono menzionare i database Significant Multi-domain Incidents against Critical Infrastructure (SMICI), un database aperto al pubblico che descrive in dettaglio sia gli incidenti cyber-fisici che cyber-operativi e QAnon Crime Maps[15]
• in ambito civile si può menzionare il database ACLED (Armed Conflict Location & Event Data Project), il quale raccoglie ed analizza gli incidenti di sicurezza globali sotto il profilo dei conflitti armati[16].
• da ultimo, in ambito nazionale e locale, si menziona il Programma Regionale Integrato di Mitigazione dei rischi (PRIM) della Regione Lombardia, un programma che “analizza i rischi, singoli e integrati, sul territorio regionale al fine di identificare le aree maggiormente critiche su cui approfondire la valutazioni effettuate”[17].

Tali strumenti, tuttavia, per quanto innovativi e di indubbia utilità, tutti i sistemi informativi sinora considerati risentono di un limite endogeno non ancora superato ovvero la settorialità o la delimitazione territoriale del proprio ambito d’indagine. Proprio per tale ragione si ritiene che, ai fini dell’implementazione della sicurezza infrastrutturale, il progetto MindShield non possa prescindere dalla creazione di una rete informativa globale sul rischio infrastrutturale. Rete in cui i dati vengano raccolti con metodo scientifico e parametri ben delimitati, e della cui acquisizione siano deputati, a livello nazionale, regionale e locale specifici uffici per la gestione del rischio.

Inoltre, ciò non può ritenersi sufficiente a meno che l’acquisizione dei dati non ricopra tutti gli ambiti nei quali le infrastrutture e la società civile possano ritenersi a rischio. In effetti, se da un lato è indubbio che la settorialità e la disomogeneità siano determinanti nel processo di mitigazione del rischio, dall’altro appare ancor più limpida l’utilità che un protocollo unitario potrebbe apportare in un’ottica di prevenzione e per sino definizione della “crisi securitaria”. La raccolta e la gestione di tali dati possono diventare peraltro di vitale importanza in diversi settori sia pubblici che privati ed è perciò che si sostiene fermamente l’adozione di un modello omogeneo strutturato a livello sovranazionale.

A titolo esemplificativo possiamo esaminare l’utilizzo della piattaforma ACLED, orbene, tale piattaforma e i dati in essa contenuti sovente diventano strumento di valutazione – quanto meno dal punto di vista quantitativo – dello stato di sicurezza di un Paese terzo. Molti organi e agenzie tra cui l’EUAA, l’Agenzia Europea per l’Asilo si rifanno anche a tali dati, per stabilire se un Paese possa considerarsi sicuro o meno per un richiedente asilo[18].

Ma la domanda che ci si pone quindi, anche ammessa l’accuratezza e la scientificità con cui tali dati vengono raccolti, è in merito al grado di affidabilità che le istituzioni possano farvi. Ci si interroga quindi se, data la rilevante funzione che questi dati assumono, non sarebbe preferibile invece che il loro processamento sia demandato ad un organismo a ciò deputato dagli Stati sovrani.

Lasciando aperto tale interrogativo, non si può far altro che auspicare la creazione di una filiale informativa superpartes, aggiornata e rispondente a standard scientifici elevati, che potrebbe integrare il modello MindShield supportandolo nel proprio obiettivo di realizzazione di una rete securitaria efficiente.

Intelligenza Artificiale (AI) e Machine Learning (ML)

L’intelligenza artificiale e il machine learning ultimamente sono diventati degli argomenti molto popolari, sui quali la ricerca scientifica e l’interesse degli stati stanno avendo un impatto propulsore. Tuttavia, in questa sede interessa non tanto chiarire in cosa consistano le sopracitate innovazioni[19] bensì comprendere che ruolo esse possano avere nel contesto della sicurezza delle infrastrutture critiche e dei servizi pubblici essenziali e in ultima analisi nel modello MindShield.

A questo proposito non si può ignorare di considerare che l’Intelligenza Artificiale (IA) e il Machine Learning (ML) stanno rivoluzionando il campo della protezione delle infrastrutture critiche. Concretamente, dunque, l’impiego di queste tecnologie attualmente consente di ottimizzare la catena informativa attraverso l’identificazione, l’analisi e la gestione dei rischi attraverso l’implementazione dell’efficienza e l’accuratezza delle strategie di gestione del rischio[20].

Alcuni enti e gestori di servizi pubblici, avendone riconosciuto le potenzialità[21], si stanno già mettendo all’opera per implementare questi strumenti. A titolo esemplificativo possiamo ricordare quanto recentemente sostenuto dal Chief Technology Innovation & Digital Officer del Gruppo FS, Roberto Tundo, il quale, in occasione dell’evento “Stati Generali dell’Intelligenza Artificiale” ha riferito che “l’intelligenza artificiale applicata alle infrastrutture si basa su algoritmi che facilitano le opere a adattarsi alle varie condizioni di impiego e a dialogare con i suoi utilizzatori (pensiamo al dialogo binario-treno nel caso ferroviario)”[22], Tundo ha inoltre aggiunto che ciò “permette di avere infrastrutture intelligenti che sanno inviare messaggi e segnalazioni, indispensabili per intervenire in tempo in caso di necessità”[23].

Tuttavia, non si può fare a meno di considerare che l’impiego indiscriminato di tali tecnologie possa rappresentare un elemento di criticità e persino di minaccia per la sicurezza infrastrutturale. Per tale ragione diversi stati tra cui Regno Unito e Stati Uniti si sono impegnati per la creazione di agenzie per la cyber sicurezza unitamente alla statuizione di linee guida per l’utilizzo responsabile dell’intelligenza artificiale[24].

Tale tecnologia è stata peraltro anche al centro della normazione sovranazionale, difatti, nel 2021 il Parlamento europeo e il Consiglio hanno dato forma alle prime statuizioni sull’utilizzo dell’Intelligenza Artificiale attraverso l’AI act[25], un primo passo verso la creazione di una legislazione europea sul tema, che ha continuato a destare interesse e che, recentemente è divenuto oggetto di un accordo provvisorio tra il Consiglio e il Parlamento Europeo[26].

Quanto agli effetti dell’utilizzo di tale strumento essi possono essere suddivisi tra benefici e rischi. Quanto alla prima categoria possiamo menzionare l’aumento di produttività, l’ottimizzazione dei processi, la riduzione dei costi, implementazione della sicurezza di infrastrutture e cittadini, l’implementazione di nuove tecnologie e servizi. Parlando di criticità alcune istituzioni, tra cui il Parlamento Europeo, sostengono che il sottoutilizzo tanto quanto l’abuso dell’intelligenza artificiale esponga a criticità, il primo in relazione alla perdita di competitività in confronto ad altre economie e il secondo per via degli utilizzi impropri di tale tecnologia.

In effetti, l’impiego indiscriminato dell’AI può presentare sfide complesse di natura etica[27], politica, di rispetto dei valori fondamentali dell’individuo, di tutela dei dati o di programmazione[28]. Concorde in tal senso anche il Governo britannico, il quale, in un documento programmatico sui rischi connessi all’utilizzo dell’intelligenza artificiale sino al 2025[29], ha avvertito che:

5. L’aumento delle prestazioni, della disponibilità e dell’accessibilità degli strumenti di IA generativa permette potenzialmente a chiunque di rappresentare una minaccia attraverso l’uso malevolo, l’abuso o l’errore. L’IA generativa continuerà quasi certamente a ridurre le barriere all’ingresso per gli attori delle minacce meno sofisticati che cercheranno di condurre attacchi prima irraggiungibili. Oltre ai gruppi organizzati, anche gli attivisti politici e gli attori solitari utilizzeranno probabilmente l’IA generativa per scopi ideologici, politici e personali.

6. È molto probabile che i criminali adottino la tecnologia dell’IA generativa allo stesso ritmo e alla stessa velocità della popolazione generale, ma alcuni gruppi e individui innovativi saranno i primi ad adottarla. L’uso della tecnologia da parte dei criminali accelererà molto probabilmente la frequenza e la sofisticazione delle truffe, frodi, contraffazioni, ransomware, furto di valuta, raccolta di dati, immagini di abusi sessuali su minori e clonazione vocale. Nel 2025, tuttavia, sarà meno probabile che i criminali riescano a sfruttare l’intelligenza artificiale generativa per creare nuove minacce informatiche.

7. Entro il 2025, l’IA generativa avrà il potenziale per migliorare le capacità dei terroristi nella propaganda, radicalizzazione, reclutamento, gestione dei flussi di finanziamento, sviluppo di armi e pianificazione di attacchi. Ma la dipendenza dalle catene di approvvigionamento fisico rimarrà quasi certamente un ostacolo all’uso dell’IA generativa per attacchi fisici sofisticati.

8. Nei prossimi 18 mesi, è più probabile che l’IA generativa amplifichi i rischi esistenti piuttosto che crearne di nuovi. Ma aumenterà nettamente la velocità e la portata di alcune minacce e introdurrà alcune vulnerabilità. I rischi rientrano in almeno tre settori sovrapponibili:

– I rischi digitali sono ritenuti i più probabili e con il più alto impatto fino al 2025. Le minacce includono la criminalità informatica e l’hacking. L’intelligenza artificiale generativa migliorerà anche le difese digitali contro queste minacce.

– I rischi per i sistemi politici e le società aumenteranno in termini di probabilità fino al 2025, diventando altrettanto significativi quanto i rischi digitali man mano che l’intelligenza artificiale e generativa si svilupperà ed espanderà. Le minacce includono manipolazione e inganno delle popolazioni.

– I rischi fisici aumenteranno probabilmente man mano che l’IA generativa verrà incorporata in un maggior numero di sistemi fisici, comprese le infrastrutture critiche e l’ambiente edificato. Se implementata senza adeguati controlli di controlli di safety e security, l’IA potrà comportare nuovi rischi di malfunzionamento e vulnerabilità agli attacchi.

9. Questi rischi non si presenteranno in modo isolato; è probabile che si sommino e influenzino altri rischi. Quasi certamente si verificheranno anche rischi imprevisti, compresi quelli derivanti dalla mancanza di prevedibilità dei sistemi di IA”[30].

Tali avvertimenti non possono lasciare indifferenti, per tale ragione il modello MindShield si propone, come peraltro già avviene in alcune realtà, di implementare l’utilizzo etico, responsabile e tecnologicamente avanzato dell’intelligenza artificiale[31], al fine di prevenire e mitigare i rischi per la sicurezza già esistenti, nonché quelli connessi allo sviluppo e all’utilizzo pubblico degli strumenti di intelligenza artificiale.

Internet of Things (IoT)

Internet of Things, letteralmente “internet delle cose”, è un termine che indica l’applicazione di diverse tecnologie per l’automazione di oggetti e processi utilizzati in ambito civile, industriale o militare. In questo contesto non ci si può soffermare sugli aspetti tecnici di tale tecnologia, tuttavia, sommariamente possiamo limitarci a ricordare che l’IoT si caratterizza per la modalità di raccolta, trasmissione, elaborazione, analisi e modellazione dei dati, i quali vengono trasmessi a un server (cloud) oppure ad un altro dispositivo via rete[32].

L’insieme di tali tecnologie, diventato sempre più presente ed accessibile al pubblico, ha consentito di svolgere innumerevoli attività prima nemmeno ipotizzabili, dagli strumenti di tracciamento e localizzazione di dispositivi in movimento, ai pagamenti elettronici con tecnologia RFID e NFC[33], alla rilevazione e monitoraggio di dati ambientali e di persone[34] in un determinato luogo. Dato l’ampissimo potenziale di tali innovazioni risulta quindi imprescindibile garantirne, da un lato l’implementazione in ambito securitario e dall’altro un utilizzo regolamentato in ambito civile e industriale che prevenga manipolazioni, bias e violazioni dei diritti dei singoli e della comunità[35].

Secondo alcuni studi compiuti dall’AIIC (Associazione Italiana Infrastrutture Critiche)[36] esistono attualmente almeno quattro approcci alla IoT security:

• il primo delineato dalle linee guida ENISA del 2017[37], successivamente integrate dalle linee guida per la standardizzazione dell’AI e la cybersicurezza del 2023[38].
• il secondo riportato nel report del NIST (Istituto nazionale statunitense per gli standard e la tecnologia)[39];
• il terzo derivante dalla raccolta dei documenti ISO;
• il quarto approccio composto dalla ricerca accademica sul tema[40].

Tra questi possiamo limitarci a citare l’approccio NIST, secondo il quale la mitigazione del rischio dovrebbe coinvolgere almeno tre aree di cui la prima inerente alla “tutela della sicurezza dei dispositivi”, la seconda inerente alla “protezione dei dati” e la terza relativa alla “protezione della privacy degli individui”. Peraltro, tornando alle tipologie di minacce che coinvolgono specificatamente l’IoT è interessante osservare che, secondo lo studio dell’ENISA[41] esse possono essere ricomprese ad esempio in:

• attività illecite / abusi (come, ad esempio, gli attacchi DDoS[42], virus e malware, exploit kits[43], manipolazione di hardware o software, gli ATP[44], attacchi del tipo spoofing o jamming indirizzati ai sensori a ultrasuoni[45], attacchi alla privacy[46]);
• interruzioni o guasti dei sistemi, dispositivi, delle reti e dei servizi di assistenza;
• attacchi fisici che comportano la modificazione o distruzione dei dispositivi;
• disastri naturali o ambientali (come allagamenti, incendi, esplosioni etc.);
• danneggiamento o perdita rilevante dei dati;
• intercettazioni o pirateria informatica (sia del protocollo di comunicazione dell’IoT che attraverso le intercettazioni e la raccolta fraudolenta di informazioni);
• guasti o malfunzionamenti (dovuti a vulnerabilità del software o guasti dei componenti di terze parti, come ad esempio del provider di servizi internet o di utenze elettriche, energetiche etc.).

Il catalogo sopracitato consente di apprezzare la complessità delle sfide a cui tale innovazione tecnologica ci espone. È naturale quindi chiedersi come possa MindShield impiegare IoS per la tutela delle infrastrutture critiche, perciò, non rimane che ritornare alle premesse iniziali, ricordando che l’obiettivo di questo modello sperimentale è l’impiego delle tecnologie e della conoscenza già acquisita, al netto delle attuali criticità, al fine della implementazione di un sistema di security multilivello che possa garantire: da un lato una copertura tecnologica e operativa efficiente e dall’altro lato il rispetto dei diritti e di standard elevati di sicurezza per la tutela della privacy, della libertà dei cittadini e salvaguardia delle istituzioni civili[47].

Questo articolo ha esplorato le principali tecnologie innovative integrate nel modello MindShield per la protezione delle infrastrutture critiche, evidenziando come psicologia predittiva, intelligence, intelligenza artificiale e Internet of Things possano convergere in un approccio multidisciplinare alla sicurezza. Per approfondire ulteriormente questa metodologia rivoluzionaria e scoprire tutti gli aspetti del paradigma di sicurezza integrata, vi invitiamo a scaricare il white paper completo della Dottoressa Livia Cimpoia dal titolo “MindShield” – un nuovo paradigma di sicurezza integrata per infrastrutture critiche”.

Nel prossimo articolo della serie esploreremo la combinazione sinergica di tecniche e strumenti, analizzando il coordinamento e la collaborazione tra le diverse componenti del modello MindShield, per comprendere come l’integrazione efficace di queste tecnologie possa garantire una protezione ottimale delle infrastrutture critiche e dei servizi pubblici essenziali.

Note

[1] Cfr. termine psicologia vocabolario Treccani – URL

[2] Cfr. termine predizione vocabolario Treccani – URL

[3] In questo contesto è da intendersi come caratteristiche psicologiche;

[4] Che prescindevano dal considerare il libero arbitrio del soggetto cfr. anche Pittaro, P. (a cura di) (2012). Scuola Positiva e sistema penale: quale eredità?: EUT – Edizioni Università di Trieste.

[5] DE LEO G. et al. (2000 n. 11). PSICOLOGIA INVESTIGATIVA: UNA NUOVA SFIDA DELLA PSICOLOGIA GIURIDICA. Rassegna italiana di criminologia (3/4): pp. 367 – 386.

[6] Si rimanda in tal senso a Kiehl, K. (2015). The psychopath whisperer. Inside the minds of those without a conscience., opera nella quale l’autore condivide uno spaccato di vita professionale dando contezza in modo pragmatico dell’uso dei test clinici e dell’intero processo di valutazione a cui il professionista è tenuto a prescindere dal risultato dei test: “Quando Gordon se n’è andato, ho tirato fuori la mia copia del manuale della Psychopathy Checklist- Revised (PCL-R) di Hare.

La Psychopathy Checklist, creata dal professor Hare, è lo strumento che utilizziamo sul campo per valutare la psicopatia. Contiene venti item che colgono i tratti essenziali della psicopatia, tra cui la mancanza di empatia, il senso di colpa e il rimorso, disinvoltura, la superficialità, l’orientamento parassitario, la disaffezione, l’irresponsabilità e l’impulsività.

“Questi tratti sono valutati sulla base dell’intera vita dell’individuo e in tutti i suoi ambiti. In altre parole, per “mancare di empatia” nella Checklist della psicopatia, è necessario avere prove di questo tratto nella maggior parte della vita – a casa, al lavoro, a scuola, in famiglia, con gli amici e nelle relazioni sentimentali.

“Ciascuno dei venti item è valutato su una scala a tre punti: 0, l’item non si applica all’individuo; 1, l’item si applica in alcuni aspetti; 2, l’item si applica sicuramente nella maggior parte dei casi all’individuo. I punteggi variano da 0 a 40, con la diagnosi clinica di psicopatico riservata a coloro che hanno un punteggio di 30 o superiore. Il punteggio medio di un detenuto è di 22. La media dei maschi nordamericani non detenuti ha un punteggio di 4 su 40. Gordon ha ottenuto 31. È stato il mio primo psicopatico” – tradotto dalla lingua inglese;

[7] Horgan, J. (2015). Psicologia del terrorismo: Edra Masson.

[8] Ibidem; peraltro, in tal senso Horgan ripropone un esempio emblematico: “La vita di Mohamed Atta, il dirottatore più conosciuto tra quelli dell’11 settembre, è stata scandagliata da giornalisti e studiosi. Sono stati intervistati i suoi genitori, appartenenti al ceto medio e residenti in Egitto, così come i suoi compagni di scuola, i conoscenti e i colleghi tedeschi ad Amburgo. Nessuno di loro aveva notato segni di depressione o di qualsiasi altra forma psicopatologica.

“Tali risultati potrebbero indurre a chiedersi se i terroristi siano o meno affetti da psicopatologie, ma la confusione deriva anche da ciò che si può veramente trarre da tali dichiarazioni e dalla natura dei dati che si possono ottenere nel tentativo di comprendere le ragioni che hanno spinto Atta a partecipare a un’organizzazione terroristica.”

[9] Per maggiori approfondimenti si rimanda anche a Hopner, V. et al. (2020). Introduction to the Special Section on the Psychology of Security. International Perspectives in Psychology 9(1): 1–4.

[10] Cfr. Gambino G. e Russo A. (2021). Profilazione Sociale e Sicurezza Nazionale. Società Italiana di Intelligence.

[11] Canter, D. e D. Youngs (2017). Applications of geographical offender profiling. [Place of publication not identified]: Routledge. e Canter, D. e D. Youngs (2016). Principles of geographical offender profiling. London: Routledge.

[12] Canter, D. et al. (2004). Il profilo psicologico. L’indagine investigativa fra teoria e prassi. Roma: Carocci. E Canter, D. e D. Youngs (2022). Psicologia investigativa. Criminal profiling e analisi dell’azione criminale. Roma: Fioriti.

[13] Cfr. anche Bar-Tal, D. (2020). Creating Fear and Insecurity for Political Goals. International Perspectives in Psychology 9(1): 5–17. e Ancis, J. (2020). The age of cyberpsychology: An overview. 1 1(1).

[14] Sistema di informazione per la sicurezza della Repubblica (2023). L’intelligence. [richiamato: 16.12.2023].

[15] Cfr. database Significant Multi-domain Incidents against Critical Infrastructure (SMICI) URL e QAnon Crime Maps URL

[16] Cfr. Database Acled URL

[17] Cfr. PRIM – Programma Regionale Integrato di Mitigazione dei rischi (servizirl.it)

[18] A titolo esemplificativo si rimanda alle COI (Country of Origin Information) – informazioni sul Paese d’origine sull’Afganistan aggiornate a dicembre 2023, cfr. European Union Asylum Agency (EUAA). Country of Origin Information: Afghanistan – Country Focus: pp. 12 – 14. URL

[19] Per chiarire brevemente tali concetti, tuttavia, possiamo accennare che l’intelligenza artificiale “è l’abilità di una macchina di mostrare capacità umane quali il ragionamento, l’apprendimento, la pianificazione e la creatività. L’intelligenza artificiale permette ai sistemi di capire il proprio ambiente, mettersi in relazione con quello che percepisce e risolvere problemi, e agire verso un obiettivo specifico. Il computer riceve i dati (già preparati o raccolti tramite sensori, come una videocamera), li processa e risponde. I sistemi di IA sono capaci di adattare il proprio comportamento analizzando gli effetti delle azioni precedenti e lavorando in autonomia.”

Cfr. PARLAMENTO EUROPEO (2020). Che cos’è l’intelligenza artificiale e come viene usata? Online: https://www.europarl.europa.eu/news/it/headlines/society/20200827STO85804/che-cos-e-l-intelligenza-artificiale-e-come-viene-usata [richiamato: 18.12.2023].; mentre il machine learning è la “branca dell’Intelligenza Artificiale che si occupa dello sviluppo di algoritmi e tecniche finalizzate all’apprendimento automatico mediante la statistica computazionale e l’ottimizzazione matematica” Cfr. termine machine learning vocabolario Treccani – URL

[20] Sul tema si veda anche Governo Italiano. Programma Strategico Intelligenza Artificiale 2022 – 2024. URL

[21] Si veda anche il Dottorato Nazionale in Intelligenza Artificiale (2023). AI & pubblica amministrazione – Dottorato Nazionale in Intelligenza Artificiale.[richiamato: 18.12.2023].

[22] FS News (2023). Dal Gruppo FS infrastrutture intelligenti, connesse e dialoganti. [richiamato: 18.12.2023].

[23] Ibidem.

[24] NCSC (2023). UK and US develop new global guidelines for AI security. URL

[25] Una proposta per la creazione di regole armonizzate sull’intelligenza artificiale cfr. Commissione Europea (2021). Proposta di REGOLAMENTO DEL PARLAMENTO EUROPEO E DEL CONSIGLIO CHE STABILISCE REGOLE ARMONIZZATE SULL’INTELLIGENZA ARTIFICIALE (LEGGE SULL’INTELLIGENZA ARTIFICIALE) E MODIFICA ALCUNI ATTI LEGISLATIVI DELL’UNIONE. URL

[26] Council of the EU (2023). Artificial intelligence act: Council and Parliament strike a deal on the first rules for AI in the world. [richiamato: 23.12.2023].

[27] Kwet, M. (2023). The Cambridge Handbook of Race and Surveillance: Cambridge University Press.

[28] PARLAMENTO EUROPEO (2023). Quali sono i rischi e i vantaggi dell’intelligenza artificiale? URL

[29] Government, H. Annex B: Safety and Security Risks of Generative Artificial Intelligence to 2025. URL;

[30] Ibidem, pp. 4-5, tradotto in italiano dalla lingua originale del documento, scritto in inglese.

[31]Ad esempio si rimanda a quanto messo in campo da Leonardo (2021). Comunicato stampa: Leonardo aderisce a “Mille Infrastrutture – Rete d’imprese” per sviluppare progetti dedicati al monitoraggio delle infrastrutture critiche. così come da Leonardo Cineca (2022). Leonardo HPC System – Leonardo Pre-exascale Supercomputer. Leonardo Pre-exascale Supercomputer.

[32] UFCOM Svizzera, Ufficio federale delle comunicazioni (2021). Internet of Things (IoT). [richiamato: 26.12.2023].

[33] Chabbi, S. e C. Araar (2022). RFID and NFC authentication protocol for securing a payment transaction. In, 2022 4th International Conference on Pattern Analysis and Intelligent Systems (PAIS): IEEE. Oum El Bouaghi, Algeria, 2022, pp. 1-8, doi: 10.1109/PAIS56586.2022.9946661

[34] Si veda in tal senso anche Buolamwini, J., Ordonez, V., Morgenstern, J., & Learned-Miller, E., J. Morgenstern e & Learned-Miller, E. (2020). Facial Recognition Technologies: A Primer. [richiamato: 27.12.2023].

[35] Evani Radiya-Dixit e Nina Toft Djanegara (2023). RACE AND SURVEILLANCE BRIEF. Stanford Center ffor Comparative Studies in Race & Ethnicity. e Kwet, M. (2023). The Cambridge Handbook of Race and Surveillance: Cambridge University Press.

[36] AIIC (2020). Internet of Things (IoT) in the context of Critical Infrastructures: an Enterprise Security and Management Perspective for a Security and Privacy Compliance.

[37] ENISA (2017). Baseline Security Recommendations for IoT. [richiamato: 26.12.2023].

[38] ENISA (2023). Cybersecurity of AI and Standardisation. [richiamato: 26.12.2023].

[39] Boeckl, K. et al. Considerations for managing Internet of Things (IoT) cybersecurity and privacy risks. In, National Institute of Standards and Technology (NIST).

[40] Per la nomenclatura e l’approfondimento dei singoli approcci si rimanda a AIIC (2020). Internet of Things (IoT) in the context of Critical Infrastructures: an Enterprise Security and Management Perspective for a Security and Privacy Compliance.

[41] Il seguente catalogo è stato pubblicato da ENISA (2017). Baseline Security Recommendations for IoT. Online: https://www.enisa.europa.eu/publications/baseline-security-recommendations-for-iot [richiamato: 26.12.2023]., “Figure 8: IoT Threat taxonomy” p. 32, grafico originale in lingua inglese tradotto in italiano.

[42] Attacchi cibernetici che hanno lo scopo di bloccare un server o una rete attraverso la creazione di un abnorme flusso di dati e/o traffico

[43] Per maggiori approfondimenti si rimanda a Belcic, I. (2020). Che cos’è un exploit nell’ambito della sicurezza informatica? Avg. URL;

[44] Minacce avanzate e persistenti usate sovente nel cyberspionaggio, per maggiori approfondimenti si rimanda a Fastweb Plus. APT Advanced Persistent Threat: cosa sono, come funzionano e quali sono le precauzioni per evitarle. [richiamato: 26.12.2023].

[45] Per maggiori approfondimenti si rimanda ad esempio a Gluck, T. et al. (2020). Spoofing Attack on Ultrasonic Distance Sensors Using a Continuous Signal. Sensors 20(21): 6157.

[46] Come l’abuso di dati personali, o di autorizzazioni, o la compromissione di informazioni confidenziali cfr. ENISA (2017). Baseline Security Recommendations for IoT. [richiamato: 26.12.2023].;

[47] Si rimanda a titolo esemplificativo al caso di Cambridge Analytica e il proprio impatto sulla campagna elettorale per le elezioni presidenziali USA del 2016 cfr. Gambino G. e Russo A. (2021). Profilazione Sociale e Sicurezza Nazionale. Società Italiana di Intelligence.

https://www.ictsecuritymagazine.com/articoli/difesa-infrastrutture-critiche/