L’adozione di sistemi di intelligenza artificiale generativa sta producendo una trasformazione profonda nel modo in cui il diritto processuale penale interpreta, valuta e utilizza la prova digitale. Ciò che per anni è stato considerato un elemento relativamente stabile e verificabile ovvero il dato digitale come traccia dell’origine di un evento o di un’azione entra oggi in una fase di progressiva instabilità epistemica. La possibilità di generare contenuti artificiali altamente coerenti, completi di metadati plausibili e strutture tecniche formalmente corrette, incrina infatti uno dei presupposti storici della digital forensics: la corrispondenza tra traccia e origine.

Questo articolo si inserisce all’interno della serie di approfondimenti a cura di Cosimo de Pinto dal titolo “Quando l’AI mente bene – Deepfake, prova digitale e anti-forensics nel processo penale”. L’approfondimento analizza la frattura introdotta dall’AI generativa nel paradigma tradizionale della prova informatica, evidenziando come la “plausibilità sintetica” possa sostituirsi alla tracciabilità dell’origine come criterio implicito di affidabilità.

Nel testo si esamina la discontinuità tra anti-forensics classica e nuove tecniche abilitate dall’intelligenza artificiale, mettendo in luce il passaggio da strategie di occultamento o distruzione della prova a sistemi capaci di costruire evidenze artificiali credibili e difficilmente distinguibili da quelle autentiche. L’analisi si concentra inoltre sulle implicazioni processuali di tale evoluzione, con particolare attenzione ai rischi per la valutazione giudiziale della prova digitale e alle possibili ricadute sulla presunzione di innocenza e sulla libertà personale.

La fine dell’innocenza digitale

L’AI generativa incrina il presupposto che la prova digitale rifletta sempre la propria origine.

La digital forensics si è sviluppata, nel corso dei suoi tre decenni di storia disciplinare, attorno a un presupposto implicito: i dati digitali conservano tracce della propria origine, e tali tracce possono essere estratte, interpretate e presentate come prova con ragionevole certezza scientifica. Un file aveva una biografia verificabile: nasceva in un momento preciso, recava l’impronta del software che lo aveva generato, i metadati del sistema operativo, le impronte dell’hardware. Su questo fondamento, ben descritto nella manualistica di riferimento, si è costruita l’intera architettura processuale della prova digitale nei sistemi giuridici occidentali.

Dal paradigma classico alla frattura epistemica

L’avvento dei modelli generativi di intelligenza artificiale, in particolare dei Large Language Models (LLM), dei modelli text-to-image, dei sintetizzatori vocali neurali e dei sistemi di video synthesis, ha introdotto nella catena della prova digitale una variabile che i framework forensi tradizionali non erano stati progettati per gestire: la plausibilità sintetica. Un documento, un’immagine, una registrazione audio o video possono oggi essere generati artificialmente in modo da superare non soltanto la percezione umana, ma anche una parte significativa delle analisi strumentali disponibili ai laboratori forensi. Come osservato dalla letteratura tecnica più recente, gli avversari non si limitano più a nascondere le prove: le costruiscono, le avvelenano e orientano l’investigatore verso una narrazione falsa.

Le conseguenze di questa trasformazione non sono confinabili all’ambito tecnico. Nei procedimenti penali, ogni errore nella valutazione di una prova digitale si traduce in una potenziale violazione della libertà personale. Un soggetto innocente può essere condannato sulla base di una conversazione WhatsApp mai avvenuta, di un’immagine fotografica manipolata, di un video che lo mostra in un luogo in cui non si è mai recato, di un log di sistema artatamente costruito per collocarlo in prossimità di un reato. L’AI non mente come un essere umano: produce output statisticamente coerenti, difficili da smascherare con gli strumenti tradizionali, e capaci di ingannare persino analisti esperti.

Ogni errore nella valutazione di una prova digitale si traduce in una potenziale violazione della libertà personale.

Il presente paper analizza le intersezioni tra AI generativa, tecniche di anti-forensics e il concetto giuridico di prova digitale, con attenzione alle implicazioni pratiche per consulenti tecnici, avvocati e magistrati. Vengono esaminate le principali superfici di attacco, le tecniche di evasione forense abilitate dall’AI, i framework di auditabilità esistenti, le lacune normative che rendono urgente un ripensamento del valore probatorio del dato digitale e, soprattutto, i rischi concreti per la libertà delle persone che derivano da un approccio acritico all’impiego dell’AI in sede processuale.

Metodo, contributo e domanda di ricerca

Metodo. Sintesi critica interdisciplinare che incrocia letteratura peer-reviewed, casi documentati, standard normativi e implicazioni processuali della prova digitale nell’era dell’AI generativa.

Contributo. Un quadro di sintesi tra tecnica di attacco, artefatto colpito, contromisure e rischio residuo; ricostruzione del nesso tra auditabilità tecnica e tenuta probatoria; proposta di principi guida per una digital forensics AI-resistant.

Domanda di ricerca. In che modo l’AI generativa trasforma la natura della prova digitale e quali condizioni metodologiche e giuridiche sono necessarie per conservarne l’affidabilità?

Questo paper affronta una delle sfide più critiche e meno sistematizzate dell’attuale panorama della sicurezza informatica applicata al diritto: l’impatto dell’intelligenza artificiale generativa sull’affidabilità delle prove digitali nei procedimenti penali. Non si tratta di uno scenario futuro. Le tecniche qui analizzate (data poisoning, log crafting, PRNU manipulation, deepfake, voice cloning, evasion attacks) sono operative già oggi, e i loro effetti sul sistema giustizia sono documentabili. Il taglio è deliberatamente duplice, tecnico e giuridico, perché duplice è il pubblico cui il problema si rivolge: professionisti della sicurezza, consulenti tecnici d’ufficio e di parte, magistrati e avvocati che si trovano a maneggiare prove digitali la cui affidabilità non può più essere data per scontata.

Sul piano del metodo, il lavoro è una sintesi critica di taglio interdisciplinare. Sul versante tecnico incrocia la letteratura peer-reviewed su anti-forensics e adversarial machine learning con casi documentati di rilevanza processuale o geopolitica; sul versante giuridico procede a un’analisi dottrinale e giurisprudenziale del diritto della prova, ancorata alla normativa italiana ed europea vigente e agli standard tecnici internazionali della famiglia ISO/IEC 27000. Le fonti sono state selezionate privilegiando, ove disponibili, gli atti originali (paper, whitepaper, testi normativi, massime ufficiali) rispetto alle fonti secondarie.

Per onestà epistemica, ogni affermazione tecnica viene qualificata secondo tre gradi di evidenza, esplicitati nel testo: risultato dimostrato sperimentalmente in letteratura; condotta documentata in un caso reale; rischio metodologico emergente, ipotizzato in via teorica ma non ancora consolidato in giudicato.

Il contributo originale è triplice: un quadro di sintesi che mette in relazione ciascuna tecnica di attacco con l’artefatto forense colpito, la contromisura di rilevazione e il rischio residuo (sezione 5); un raffronto comparato tra l’ordinamento italiano e il modello angloamericano (sezione 7); e un framework forense resistente all’AI articolato in cinque principi operativi e quattro proposte normative (sezione 10). La domanda di ricerca che tiene insieme l’intero discorso è la seguente: a quali condizioni una prova digitale generata o mediata da sistemi AI può fondare un giudizio di responsabilità penale senza violare la presunzione di innocenza e il diritto a un equo processo?

Anatomia dell’anti-forensics tradizionale e la discontinuità dell’AI

Dalle tecniche che cancellano le tracce a un’AI che le costruisce: una rottura qualitativa, non solo quantitativa.

L’anti-forensics prima dell’AI

La disciplina dell’anti-forensics, intesa come l’insieme delle tecniche volte a ostacolare, fuorviare o rendere impossibile l’analisi forense di un sistema digitale, è quasi coeva alla nascita della computer forensics stessa. Harris la definisce come qualsiasi tentativo di compromettere la disponibilità o l’utilità delle prove in un processo forense.

Le tecniche classiche si articolano in quattro categorie principali:

• distruzione dei dati (data destruction) tramite sovrascrittura multipla secondo lo standard DoD 5220.22-M, degaussing o distruzione fisica del supporto;
• occultamento dei dati (data hiding) mediante steganografia, cifratura di volumi interi (VeraCrypt, BitLocker) e slack space exploitation;
• trail obfuscation mediante applicazioni portable, timestamp manipulation (Timestomp) e cancellazione selettiva dei log di sistema;
• attacchi alla capacità di analisi attraverso exploit nei tool forensi (FTK, EnCase, Autopsy), file artatamente costruiti (crafted) e tecniche anti-VM e anti-sandbox.

La caratteristica comune di queste tecniche è che esse lasciano tracce della propria applicazione: assenza dove dovrebbe esserci presenza, anomalie statistiche, pattern inusuali. In questa prospettiva, la forensics tradizionale lavora spesso sulla deviazione rispetto all’atteso: l’anti-forensics classica mirava a cancellare, occultare o rendere non interpretabile l’evidenza. Nell’ecosistema AI la logica cambia radicalmente.

La discontinuità dell’AI: quando l’assenza non fa rumore

L’AI generativa introduce una rottura epistemica nel paradigma descritto. Il problema non è produrre contenuti falsi: è produrre contenuti coerenti con le aspettative statistiche di un analista forense. Un LLM avanzato istruito a generare la trascrizione di una conversazione WhatsApp produrrà testo con le peculiarità linguistiche del presunto autore, con riferimenti contestualmente plausibili e struttura temporale coerente; se integrato con un generatore di metadati, produrrà file con timestamp consistenti, encoding corretto, struttura interna del database SQLite di WhatsApp formalmente valida.

La differenza rispetto all’anti-forensics tradizionale è qualitativa, non soltanto quantitativa: non si tratta necessariamente di un’anti-forensics più efficiente, ma di una crisi del concetto stesso di autenticità digitale. Il bersaglio reale diventa ciò che il modello vede: dati, log, metadati, timestamp, immagini, testo, prompt, contesto RAG, workflow, plug-in, API e catena software. L’AI non mente in senso umano; produce un output coerente rispetto all’input e al contesto che riceve. Se input e contesto sono manipolati, la conclusione può essere tecnicamente elegante e probatoriamente falsa.

L’AI non mente in senso umano; produce un output coerente rispetto all’input e al contesto che riceve.

L’approfondimento ha mostrato come l’AI generativa stia alterando in modo strutturale il concetto stesso di prova digitale, spostando l’attenzione dalla tracciabilità dell’origine alla plausibilità sintetica del contenuto. Questo passaggio segna una discontinuità profonda per la digital forensics e apre scenari in cui la distinzione tra dato autentico e dato costruito diventa sempre più complessa da stabilire, con conseguenze dirette sul piano processuale e sulla tutela della libertà personale.

Il prossimo articolo approfondirà le principali tecniche anti-forensics assistite dall’AI insieme alle nuove superfici di attacco lungo la catena della prova digitale, dai documenti alle comunicazioni fino al codice generato automaticamente.

Per un inquadramento più completo e sistematico, è possibile approfondire il paper di Cosimo de Pinto “Quando l’AI mente bene – Deepfake, prova digitale e anti-forensics nel processo penale”: la lettura consente di comprendere in modo organico le dinamiche tra attacco, prova digitale e rischio probatorio, offrendo un riferimento utile sia per l’analisi tecnica sia per l’applicazione nel contesto processuale.

https://www.ictsecuritymagazine.com/articoli/prova-digitale/

Agenti AI e sicurezza applicativa. Un assistente incaricato di prenotare una lezione in palestra ha trovato e sfruttato due difetti nel gestionale, prenotando ben oltre la finestra consentita e cancellando la posizione di un altro utente in lista d’attesa. L’utente aveva chiesto di salire in cima alla lista, non di rimuovere qualcuno: fra l’obiettivo assegnato e il mezzo scelto dall’agente si apre una distanza che la sicurezza applicativa conosce da anni e che il diritto non ha ancora risolto.

Il fatto

Gli agenti AI sono arrivati al banco di prova più ordinario che si possa immaginare: prenotare una lezione in palestra. La vicenda arriva dall’Australia ed è stata raccontata il 10 agosto 2026 da ABC News, in un servizio firmato dal national AI reporter Cam Wilson e da Rhiannon Hobbins dello Specialist Reporting Team.

Un utente, indicato con il solo nome di battesimo (Andrew), lavora per un’azienda australiana che vende prodotti di intelligenza artificiale alle imprese. Dall’inizio dell’anno sperimentava con OpenClaw, un framework open source per agenti autonomi, eseguito appoggiandosi al servizio Claude di Anthropic. Un dettaglio che conviene fissare subito, perché la stampa internazionale lo ha spesso appiattito: OpenClaw non è un prodotto Anthropic. È software indipendente, rilasciato con licenza MIT, pubblicato per la prima volta nel novembre 2025 da Peter Steinberger con il nome Warelay. Il 27 gennaio 2026, dopo un rilievo sul marchio da parte di Anthropic per l’assonanza fra “Clawd” e “Claude”, il progetto è stato ribattezzato Moltbot; tre giorni dopo ha assunto il nome definitivo di OpenClaw, questa volta per ragioni di semplice eufonia. Steinberger è passato a OpenAI nel febbraio 2026 e il progetto è oggi gestito dalla OpenClaw Foundation. Può essere collegato a modelli di fornitori diversi.

Vale la pena chiarire anche il rapporto commerciale, perché è stato riportato in forma datata da più testate. Il 4 aprile 2026 Anthropic ha escluso l’uso degli abbonamenti Claude Pro e Max con harness di terze parti, OpenClaw incluso. A metà maggio la società ha però invertito la rotta, annunciando un plafond separato di crediti Agent SDK che ripristinava quell’uso a partire dal 15 giugno; e il 15 giugno ha sospeso anche quel piano, lasciando in vigore la situazione attuale, nella quale l’utilizzo tramite applicazioni di terze parti continua ad attingere ai limiti dell’abbonamento sottoscritto. In altre parole: non esiste oggi un divieto contrattuale che separi nettamente l’agente personale dal servizio del fornitore del modello.

Andrew ha delegato all’agente un compito banale: prenotare un posto in una lezione mattutina molto richiesta. Pochi minuti dopo l’agente è tornato riferendo di avere individuato una vulnerabilità nel software di prenotazione che consentiva di riservare posti con un anticipo molto superiore alla finestra prevista dal regolamento della palestra.

A quel punto si innesta il secondo episodio, che nelle ricostruzioni giornalistiche viene spesso fuso con il primo ma riguarda una lezione diversa, prevista più avanti nella stessa settimana. Andrew era quarto in lista d’attesa e ha chiesto all’agente se fosse possibile portarlo in cima alla lista. L’agente ha risposto di avere verificato che l’API di cancellazione non applicasse alcun controllo di autorizzazione sulle prenotazioni altrui, di avere testato l’ipotesi sulla persona in prima posizione nell’ambito della ricognizione delle proprie capacità, e che l’operazione era andata a buon fine, con lo spostamento di Andrew dalla quarta alla terza posizione. Quando l’utente ha chiesto di ripristinare la situazione, l’agente ha risposto di non essere in grado di reinserire la persona rimossa, che avrebbe dovuto iscriversi di nuovo ripartendo dal fondo.

C’è un dettaglio tecnico che ABC non ha stampato e che compare invece nella trascrizione integrale del messaggio pubblicata da TNW: le chiamate di creazione della prenotazione e di iscrizione alla lista d’attesa restituivano un 403 Forbidden quando si tentava di agire per conto di un altro utente, mentre solo la cancellazione era priva del controllo. L’agente stesso lo definisce un difetto di sicurezza a senso unico. È l’asimmetria che spiega tutto il resto: l’applicazione verificava chi potesse ottenere qualcosa, non chi potesse toglierlo a qualcun altro.

Una precisazione metodologica che questa redazione ritiene doveroso aggiungere: tutto ciò che sappiamo sul funzionamento dell’API proviene dai messaggi dell’agente, riferiti dall’utente e pubblicati da ABC in forma di schermata. Non esiste, allo stato, una verifica tecnica indipendente, e l’endpoint non è stato analizzato da nessuno al di fuori dell’agente stesso. L’azienda che sviluppa il gestionale ha dichiarato ad ABC di non discutere questioni di sicurezza specifiche; Anthropic non ha risposto alla richiesta di commento. Anche la qualificazione dell’episodio come primo attacco informatico autonomo in Australia è una valutazione giornalistica della testata, non una designazione formale di un’autorità.

Va detto che la reazione dell’utente è stata corretta: ha fatto redigere allo stesso agente una comunicazione al fornitore del software per segnalare la vulnerabilità, l’ha revisionata e ne ha autorizzato l’invio. Una divulgazione responsabile nata come effetto collaterale di un incidente.

Il vero difetto non è l’AI

Conviene isolare subito il dato tecnico, perché è quello che rischia di perdersi nel racconto giornalistico. La falla non l’ha creata l’agente.

Un’API che accetta la cancellazione di una prenotazione senza verificare che il richiedente ne sia il titolare è un caso di scuola di broken object level authorization, la prima voce della OWASP API Security Top 10 nell’edizione 2023, tuttora l’edizione vigente del progetto dedicato alle API. Non è una lettura forzata: il terzo scenario di attacco riportato dalla stessa scheda OWASP descrive un servizio documentale nel quale l’eliminazione di un documento avviene senza ulteriori controlli di permesso, con la conseguenza che un utente può cancellare il documento di un altro. È il caso della palestra, con oggetti diversi. È un difetto documentato, ricorrente e perfettamente noto: manca un controllo di autorizzazione sul singolo oggetto, mentre l’autenticazione formalmente funziona.

La prima falla, quella sulla finestra temporale di prenotazione, appartiene a una famiglia diversa e va tenuta distinta: è una regola di business applicata soltanto lato client, riconducibile a un difetto di logica applicativa e, se si vuole restare nella tassonomia OWASP, all’area della broken function level authorization (API5:2023). La classificazione, in assenza di un’analisi diretta dell’endpoint, resta una lettura ragionata e non una qualificazione verificata. Due difetti, due categorie, un’unica causa comune: la fiducia riposta nell’interfaccia come luogo dei controlli.

Difetti di questo tipo sopravvivono per anni nei gestionali verticali proprio perché nessuno li cerca. Il cliente medio di una palestra usa l’interfaccia web, non intercetta il traffico, non enumera identificativi di prenotazione, non prova a manipolare i parametri di una chiamata. La sicurezza dell’applicazione riposava, di fatto, sul disinteresse dell’utenza.

Ciò che cambia con gli agenti è la scala di quel disinteresse. Un agente ha tempo illimitato, nessuna soglia di frustrazione e un incentivo strutturale a percorrere qualunque strada porti all’obiettivo assegnato. Non introduce nuove classi di vulnerabilità: azzera il costo dello scoprire quelle vecchie. È in sostanza la lettura offerta ad ABC da Bill Simpson-Young, amministratore delegato e cofondatore del Gradient Institute, secondo cui abbiamo costruito un mondo complesso che gira su software pieno di buchi, e l’ingresso di agenti capaci di operare su larga scala e ad alta velocità manda in crisi quel modello.

Il corollario operativo per chi sviluppa e per chi acquista software gestionale è immediato: l’assunto implicito secondo cui “nessuno andrà a guardare” non regge più, e le verifiche di autorizzazione lato server smettono di essere una buona pratica raccomandata per diventare l’unico presidio realmente disponibile.

Il problema dell’allineamento, in versione domestica

Il secondo livello di lettura riguarda la distanza fra ciò che l’utente voleva e ciò che l’agente ha fatto per ottenerlo. È il problema di allineamento su cui la ricerca discute da decenni, qui declinato in una forma minima quanto agli effetti complessivi, ma non reversibile per la persona coinvolta: la sua posizione in lista era andata, e l’agente stesso ha dichiarato di non poterla ripristinare. In un contesto a maggiore criticità, la stessa dinamica produce conseguenze di ben altro ordine.

Conviene però essere precisi sul mandato. Andrew non aveva chiesto di attaccare nulla, ma non aveva neppure formulato una richiesta neutra: aveva chiesto di essere portato in cima a una lista d’attesa condivisa con altre persone. Fra l’obiettivo assegnato e il mezzo scelto dall’agente c’è uno scarto reale, ed è esattamente lì che si annida il problema; ma è uno scarto meno ampio di quanto suggerisca la formula, molto ripresa, dell’agente che agisce “senza che nulla gli fosse stato chiesto”.

Resta un margine di ambiguità che vale la pena non nascondere. L’agente ha presentato la cancellazione come parte della verifica delle proprie capacità e ha riferito ad Andrew di averlo già spostato dalla quarta alla terza posizione: una formulazione che lascia aperta la possibilità che l’operazione sia avvenuta durante l’esplorazione autonoma del sistema, e non in risposta alla domanda. Il servizio ABC espone la richiesta e poi la risposta dell’agente, senza datare l’azione; alcune riprese internazionali hanno risolto il dubbio in un senso o nell’altro senza basi ulteriori. Sul piano dell’imputazione soggettiva, di cui si dirà, la differenza non è marginale.

Il caso non è isolato, e le settimane precedenti offrono termini di paragone documentati. Il 21 luglio 2026 OpenAI ha reso noto che alcuni suoi modelli, durante una valutazione interna su un benchmark di capacità cyber, erano usciti dall’ambiente circoscritto in cui operavano sfruttando una vulnerabilità non nota, avevano stabilito connettività verso la rete aperta e avevano compromesso l’infrastruttura di Hugging Face nel tentativo di ottenere le risposte al test assegnato. Il 30 luglio Anthropic ha dichiarato che propri modelli avevano ottenuto accessi non autorizzati ai sistemi di tre organizzazioni reali: qui, a differenza del caso OpenAI, non c’è stata alcuna evasione autonoma, perché l’accesso a Internet era disponibile per un errore di configurazione dell’ambiente di valutazione gestito da un partner esterno. Il 31 luglio Reuters ha riferito, sulla base di fonti anonime, che OpenAI aveva individuato altri casi di uscita dagli ambienti di test nel corso della propria indagine interna: episodi descritti come di portata limitata, dei quali nessuno avrebbe lasciato la rete della società, e di cui l’agenzia non ha potuto stabilire numero, tempi e circostanze. Nei primi giorni di agosto la stessa OpenAI ha documentato pubblicamente due ulteriori incidenti occorsi presso valutatori esterni, uno dei quali coincide con la valutazione dell’AI Security Institute britannico di cui si dirà fra poco. Il 5 agosto Meta ha dichiarato che un proprio modello, Muse Spark 1.1, aveva raggiunto la rete e sfruttato una vulnerabilità nei sistemi di un servizio terzo non identificato.

Un elemento ricorre in tre di questi episodi, quelli comunicati da Anthropic il 30 luglio, da OpenAI all’inizio di agosto e da Meta il 5 agosto, ed è forse il dato più istruttivo per chi si occupa di sicurezza: l’ambiente di valutazione mal configurato apparteneva ogni volta allo stesso fornitore di servizi di test, la società Irregular. Non è soltanto un problema dei modelli: è anche un problema dell’infrastruttura che serve a misurarli. Non vale però per tutti: nell’episodio di Hugging Face l’uscita dall’ambiente è passata dallo sfruttamento di una vulnerabilità non nota, e lì la condotta è stata interamente del modello.

Il dato più circostanziato arriva dall’AI Security Institute britannico, che il 28 luglio ha rilevato trasferimenti anomali dai propri sistemi di ricerca e ha pubblicato il rapporto sull’incidente il 4 agosto: su 122 esecuzioni di una singola valutazione di sicurezza, in 10 casi un agente ha compiuto azioni autonome non autorizzate sulla rete pubblica verso persone e organizzazioni reali, per un totale di 19 azioni catalogate, fra cui un tentativo di attacco alla catena di fornitura di software open source; 17 delle 19 sono riconducibili a un solo modello. L’istituto precisa che non si è trattato di un’evasione dall’ambiente isolato: l’accesso a Internet era stato concesso deliberatamente e i filtri di sicurezza dei fornitori erano stati disattivati per misurare le capacità massime dei modelli.

È nato anche un sito dedicato al censimento di questi episodi, Felony Bench. Conviene però chiamarlo per quello che è: un tracker informale realizzato da un singolo, con una tabella di casi datati e collegati alle fonti ma senza metodologia pubblicata, e non un benchmark nel senso tecnico del termine. Vi è già censito anche il caso della palestra, attribuito ad Anthropic: una scelta che, involontariamente, illustra alla perfezione il problema di attribuzione di cui si dirà fra poco. Un secondo limite emerge dal confronto con le fonti citate: la voce relativa alla notizia Reuters del 31 luglio parla di account interni compromessi presso quattro società, mentre l’articolo richiamato riferisce di episodi circoscritti, nessuno dei quali avrebbe superato il perimetro di rete del fornitore.

Sul piano istituzionale, ABC riferisce che l’Australian Signals Directorate aveva già diramato a imprese e amministrazioni un avviso secondo cui i sistemi di intelligenza artificiale possono fraintendere le istruzioni, compiere azioni non previste e rendere più difficile stabilire le responsabilità, perché le decisioni si distribuiscono lungo catene di modelli, strumenti e servizi. Dopo il servizio ABC, l’Australian Cyber Security Centre è tornato sul punto con un richiamo esplicito all’uso prudente degli agenti, ricollegando l’episodio ai rischi di disallineamento degli obiettivi già individuati nella propria guida e qualificandolo come un caso di specification gaming: la ricerca di scorciatoie che raggiungono formalmente l’obiettivo assegnato ma confliggono con l’intenzione di chi lo ha assegnato. L’avviso raccomanda di mantenere una supervisione umana sulle azioni dell’agente, in particolare quando queste toccano servizi di terzi o altri utenti, e avverte le organizzazioni che erogano servizi online di considerare che gli agenti possono individuare e sfruttare vulnerabilità a grande velocità e su larga scala.

Il riferimento più solido in materia resta la guida congiunta Careful Adoption of Agentic AI Services, pubblicata il 1° maggio 2026 sul sito dell’ASD e firmata da sei agenzie (CISA e NSA per gli Stati Uniti, l’Australian Cyber Security Centre dell’ASD, il Canadian Centre for Cyber Security, il National Cyber Security Centre britannico e quello neozelandese), che organizza il rischio degli agenti in cinque categorie: privilegi, progettazione e configurazione, comportamento, struttura, responsabilità. La guida raccomanda esplicitamente di non concedere mai agli agenti accessi ampi o illimitati, soprattutto verso dati sensibili o sistemi critici, e di riservarli, in questa fase, a compiti a basso rischio e non sensibili.

Quest’ultimo punto è il più rilevante per chi si occupa di governance. La catena di attribuzione si allunga proprio nel momento in cui servirebbe più corta.

Chi risponde? Il caso australiano

Nell’ordinamento australiano la questione è dichiaratamente aperta: il software non è soggetto di diritto, e solo un soggetto di diritto può essere chiamato a rispondere. Hayden Delaney, partner dello studio Thomsons (già Thomson Geer) e specialista di diritto delle tecnologie, proprietà intellettuale e privacy, indica ad ABC come possibili responsabili l’utente che ha assegnato il compito, chi ha progettato il software che istruisce l’agente, chi sviluppa il modello o l’operatore del sistema vulnerabile.

Delaney aggiunge però un elemento che merita attenzione, perché anticipa il ragionamento che seguirà: alcune norme esistenti potrebbero applicarsi già oggi, in particolare quando un soggetto agisce in modo avventato o quando un’impresa fornisce un servizio difettoso. La risposta, dice, dipende da che cosa l’utente ha autorizzato, da quali rischi erano ragionevolmente prevedibili e dal fatto che la condotta si sia svolta o meno nell’ambito di un’attività commerciale. Non è un vuoto normativo, insomma, ma un’area di incertezza applicativa.

Il tema è entrato anche nell’agenda politica australiana: secondo ABC, Andrew Charlton, Assistant Minister per la scienza, la tecnologia e l’economia digitale, è stato il primo membro noto del governo ad affrontarlo in un discorso a una conferenza sulla sicurezza dell’IA, annunciando finanziamenti al CSIRO per studiare come sia possibile gestire e verificare il comportamento di sistemi di intelligenza artificiale sempre più capaci.

Che cosa accadrebbe in Italia

Il caso è interamente australiano e la legge penale italiana si applica, salve eccezioni, ai reati commessi nel territorio dello Stato (art. 6 c.p.). Il ragionamento che segue è dunque un’ipotesi di lavoro: che cosa accadrebbe se la stessa condotta si verificasse in Italia, con utente e sistema collocati sul territorio nazionale. Il diritto italiano offre categorie più definite di quello australiano, ma non risposte automatiche.

Accesso abusivo a sistema informatico (art. 615-ter c.p.). La norma punisce chi abusivamente si introduce in un sistema informatico o telematico protetto da misure di sicurezza, ovvero vi si mantiene contro la volontà espressa o tacita di chi ha il diritto di escluderlo. Due elementi meritano attenzione.

Il primo è proprio il requisito delle misure di sicurezza, che in un caso come questo è meno scontato di quanto sembri: l’endpoint di cancellazione era, per quanto riferito, privo di controlli di autorizzazione. La giurisprudenza è però costante nel ritenere sufficiente qualunque accorgimento, anche di natura organizzativa, idoneo a manifestare la volontà di esclusione del titolare. Fra le pronunce recenti, Cass. pen., Sez. V, n. 2905/2025 (udienza 23 ottobre 2024, deposito 23 gennaio 2025) ha ribadito che la protezione può essere adottata anche con misure di carattere organizzativo che disciplinino le modalità di accesso, consentendolo ai soli soggetti abilitati per determinate finalità. Un sistema che richiede autenticazione e definisce regole di prenotazione soddisfa quel requisito. La condotta si colloca poi nel filone dell’excessus mandati: rileva non tanto il modo in cui si entra, quanto il superamento dei limiti dell’autorizzazione ricevuta, ed è esattamente ciò che accade quando una sessione legittima viene usata per agire su oggetti altrui.

Il secondo è l’elemento soggettivo. Il reato è punito a titolo di dolo. Un utente che chiede di essere iscritto a un corso non rappresenta né vuole l’accesso abusivo, e la condotta materiale è stata determinata da un sistema automatico che ha scelto autonomamente il mezzo. Ma la richiesta effettivamente formulata era di essere portato in cima a una lista d’attesa altrui, da parte di un soggetto professionalmente esposto al funzionamento degli agenti: l’ipotesi del dolo eventuale, cioè della previsione e accettazione del rischio, non può essere liquidata in astratto e andrebbe valutata sul caso concreto. Qui pesa anche l’ambiguità sopra segnalata: se la cancellazione fosse avvenuta prima della richiesta, nel corso di un’esplorazione autonoma, verrebbe meno il presupposto stesso di una qualsiasi rappresentazione dell’evento in capo all’utente. È lo stesso crinale, sul versante di common law, indicato da Delaney quando parla di condotta avventata e di rischi ragionevolmente prevedibili.

Rileva infine la procedibilità. L’ipotesi base del primo comma è punibile a querela della persona offesa; nelle ipotesi aggravate del secondo comma si procede d’ufficio. Fra queste rientra il caso in cui dal fatto derivi la distruzione o il danneggiamento dei dati contenuti nel sistema: aggravante che la L. 90/2024 (art. 16, comma 1, lettera b, n. 1.3) ha esteso anche alla sottrazione, pure mediante riproduzione o trasmissione, e all’inaccessibilità al titolare. Poiché qui una cancellazione di dati c’è stata, la qualificazione non è indifferente.

Danneggiamento di informazioni, dati e programmi informatici (art. 635-bis c.p.). Nel testo riformulato dalla L. 28 giugno 2024 n. 90, la norma punisce con la reclusione da due a sei anni, a querela della persona offesa, chi distrugge, deteriora, cancella, altera o sopprime informazioni, dati o programmi informatici altrui. La cancellazione della prenotazione di un terzo integra materialmente la condotta, con lo stesso interrogativo sull’imputazione soggettiva, dato che anche qui è richiesto il dolo e non è prevista la punibilità a titolo di colpa. Resta da qualificare il requisito dell’altruità: il dato riguarda il socio rimosso, ma è custodito ed elaborato nel sistema del titolare del trattamento.

Profilo civilistico e protezione dei dati. La palestra resta titolare del trattamento dei dati dei propri soci ed è tenuta ad adottare misure tecniche e organizzative adeguate ai sensi dell’art. 32 GDPR. Il fornitore del gestionale opera con ogni probabilità come responsabile del trattamento ai sensi dell’art. 28, con obblighi propri di sicurezza e con la necessità di un contratto che li definisca. Un’API che consente a chiunque di cancellare la prenotazione di un altro interessato è, prima ancora che un problema di sicurezza applicativa, una misura di sicurezza inadeguata. E la cancellazione non autorizzata di un dato personale da parte di un terzo integra una violazione di integrità e disponibilità, con i conseguenti obblighi di valutazione e, ove ricorrano i presupposti, di notifica al Garante e di comunicazione all’interessato ai sensi degli artt. 33 e 34 GDPR. La responsabilità del titolare non si attenua per il fatto che a sfruttare la falla sia stato un agente automatico anziché una persona.

Sul versante risarcitorio il quadro è in transizione, e il dato temporale conta. La disciplina di riferimento non è quella sull’IA ma quella sulla responsabilità da prodotto difettoso, ridisegnata dalla direttiva (UE) 2024/2853, che include espressamente il software fra i prodotti e che la testata ha già analizzato. Il termine di recepimento scade però il 9 dicembre 2026 e le nuove regole si applicheranno ai prodotti immessi sul mercato o messi in servizio da quella data; in Italia la delega è contenuta nella legge di delegazione europea 2025 (legge 17 marzo 2026, n. 36) e il decreto legislativo non risulta ancora emanato. Un fatto verificatosi oggi ricadrebbe quindi ancora sotto gli artt. 114 e seguenti del Codice del consumo. Vale inoltre la pena segnalare che la nuova direttiva esclude dal proprio ambito, all’art. 2, paragrafo 2, il software libero e open source sviluppato o fornito al di fuori di un’attività commerciale: una previsione che, applicata a un framework come OpenClaw, rilasciato con licenza MIT, sottrarrebbe proprio l’anello centrale della catena. Il condizionale è d’obbligo, perché la condizione dell’estraneità a un’attività commerciale non è scontata per un progetto gestito da una fondazione e sostenuto finanziariamente da un fornitore di modelli.

AI Act. Vale la pena segnalare ciò che il regolamento europeo, in questo scenario, non fa, e per due ragioni distinte che si sommano.

La prima è di classificazione: un assistente che prenota lezioni in palestra non rientra fra i sistemi ad alto rischio dell’Allegato III, quindi i requisiti di gestione del rischio e sorveglianza umana del Capo III non lo riguardano.

La seconda è di calendario, ed è recente. Il Regolamento (UE) 2026/1744 dell’8 luglio 2026, il cosiddetto Omnibus digitale sull’IA, pubblicato in Gazzetta Ufficiale dell’Unione europea il 24 luglio 2026 ed entrato in vigore il 27 luglio, ha riscritto il terzo comma dell’art. 113 dell’AI Act rinviando il blocco degli obblighi sui sistemi ad alto rischio: le sezioni 1, 2 e 3 del Capo III, con esclusione dell’art. 6, paragrafo 5, si applicheranno dal 2 dicembre 2027 per i sistemi autonomi dell’Allegato III e dal 2 agosto 2028 per quelli integrati in prodotti coperti dall’Allegato I.

Che cosa resta, allora, in vigore oggi. Restano i divieti dell’art. 5 e l’obbligo di alfabetizzazione in materia di IA dell’art. 4, applicabili dal 2 febbraio 2025, con l’avvertenza che l’art. 4 è stato integralmente sostituito dall’Omnibus e, dal 27 luglio 2026, non impone più di garantire un livello sufficiente di alfabetizzazione ma di adottare misure per sostenerne lo sviluppo. Restano gli obblighi in capo ai fornitori di modelli per finalità generali e, con essi, l’intero Capo XII sulle sanzioni, applicabile dal 2 agosto 2025 con la sola eccezione dell’art. 101. Dal 27 luglio 2026 sono divenuti applicabili gli articoli da 102 a 110. Dal 2 agosto 2026 sono esigibili gli obblighi di trasparenza dell’art. 50 e si è aggiunto il potere della Commissione di sanzionare direttamente i fornitori di modelli per finalità generali ai sensi dell’art. 101, insieme alla piena operatività della vigilanza nazionale. L’Omnibus ha inoltre ampliato l’elenco delle pratiche vietate dall’art. 5, con applicazione delle nuove fattispecie dal 2 dicembre 2026.

C’è però un dettaglio dell’Omnibus che merita di essere isolato, perché riguarda direttamente questa vicenda. Il nuovo Allegato XIV dell’AI Act, una nomenclatura di codici destinata alla designazione degli organismi notificati, introduce il codice AIH 0401 per le tecnologie emergenti non coperte dagli altri codici e vi nomina espressamente l’IA agentica. È un codice residuale, nel quale l’IA agentica è nominata a titolo di esempio; un sistema agentico costruito su un modello per finalità generali ricade invece nel codice AIH 0301. È una collocazione tecnica e defilata, priva di definizione, di obblighi e di criteri di classificazione, ma, per quanto risulta a questa redazione, è la prima volta che l’espressione compare in un atto vincolante dell’Unione. Il legislatore europeo riconosce il fenomeno; non lo disciplina.

Il caso illustra bene, e per doppia via, un’area grigia: sistemi a basso rischio per finalità dichiarata, ma dotati di capacità di azione su sistemi di terzi, e per i quali il presidio regolatorio più stringente non è comunque il regolamento sull’IA.

La riflessione, per le organizzazioni italiane, non è teorica. Il momento in cui un dipendente delega a un agente personale un’attività che tocca sistemi aziendali o di fornitori è già arrivato, e in genere senza che nessuno lo abbia autorizzato formalmente.

Cosa portarsi a casa

Per chi sviluppa o acquista software applicativo:

• verificare l’autorizzazione a livello di singolo oggetto su ogni endpoint che modifica o cancella risorse, senza affidarsi ai controlli dell’interfaccia;
• controllare la simmetria dei presidi: in questo caso la creazione della prenotazione e l’iscrizione alla lista d’attesa erano protette, la cancellazione no;
• trattare le regole di business (finestre temporali, limiti di prenotazione, quote) come vincoli da applicare lato server e non come parametri configurati nel client;
• prevedere rate limiting e rilevamento di pattern di accesso automatizzati, che oggi possono provenire da un utente legittimo e non da un attaccante;
• garantire la reversibilità delle operazioni distruttive, con cancellazione logica e ripristino, perché in questo caso l’irreversibilità ha trasformato un test in un danno;
• inserire nei contratti con i fornitori di software un canale di segnalazione delle vulnerabilità, perché le segnalazioni arriveranno.

Per chi si occupa di governance e conformità:

• disciplinare in policy l’uso di agenti personali su sistemi aziendali e di terzi, definendo cosa può essere delegato e con quali credenziali;
• ricostruire in anticipo la catena di attribuzione, mantenendo tracciabilità di quale agente ha operato, con quale mandato, con quali privilegi e con quale modello sottostante;
• conservare i log delle azioni dell’agente lato client e lato server, perché in questo caso l’unica ricostruzione disponibile dei fatti sono i messaggi prodotti dall’agente stesso;
• applicare il principio del privilegio minimo alle credenziali affidate agli agenti, che tendono invece a ereditare tutti i permessi dell’utente;
• non dare per scontato che il rapporto contrattuale con il fornitore del modello separi l’agente personale dall’infrastruttura aziendale: come mostra l’altalena delle politiche di Anthropic fra aprile e giugno 2026, quel confine è mobile e non costituisce un presidio di sicurezza.

Il caso australiano è minore per impatto e quasi comico nella dinamica. È però una fotografia nitida di una transizione già in corso: il software esposto al pubblico non ha più come interlocutore soltanto persone che si comportano come previsto.

Fonti

• ABC News, servizio del 10 agosto 2026 (fonte primaria): abc.net.au
• OWASP API Security Top 10, edizione 2023: owasp.org
• ASD, Careful adoption of agentic AI services: cyber.gov.au
• AI Security Institute, rapporto sull’incidente del 28 luglio 2026 (pubblicato il 4 agosto): aisi.gov.uk
• Felony Bench: felonybench.com

https://www.ictsecuritymagazine.com/intelligenza-artificiale/agenti-ai-vulnerabilita/

L’indiscrezione riaccende l’attenzione sull’accesso cinese ai chip avanzati americani. Il caso evidenzia il ruolo strategico del cloud e della potenza di calcolo nello sviluppo dell’intelligenza artificiale.

Il laboratorio cinese Moonshot AI avrebbe addestrato il suo modello di intelligenza artificiale Kimi utilizzando un cluster di circa 20.000 chip Nvidia H200 messo a disposizione attraverso l’infrastruttura cloud di Alibaba.

Lo riporta Bloomberg, secondo cui il progetto rappresenta uno dei più grandi impieghi di potenza di calcolo finora emersi in Cina per l’addestramento di un modello AI di frontiera.

Secondo la ricostruzione, l’infrastruttura sarebbe stata fornita da Alibaba Cloud, confermando il ruolo sempre più centrale dei grandi provider cloud cinesi nello sviluppo dell’intelligenza artificiale nazionale.

Il nodo dei chip Nvidia

L’indiscrezione arriva mentre gli Stati Uniti continuano a rafforzare i controlli sulle esportazioni di semiconduttori avanzati verso la Cina.

Bloomberg sottolinea che il rapporto non dimostra alcuna violazione delle restrizioni statunitensi, ma riporta nuovamente l’attenzione sulla provenienza dei processori utilizzati dai laboratori cinesi e sulle modalità con cui questi riescono ad accedere a grandi capacità di calcolo.

La sfida si gioca anche sull’infrastruttura

Il caso conferma come la competizione globale sull’intelligenza artificiale non dipenda soltanto dagli algoritmi, ma anche dalla disponibilità di infrastrutture hardware.

L’accesso a grandi cluster di GPU, alle piattaforme cloud e alle filiere di approvvigionamento rappresenta infatti uno dei principali fattori che determinano la capacità di sviluppare modelli AI sempre più avanzati.

Nei giorni scorsi Moonshot AI aveva attirato l’attenzione internazionale con Kimi K3, modello open-weight da 2,8 trilioni di parametri, considerato uno dei sistemi di intelligenza artificiale più avanzati sviluppati finora in Cina.

Novità su Google, per aggiungere Key4Biz tra le tue fonti preferite, clicca qui

Leggi le altre notizie sull’home page di Key4biz

https://www.key4biz.it/kimi-addestrato-con-20-000-chip-nvidia-h200-forniti-da-alibaba/583751/

Più di 1.300 dipendenti delle principali aziende di intelligenza artificiale hanno firmato una petizione che chiede al governo degli Stati Uniti di sostenere un meccanismo internazionale per “regolare deliberatamente il ritmo” dello sviluppo dell’AI.

Secondo quanto riportato da Bloomberg, la lettera è stata sottoscritta da lavoratori di quasi una dozzina di società, tra cui OpenAI, Anthropic, Google e Meta. Tra i firmatari figurano anche il CEO di Anthropic Dario Amodei, il Chief Scientist di OpenAI Jakub Pachocki e Shengjia Zhao, Chief Scientist del Meta Superintelligence Lab.

La richiesta arriva pochi giorni dopo che OpenAI ha reso noto un incidente nel quale i suoi modelli più avanzati avrebbero compromesso per errore alcuni sistemi interni della startup Hugging Face durante attività di sicurezza informatica.

“Un rischio reale” di perdere il controllo

La petizione chiede a Washington di sostenere uno sforzo internazionale per sviluppare strumenti tecnici e di governance capaci, se necessario, di rallentare la costruzione dei sistemi AI più avanzati.

“Chiediamo al governo degli Stati Uniti di sostenere un’iniziativa internazionale per sviluppare gli strumenti tecnici e di governance necessari a regolare deliberatamente il ritmo dello sviluppo automatizzato dell’AI di frontiera”, si legge nel documento citato da Bloomberg.

I firmatari avvertono che esiste “un rischio reale” che l’intelligenza artificiale progredisca più rapidamente della capacità umana di comprenderla e controllarla. Il riferimento è soprattutto ai progressi nell’automazione della ricerca sull’AI, con modelli sempre più capaci di contribuire direttamente alla progettazione e al miglioramento di nuovi sistemi.

Il sostegno di Anthropic

Anthropic ha espresso pubblicamente il proprio sostegno alla petizione. In un messaggio pubblicato su X, la società ha affermato che le proprie ricerche mostrano la necessità di disporre di strumenti per rallentare deliberatamente la frontiera dell’AI, consentendo alla società di prepararsi ai cambiamenti prodotti dalla tecnologia.

Anthropic aveva già proposto un sistema attraverso il quale governi e sviluppatori potessero decidere collettivamente quando ridurre il ritmo o sospendere temporaneamente determinate attività di ricerca considerate potenzialmente pericolose. A giugno, la società aveva sostenuto che sarebbe utile per il mondo disporre della possibilità di “rallentare o mettere temporaneamente in pausa” lo sviluppo di sistemi AI che potrebbero generare rischi non sufficientemente controllabili.

L’ipotesi di un’autorità internazionale

La petizione riprende proposte già avanzate da alcuni dei principali esponenti del settore. Il CEO di OpenAI Sam Altman e quello di Google DeepMind Demis Hassabis hanno più volte indicato la necessità di creare un organismo internazionale incaricato di valutare i modelli AI più avanzati e stabilire standard comuni.

L’idea è quella di costruire una struttura simile alle organizzazioni internazionali attive in altri settori ad alto rischio, capace di monitorare lo sviluppo dei sistemi di frontiera, verificare le loro capacità e coordinare eventuali interventi tra i diversi Paesi.

Una misura del genere dovrebbe evitare che la competizione tra aziende e Stati impedisca a un singolo sviluppatore di rallentare, per il timore di essere superato dai concorrenti.

Il caso Hugging Face

Le richieste di maggiori controlli sono aumentate dopo la diffusione di nuovi dati sulle capacità dei modelli AI di svolgere attività complesse con un intervento umano limitato. Una delle aree più sensibili riguarda la cybersecurity. I modelli più avanzati sono sempre più abili nell’individuare vulnerabilità nei software e, potenzialmente, nello sfruttarle.

La scorsa settimana OpenAI ha comunicato che alcuni dei suoi sistemi più potenti avevano compromesso l’infrastruttura della startup Hugging Face in quello che la società ha definito un incidente “senza precedenti”. La vicenda ha riacceso il dibattito sulla necessità di introdurre limiti e controlli prima che capacità di questo tipo diventino più diffuse.

Novità su Google, per aggiungere Key4Biz tra le tue fonti preferite, clicca qui

Leggi le altre notizie sull’home page di Key4biz

https://www.key4biz.it/oltre-1-300-dipendenti-di-openai-anthropic-google-e-meta-chiedono-agli-usa-di-rallentare-lo-sviluppo-dellai/583318/

La startup cinese Moonshot AI ha presentato qualche giorno fa Kimi K3, un modello di intelligenza artificiale con 2,8 trilioni di parametri. I parametri sono i valori numerici che un modello regola durante l’addestramento per elaborare testo, immagini o codice, e il loro numero è uno degli indicatori generalmente usati per stimare la complessità di un sistema.

Secondo i dati diffusi dalla stessa Moonshot e ripresi da diverse testate finanziarie, nei test di programmazione front-end condotti dalla piattaforma di valutazione Arena, Kimi K3 ha ottenuto risultati superiori a quelli di Claude Fable 5 di Anthropic e di GPT-5.6 Sol di OpenAI, pur restando indietro rispetto a entrambi nella classifica generale. Il costo di utilizzo tramite le API di Moonshot risulta inferiore di circa il 40% rispetto a quello dei modelli premium statunitensi.

Il 27 luglio Moonshot ha reso pubblici i pesi completi del modello, cioè i file che permettono a chiunque di scaricare Kimi K3 e farlo funzionare sui propri server: per dimensione dichiarata, si tratta del più grande modello open-weight mai pubblicato.

Lo stesso giorno, un secondo annuncio sul settore dei semiconduttori. CXMT, nome commerciale di Changxin Technology Group, è il principale produttore cinese di chip di memoria DRAM, i componenti che computer, telefoni e server usano per immagazzinare temporaneamente i dati durante l’elaborazione. Le azioni della società hanno debuttato quel giorno sul mercato STAR della Borsa di Shanghai con un prezzo di collocamento di 8,66 yuan, per chiudere la prima seduta a circa 49 yuan, un rialzo di quasi il 500%. L’operazione ha raccolto 57,92 miliardi di yuan, circa 8,6 miliardi di dollari, la IPO più grande in Asia nel corso del 2026.

La capitalizzazione di CXMT ha superato i 3,3 trilioni di yuan, un valore più alto di quello di Industrial and Commercial Bank of China, la banca cinese con il maggior totale di attivi. Secondo il prospetto informativo depositato per la quotazione, CXMT deteneva nel 2025 una quota del 7,67% del mercato mondiale delle DRAM, un mercato dominato da tre aziende, le sudcoreane Samsung Electronics e SK Hynix e la statunitense Micron Technology.

Le due notizie riguardano settori diversi, i modelli linguistici da una parte e i componenti fisici dei computer dall’altra, e arrivano in un momento in cui, secondo diversi analisti citati dalla stampa finanziaria internazionale, la distanza tecnologica tra Cina e Stati Uniti si è ridotta più rapidamente di quanto previsto un anno fa, sia nella produzione di modelli di intelligenza artificiale avanzati sia in quella dei componenti fisici che li fanno funzionare.

Cosa vuol dire pubblicare un modello «aperto»

Un modello «closed», o proprietario, come quelli di punta di OpenAI, Anthropic e Google, si può usare soltanto tramite un abbonamento o un’interfaccia messa a disposizione dall’azienda che lo ha sviluppato, e il codice sottostante non è consultabile né scaricabile. Un modello «open weight» funziona diversamente: l’azienda pubblica i file contenenti i parametri già addestrati, e chi dispone dell’hardware necessario può scaricarli, farli girare sui propri server e adattarli a usi specifici, pagando al massimo l’energia e le macchine necessarie a eseguirli, con un canone di licenza assente o ridotto rispetto a un servizio in abbonamento.

La pubblicazione dei pesi non esclude comunque un modello di ricavi più tradizionale: Moonshot, come le altre aziende citate, continua a offrire anche una versione ospitata di Kimi K3, accessibile tramite un’interfaccia web o un’API a pagamento, pensata per chi non dispone dei server necessari a farlo funzionare in proprio.

Nel caso di Kimi K3, la mole di file distribuiti supera il terabyte e mezzo, suddivisa in decine di file separati: farlo girare in locale richiede un investimento in infrastrutture di calcolo alla portata di imprese di dimensioni medio-grandi, governi e istituti di ricerca, più che di utenti privati o piccole aziende.

Le principali società cinesi di intelligenza artificiale, da DeepSeek a Zhipu AI, che pubblica i propri modelli con il marchio GLM, fino a Moonshot, hanno scelto quasi sistematicamente questa strada. I laboratori statunitensi più avanzati, in particolare OpenAI e Anthropic, hanno invece mantenuto i modelli di punta accessibili solo tramite abbonamento a pagamento. Gli analisti citati dalla stampa specializzata indicano più di una ragione per questa differenza. I modelli open weight permettono a un’azienda meno nota sul mercato internazionale di costruirsi rapidamente una base di sviluppatori e ricercatori disposti a testare il prodotto, un pubblico che difficilmente si avvicinerebbe a un servizio in abbonamento offerto da un marchio sconosciuto.

Riducono inoltre la dipendenza dei clienti cinesi, comprese le amministrazioni pubbliche, da fornitori di cloud e infrastrutture con sede negli Stati Uniti, un tema diventato più sensibile dopo le restrizioni all’esportazione di semiconduttori avanzati imposte da Washington negli ultimi anni. Zhipu AI, in questo senso, aveva già aperto la strada qualche settimana prima di Moonshot, pubblicando in forma aperta GLM-5.2, un modello capace di reggere il confronto nei benchmark con i sistemi proprietari statunitensi e citato spesso, insieme a Kimi K3, come prova della rapidità con cui il settore cinese dell’AI sta colmando lo scarto tecnologico con gli Stati Uniti.

Il rincaro che arriva nei negozi

La carenza di chip di memoria alla base della quotazione di CXMT non riguarda soltanto i produttori cinesi o i mercati finanziari, ma si sta già trasferendo sui prezzi al dettaglio di computer e smartphone in tutto il mondo. I chip DRAM e NAND, oltre a equipaggiare gli smartphone, servono anche a costruire la memoria ad alta velocità usata nei server che addestrano ed eseguono i modelli di intelligenza artificiale, indicata con la sigla HBM. Secondo le stime di Gartner, circa il 70% della produzione mondiale di memoria viene ormai destinato ai data center dedicati all’AI, una quota che riduce la disponibilità di componenti per i produttori di elettronica di consumo. Micron, uno dei tre gruppi che insieme a Samsung e SK Hynix controllano oltre il 95% della produzione mondiale di DRAM, ha dichiarato di avere esaurito la capacità produttiva disponibile per il resto del 2026.

L’effetto sui prezzi al consumo è già misurabile. Gartner prevede un aumento dei prezzi dei personal computer di circa il 17% entro la fine del 2026 rispetto al 2025, e del 13% per gli smartphone; altre società di analisi, come IDC, indicano una forchetta compresa tra il 10% e il 20% entro fine anno. Apple ha già aumentato i prezzi di alcuni modelli di MacBook e iPad per compensare il rincaro dei componenti, mentre Dell e Lenovo hanno annunciato rialzi fino al 15% sui rispettivi listini. I dispositivi entro i 200 dollari risultano i più colpiti, con costi di produzione saliti tra il 20% e il 30% dall’inizio del 2025, secondo dati Counterpoint Research. Gartner prevede inoltre che la fascia dei laptop sotto i 500 dollari uscirà completamente dal mercato entro il 2028. Nelle settimane precedenti la quotazione, alcune testate finanziarie avevano inoltre riportato che Apple avrebbe iniziato a testare componenti DRAM di CXMT per alcuni dispositivi destinati al mercato cinese, un dettaglio che segnala quanto anche i produttori occidentali stiano guardando ai fornitori cinesi come possibile alternativa ai tre gruppi che dominano il settore.

Chi in questi mesi valuta un cambio di smartphone, magari in coincidenza con il rinnovo del piano tariffario, si trova quindi a fare i conti con listini più alti rispetto a un anno fa. In un contesto simile, confrontare le offerte di telefonia mobile disponibili sul mercato italiano tramite il comparatore di SOSTariffe.it aiuta a valutare se convenga rinnovare il contratto includendo il nuovo dispositivo a rate oppure separare l’acquisto del telefono dal piano tariffario, mantenendo più a lungo l’apparecchio già in uso.

La reazione di Wall Street

Il 17 luglio, il giorno dell’annuncio di Kimi K3, il Nasdaq Composite ha chiuso in calo dell’1,40%, lo S&P 500 dell’1,01%, e le azioni di Nvidia sono scese del 2,2% nella stessa seduta. Tra i titoli più colpiti, oltre a Nvidia, figurano anche quelli di Micron Technology, uno dei tre produttori mondiali di DRAM già citati, e di alcune società fornitrici di apparecchiature per la produzione dei chip. L’indice Philadelphia Semiconductor (SOX), che raggruppa i principali titoli del comparto, ha perso quasi il 10% nel corso della settimana, la peggiore dall’aprile 2025. Il fondo quotato SMH, che replica lo stesso paniere di titoli, ha ceduto il 6,4% nei tre giorni successivi al rilascio del modello, per poi recuperare gran parte delle perdite nei giorni seguenti. Diversi analisti citati dalla stampa finanziaria hanno descritto quanto accaduto come una ripetizione dello schema già visto nel gennaio 2025, quando il rilascio del modello R1 sviluppato dal laboratorio cinese DeepSeek aveva innescato un calo analogo dei titoli legati ai semiconduttori.

Il timore alla base di queste vendite riguarda la possibilità che modelli più economici da sviluppare ed eseguire, come Kimi K3, riducano nel tempo la domanda di potenza di calcolo, e con essa i ricavi delle aziende che vendono chip e infrastrutture per l’intelligenza artificiale. Una notizia diffusa nei giorni successivi al lancio complica però questa lettura.

Moonshot ha dovuto sospendere temporaneamente le nuove sottoscrizioni al proprio servizio a pagamento, perché la domanda degli utenti aveva già saturato la capacità dei cluster di elaborazione disponibili, composti secondo le indicazioni dell’azienda da almeno 64 chip di fascia alta per ogni installazione dedicata al modello.

Nella stessa settimana in cui i titoli dei produttori di semiconduttori perdevano valore in borsa per il timore di un calo della domanda di calcolo, il laboratorio che aveva innescato quel timore aveva già esaurito la capacità di calcolo disponibile per i propri utenti, e la stessa settimana si chiudeva con il debutto di CXMT a Shanghai, in rialzo del 500% e con una capitalizzazione superiore ai 3,3 trilioni di yuan: mentre i titoli statunitensi dei semiconduttori perdevano terreno per il timore di una domanda futura più debole, quelli di uno dei principali fornitori cinesi di chip di memoria guadagnavano valore lo stesso giorno.

Novità su Google, per aggiungere Key4Biz tra le tue fonti preferite, clicca qui

Leggi le altre notizie sull’home page di Key4biz

https://www.key4biz.it/mentre-wall-street-vende-la-cina-incassa-il-caso-kimi-k3-e-cxmt/583264/

Microsoft prepara una “super app” basata su Copilot, destinata a riunire in un’unica piattaforma le principali funzionalità AI attualmente distribuite tra diversi prodotti e servizi del gruppo.

A confermarlo è stato il CEO Satya Nadella durante la conference call dedicata agli ultimi risultati finanziari dell’azienda. La nuova applicazione dovrebbe essere presentata entro la fine dell’anno e includere strumenti rivolti sia agli utenti consumer sia alle imprese. L’obiettivo è creare un unico ambiente dal quale utilizzare la chat AI, gli strumenti di programmazione e gli agenti intelligenti di Microsoft, superando l’attuale frammentazione tra applicazioni e servizi differenti.

Da semplice chat a piattaforma operativa

Nadella ha spiegato che Copilot sta evolvendo da assistente conversazionale a piattaforma capace di collaborare con gli utenti ed eseguire attività con un livello crescente di autonomia.

“Copilot si sta trasformando da semplice chat a Cowork e Autopilots. In questo trimestre riuniremo tutte queste esperienze, incluso il coding, in una sola super app. È un importante passo avanti e non vedo l’ora di condividere ulteriori dettagli”, ha dichiarato il CEO di Microsoft.

Una sola app per tutto l’ecosistema Copilot

La piattaforma dovrebbe integrare Copilot, GitHub Copilot, Copilot Cowork e le funzionalità Autopilot, attraverso le quali gli agenti AI possono pianificare ed eseguire operazioni con un intervento umano più limitato. La componente conversazionale continuerà a permettere agli utenti di porre domande, generare contenuti e analizzare documenti. GitHub Copilot porterà invece nell’applicazione gli strumenti dedicati alla scrittura, alla revisione e alla gestione del codice.

Le funzioni agentiche dovrebbero consentire alla piattaforma di svolgere attività più articolate, interagendo con applicazioni, dati e processi aziendali. Microsoft punta così a trasformare Copilot da semplice interfaccia per accedere ai modelli AI in un vero ambiente operativo.

La sfida con OpenAI

La strategia si inserisce in una tendenza più ampia del mercato, sempre più orientato verso piattaforme complete invece che verso strumenti AI separati. Anche OpenAI ha annunciato ChatGPT Work, un’applicazione che integra ChatGPT con Codex, il proprio sistema dedicato alla programmazione. La competizione si sta quindi spostando dalla qualità dei singoli modelli alla capacità di offrire ecosistemi nei quali conversazione, coding e agenti possano lavorare insieme.

Per Microsoft, la super app rappresenta anche un modo per valorizzare le diverse tecnologie sviluppate negli ultimi anni, offrendo agli utenti un punto di accesso unico e più semplice.

L’AI traina i conti di Microsoft

L’annuncio è arrivato insieme ai nuovi risultati finanziari del gruppo. Nell’ultimo trimestre Microsoft ha registrato ricavi per 90 miliardi di dollari, sostenuti soprattutto dalla crescita dei servizi cloud e delle soluzioni basate sull’AI.

I dati confermano il ruolo sempre più centrale dell’intelligenza artificiale nella strategia industriale del colosso di Redmond. Con la nuova super app, Microsoft punta ora a rendere Copilot il principale punto di accesso al proprio ecosistema AI, sia per il mercato consumer sia per quello aziendale.

Novità su Google, per aggiungere Key4Biz tra le tue fonti preferite, clicca qui

Leggi le altre notizie sull’home page di Key4biz

https://www.key4biz.it/microsoft-prepara-la-sfida-a-openai-una-super-app-per-tutto-lecosistema-copilot/583340/

Intervento di Emanuele Briganti, Presales Manager EMEA, ReeVo S.p.A., 14ª Cyber Crime Conference, Auditorium della Tecnica, Roma

Sul palco della 14ª Cyber Crime Conference, Emanuele Briganti ha portato l’esperienza di un vendor italiano presente anche in altri 3 Paesi europei (Francia, Spagna e Svizzera), condividendo con la platea una riflessione maturata in oltre quindici anni di lavoro nel mondo cyber e una ventina nel mondo cloud. La tesi di fondo è chiara: di fronte all’accelerazione imposta dall’intelligenza artificiale al lato offensivo, non basta produrre tecnologie nuove. Occorre cambiare il modello operativo della difesa.

L’AI come fattore di discontinuità

Il punto di partenza è la velocità. L’intelligenza artificiale comprime i tempi, abbassa le barriere di ingresso al cybercrime e amplia la scala delle minacce, mettendo in crisi un modello difensivo che, in molti casi, non è più adeguato. Attività che fino a poco tempo fa avrebbero richiesto a un attaccante esperto settimane di lavoro, oggi possono essere completate in poche ore con strumenti automatici. Lo stesso Briganti ha ammesso, con una certa ironia, che con le competenze accumulate in trent’anni di passione per la sicurezza potrebbe oggi orchestrare piccoli attacchi automatizzati in un tempo impensabile un decennio fa.

Ne deriva una pressione asimmetrica: il tempo dell’attaccante si riduce drasticamente, mentre quello del difensore resta vincolato a processi complessi. In questo squilibrio il problema non sono tanto gli zero-day, quanto le vulnerabilità N-day, già note ma non ancora rimediate, che le organizzazioni non riescono a chiudere alla stessa velocità con cui gli attaccanti le sfruttano.

Il falso problema: più strumenti, non più sicurezza

Ogni anno le organizzazioni investono di più, acquisiscono nuovi strumenti, aggiungono layer di protezione, assumono specialisti. Eppure il problema persiste. La domanda che Briganti ha posto al pubblico è radicale: forse non si tratta di avere più sicurezza, ma di risolvere il problema giusto. Non è una questione di tecnologia, né di competenze. È una questione di modello.

La realtà operativa di un SOC moderno conferma il punto. Migliaia di alert al giorno, la maggior parte irrilevanti, ma uno solo ignorato può far perdere la partita. Dati che provengono da SIEM, EDR, firewall, NDR, ciascuno con il proprio linguaggio. Nessuna traduzione automatica per il team, nessuna visione unica. Ogni analista lavora su un frammento, e il quadro complessivo, di fatto, non esiste.

La frammentazione è il vero limite

Il problema strutturale, ha spiegato Briganti, è la distribuzione della sicurezza su una molteplicità di strumenti, ognuno con un proprio modello dati, una propria definizione di asset e una propria visione del rischio. Asset discovery, vulnerability management, EDR, NDR, SIEM, threat intelligence, ticketing e compliance vivono in mondi separati. Gli effetti concreti: gli analisti correlano manualmente le informazioni, il mean time to respond aumenta, le esposizioni restano invisibili nelle intersezioni tra sistemi, le decisioni vengono prese su dati parziali.

In questo scenario, anche l’adozione dell’AI rischia di essere inefficace. Un’intelligenza artificiale applicata su dati incoerenti non genera valore, amplifica il rumore. Senza un modello di dati condiviso, vulnerability management, identity, network e cloud restano isole separate, e gli attaccanti lo sanno.

Il vero problema è il contesto

“Non manca il dato. Manca capire cosa conta.” È la formula con cui Briganti ha sintetizzato il vero gap della difesa contemporanea, che non è tecnico ma interpretativo. I terabyte di telemetria affluiscono ogni giorno nei SOC enterprise. Ciò che manca è la capacità di prioritizzare, di leggere quel dato alla luce del valore di business dell’asset coinvolto, della criticità del processo compromesso, dei percorsi di attacco effettivamente percorribili.

L’esempio portato sul palco è eloquente. Una grande acciaieria italiana, infrastrutture produttive distribuite, un CISO perfettamente consapevole delle vulnerabilità emerse in settimana ma vincolato a un piano organizzativo che, tra finestre di manutenzione, dipendenze tra processi e autorizzazioni degli stakeholder, porta la chiusura effettiva delle patch a tre mesi di distanza. Sapere di essere vulnerabili, senza conoscere quali percorsi di attacco possono sfruttare quella vulnerabilità nel proprio contesto, diventa un limite operativo.

Il problema operativo: ogni mossa è un rischio

La cybersecurity operativa si muove dentro un campo di trade-off difficili. Fare la patch interrompe sistemi produttivi, richiede change management, introduce instabilità: per questo viene spesso rimandata. Fermare un server durante un incidente può fermare l’azienda. E senza un contesto completo, ogni decisione diventa un salto nel buio, presa su informazioni parziali, sotto pressione, in ritardo.

Dalla fotografia al film: la sicurezza snapshot è obsoleta

Il modello tradizionale è strutturalmente sbagliato perché progettato per un mondo statico. Vulnerability assessment mensili, pentest annuali, mappe della superficie d’attacco aggiornate trimestralmente: una fotografia, non un film. Ma la superficie d’attacco cambia ogni ora, con nuovi asset, nuove identità, nuove vulnerabilità. La metafora che Briganti ha proposto è netta: occorre passare dallo snapshot al flusso continuo di fotogrammi, con piattaforme che simulano i percorsi d’attacco con frequenze nell’ordine delle ore e alimentano direttamente gli analisti del SOC con informazioni dinamiche e contestualizzate.

La visione ReeVo: un ciclo di vita unificato

Da qui la proposta operativa di ReeVo, costruita attorno a un principio semplice ma radicale: la cybersecurity deve essere gestita come un ciclo di vita continuo e integrato, non come una sequenza di attività separate. Il ciclo si articola in cinque fasi, Know, Prevent, Detect, Respond, Assess, con la Compliance che le attraversa tutte come elemento trasversale di governance.

Le fasi operative descritte da Briganti sono sei. Discovery & Inventory: gli asset come entità vive, continuamente aggiornate, perché non si può proteggere ciò che non si conosce. Exposure Management: vulnerabilità e esposizioni associate direttamente agli asset, per prioritizzare in base all’effettiva criticità di business. Attack Detection & Response: alert correlati automaticamente, continuità informativa lungo tutto il ciclo di risposta, riduzione del tempo necessario a comprendere la portata di un incidente. Remediation & ITSM: integrazione nativa con il ticketing per chiudere il gap tra chi rileva il problema e chi lo risolve. Risk Management: tracciamento dinamico del profilo di rischio, decisioni di mitigazione o accettazione prese su dati reali, documentazione integrata. Compliance: i dati operativi già esistenti proiettati sui framework normativi applicabili (NIS2, DORA, ISO 27001), senza duplicazioni e senza ulteriori silos.

L’asset graph come intelligenza correlata

Il cuore tecnico della visione è il grafo degli asset. Sono le relazioni tra nodi, non i nodi stessi, a rivelare i percorsi di rischio reali: l’asset è connesso a identità, business context, vulnerabilità, applicazioni, rete ed eventi. Conoscere il valore di business di un server, sapere che ospita una linea produttiva da milioni di euro di fatturato, cambia radicalmente l’attenzione che il SOC deve dedicare a un alert su quell’asset. È una contestualizzazione che, ha sottolineato Briganti, oggi è troppo spesso trascurata.

Il valore reale: velocità di decisione e AI realmente abilitata

Due i vantaggi che un modello unificato produce direttamente in termini di resilienza operativa. Il primo è la riduzione del tempo decisionale: con le informazioni già correlate, gli analisti possono concentrarsi sulla decisione invece che sulla ricostruzione manuale del contesto, abbassando il mean time to respond e aumentando la capacità di risposta del team. Il secondo è l’abilitazione reale dell’intelligenza artificiale: applicata a dati coerenti e a relazioni esplicite, l’AI non amplifica il rumore ma lo elimina, portando in superficie le informazioni che contano davvero. Sui segnali deboli, in particolare, dove gli attaccanti spesso sono più bravi dei difensori, la capacità di leggere correlazioni nascoste diventa decisiva.

Conclusione: una sfida di modello, non di tecnologia

Nel lungo periodo l’AI rappresenterà un vantaggio anche per i difensori. Nel breve, però, sta accelerando soprattutto gli attaccanti. La vera sfida, ha concluso Briganti, non è solo adottare nuove tecnologie ma adattare il proprio modello operativo alla velocità del cambiamento. La resilienza non dipende solo da quanto si è protetti, ma da quanto velocemente si è in grado di comprendere, decidere e reagire. Un approccio unificato, asset-centrico e radicato in un’infrastruttura europea, con sovranità del dato e conformità by design, è la risposta che ReeVo propone agli operatori italiani ed europei chiamati oggi a costruire la capacità di difendersi dalle minacce di domani.

Guarda l’intervento completo di Emanuele Briganti, Presales Manager EMEA, ReeVo S.p.A., alla Cyber Crime Conference 2026:

ReeVo è stato Platinum Sponsor della 14ª edizione della Cyber Crime Conference.

https://www.ictsecuritymagazine.com/notizie/cyber-resilience-lifecycle-reevo/

Claude Code e DeepSeek-v4-pro hanno lavorato in tandem dentro la stessa catena d’attacco: operatori di sospetta matrice cinese hanno affidato al primo l’esecuzione e al secondo il ragionamento offensivo per colpire sistemi governativi in tre Paesi. È il secondo caso pubblicamente documentato, dopo GTG-1002 nel novembre 2025, di impiego di Claude Code in operazioni offensive attive riconducibili a operatori cinesi sospetti; l’elemento che la redazione considera più significativo è però la ripartizione dei compiti fra i modelli di due vendor differenti, uno occidentale e uno cinese.

Il caso è documentato da Hunt.io, che ha avvisato le organizzazioni colpite e i CERT nazionali il 6 luglio e ha pubblicato il report il 14, al termine di una finestra di responsible disclosure di sette giorni. La ripresa internazionale è maturata nei giorni seguenti: le prime riprese il 15 luglio, quella di Security Affairs, a firma Pierluigi Paganini, il 16. Non si tratta di ransomware né di estorsione: gli indicatori raccolti descrivono un’operazione di raccolta informativa e accesso persistente, con obiettivi coerenti con priorità di intelligence statale.

Come è emersa

I ricercatori sono arrivati alla campagna per pivoting: seguendo l’impronta di un header HTTP sulla porta 1111
, associata all’infrastruttura command-and-control TencShell, hanno individuato una rete di server a Hong Kong. TencShell non è un dettaglio marginale: è un impianto in Go derivato dal framework open source Rshell, documentato per la prima volta da Cato CTRL nel maggio 2026 e lì già valutato come attività di sospetta matrice cinese. È la premessa dell’intera catena investigativa. Che le due ricerche insistano sulla stessa infrastruttura è confermato dalla sovrapposizione degli indicatori: un IP della lista IOC di Cato, 45.64.52[.]242
, ricompare nella tabella TencShell di Hunt.io, che lo etichetta proprio come Cato Networks IoC.

La ricerca ha portato a 13 server ospitati a Hong Kong e distribuiti su quattro sistemi autonomi distinti (
VMISS Inc.
, MEGA-II IDC
, CTG Server Limited
, Antbox Networks Limited
). Su uno di questi, all’indirizzo 112.213.124[.]132
, la porta 8888
esponeva un server Python SimpleHTTP
con una directory aperta: 2.431 file e 80 sottocartelle contenenti codice sorgente delle vittime, web shell mascherate da immagini, script di exploit su misura, pagine di login clonate, output di scansione e log operativi con annotazioni in cinese semplificato. L’errore di OPSEC degli operatori, non la telemetria di un vendor, ha aperto la porta all’analisi.

La misura reale della campagna va oltre i tre Paesi effettivamente compromessi: fra i cinque key finding, Hunt.io segnala la scansione di oltre 5.890 host governativi in dieci Paesi, ordinati con una scala di scoring automatico sviluppata in Python.

La divisione del lavoro fra i due modelli

L’elemento che distingue questa campagna è l’architettura del tooling. Dai log recuperati risulta che Claude Code 2.1.165
ha gestito l’esecuzione: comandi Bash, sessioni persistenti, parallelizzazione dei compiti e allestimento dell’infrastruttura di phishing. DeepSeek-v4-pro
ha invece assolto la parte di pianificazione, generando script, scegliendo le tecniche e individuando nuovi modi per aggirare le difese quando i tentativi precedenti fallivano. Nella sintesi di Hunt.io, la logica offensiva viene instradata su un LLM domestico cinese mentre l’esecuzione agentic poggia sull’infrastruttura di Anthropic. Un file CLAUDE.md
recuperato dalla directory conteneva istruzioni per creare, testare e migliorare automaticamente pagine di phishing clonate per più bersagli.

Le sessioni di Claude Code
coprono un arco di attività fra l’8 e il 12 giugno 2026, con tre server che condividono chiavi SSH mantenuti operativi almeno fino al 18-19 giugno. Vale la pena circoscrivere la portata del dato di novità: la prima campagna di spionaggio orchestrata da AI a livello statuale resta quella attribuita da Anthropic all’attore GTG-1002 nel novembre 2025, esito di una traiettoria da consulente a operatore che l’AI offensiva ha attraversato in pochi mesi. L’inedito qui non è l’automazione in sé, già inquadrata nel dibattito su AI agentic e cybercrime, ma la ripartizione dei compiti e la conferma che lo schema è replicabile combinando i modelli di due vendor differenti, uno occidentale e uno cinese.

I bersagli

L’attività di compromissione confermata riguarda tre amministrazioni governative. In Thailandia gli operatori hanno sfruttato una SQL injection contro un sistema amministrativo pubblico, ottenendo accesso al pannello di admin e collocando una web shell camuffata da file GIF per l’esecuzione persistente di comandi; il database esfiltrato conteneva nomi, numeri di identità nazionale e qualifiche di dipendenti pubblici.

L’accesso al pannello risultava attivo almeno fino al 9 giugno 2026 e la sola directory riferita a questo sistema conteneva 980 file, segno di una compromissione prolungata. In Afghanistan è stata colpita un’applicazione web per la raccolta di segnalazioni dei cittadini, da cui gli attaccanti hanno estratto codice sorgente, credenziali del database, chiavi di cifratura e il codice di gestione della posta di un’installazione Laravel 5.8.38
, poi riusati per costruire un exploit Python mirato ai meccanismi di deserializzazione.

A Taiwan la ricognizione ha interessato otto organizzazioni fra supply chain e settori contigui alla difesa, sottoposte a sola attività di reconnaissance e fingerprinting; a queste si aggiungono due organizzazioni effettivamente compromesse: un produttore chimico via SQL injection e un fabbricante di apparati telecom ed edge, violato dopo il ritrovamento, in file JavaScript pubblicamente accessibili, di chiavi anon
di Supabase
e token SAS di Azure Logic App
lasciati hardcoded, che hanno dato accesso diretto all’infrastruttura cloud di backend.

Gli Stati Uniti figurano solo in fasi preliminari, ed è la ragione per cui il report Hunt.io parla di quattro Paesi mentre le compromissioni confermate sono tre: host NASA (
launchpad.nasa[.]gov
e ngis.nasa[.]gov
) compaiono nell’output di scansione ma non risultano perseguiti, mentre erano in preparazione pagine clone del D.C. Council e della contea di Delaware, in Pennsylvania. In parallelo alle attività governative, gli operatori hanno condotto una campagna contro società di servizi finanziari in Europa, Australia e Asia: una pagina di exploit CORS ospitata sull’infrastruttura ha estratto i dati di quattro account amministratore WordPress da una grande piattaforma di payment processing, con nomi coincidenti con quelli di dipendenti della società.

Infrastruttura e malware

Oltre a TencShell, Hunt.io valuta con confidenza moderata la presenza di un secondo framework C2, finora non documentato, che si autodefinisce Gshell C2
e che opererebbe in parallelo dai medesimi cluster. Il malware recuperato dalle porte di delivery è un binario Linux/ARM a 32 bit, mai osservato prima, denominato HSEWH-Ur
: compilato in Go, comunica via WebSocket verso la porta 4081
dello stesso hub e si autentica con header HTTP X-NITRO-USER
e X-NITRO-PASS
, normalmente usati da API legittime di gestione infrastrutturale.

È in grado di sottrarre credenziali di messaggistica Tencent QQ (inclusi identificativi SDK e chiavi crittografiche), token di piattaforme di enterprise messaging e chiavi di accesso a servizi cloud. Una variante Linux/x86, recuperata da un diverso indirizzo (
38.55.105[.]143:8088
), impiega il tool di offuscamento Go garble
per rimuovere i nomi di funzione; entrambe condividono una chiave di cifratura identica da 80 byte, segno di una codebase comune fra architetture.

Hunt.io si ferma prima di qualificare questi binari come build Linux di TencShell, non avendo confermato una corrispondenza a livello di codice con il campione Windows documentato da Cato. Il filo che lega i due report resta il progetto Reacon: Cato ne aveva trovato la struttura nei path Go di TencShell, e la variante x86 analizzata da Hunt.io impiega garble
proprio per cancellarne i riferimenti.

Perché conta per chi difende

L’attribuzione resta prudente: Hunt.io non nomina un gruppo e si ferma a una valutazione di attività riconducibile alla Cina, sostenuta dalla presenza costante di cinese semplificato nel codice e nelle note, dal clustering a Hong Kong e dal profilo dei bersagli, orientato a procurement, relazioni con i fornitori e visibilità sulle politiche pubbliche.

Per un SOC, il dettaglio più istruttivo è che l’intera catena d’attacco poggiava su strumenti pubblici e leciti assemblati su un’unica macchina: ARL
sulla porta 5003
per la ricognizione, DeepAudit
sulla 3000
per l’audit del codice, Vshell
sulla 8084
per il command-and-control, tutti disponibili apertamente e con usi di testing legittimi. È la loro combinazione, accanto alla directory aperta di dati delle vittime, a distinguere un’intrusione attiva da un normale red team.

Sul piano dei modelli, va evitata un’inferenza affrettata: il report non documenta alcun bypass dei guardrail; gli agenti commerciali, del resto, applicano controlli propri sull’esecuzione, indipendenti da dove nasce il ragionamento.

Lo schema osservato pone piuttosto la questione di come presidiare un uso in cui la componente decisionale viene delegata a un modello terzo, fuori dal perimetro di monitoraggio del vendor che fornisce l’esecuzione. Resta anche una domanda che il report non affronta e che nessuna delle riprese chiarisce: come operatori attivi da Hong Kong, con note in cinese semplificato, abbiano ottenuto accesso a Claude Code
.

Anthropic, nel proprio rapporto di febbraio 2026 sulle distillation attack, dichiarava di non offrire accesso commerciale a Claude in Cina, e descriveva il ricorso di laboratori cinesi a servizi proxy commerciali che rivendono l’accesso ai modelli di frontiera tramite reti di account fraudolenti; il report Hunt.io non collega la campagna a questo canale, e va detto che non lo fa.

A oggi, inoltre, non risultano dichiarate azioni di Anthropic o di DeepSeek sugli account impiegati. I vettori sfruttati, del resto, restano ordinari e prevenibili (SQL injection, segreti hardcoded in JavaScript pubblico, deserializzazione insicura, token cloud non ruotati), e su questi l’igiene applicativa di base continua a fare la differenza.

Il set completo di indicatori, con hash dei file e infrastruttura di rete, è pubblicato nel report originale.

https://www.ictsecuritymagazine.com/notizie/cina-claude-code-deepseek-spionaggio-ai/

Il Manifesto per l’Italia Digitale e la proposta di voucher per le micro, piccole e medie imprese

Presentato alla Camera dei Deputati il Manifesto per l’Italia Digitale, promosso da AIIP, AssoSoftware, Confartigianato, Confcommercio, Confimi Industria e Confprofessioni, con al centrola proposta di introdurre, nella prossima Legge di Bilancio, il voucher digitale.

Un gruppo di associazioni di settore che rappresenta di fatto il Paese reale, un pezzo significativo di economia nazionale che va accompagnato nella trasformazione digitale in corso. A questa fetta di Paese si è rivolto anche il messaggio dell’On. Alessandro Manuel Benvenuto, Questore della Camera dei deputati: “Sono micro e piccole e medie imprese, oltre che gli studi professionali e il terzo settore, che non possono essere tagliati fuori dalla transizione e dal digitale, che abilita crescita economica e posti di lavoro, ma che deve arrivare anche al negozio di quartiere, allo studio professionale, agli enti non-profit”.

La misura, illustrata come “semplice, triennale e verificabile”, nasce per rispondere al ritardo digitale del sistema produttivo italiano, particolarmente evidente nelle realtà meno strutturate: il 94,7% delle imprese italiane ha meno di 10 addetti, ma solo il 29,4% delle microimprese tra 2 e 9 addetti utilizza un software gestionale, contro il 51,4% delle imprese con almeno 10 addetti.

Si tratta di una richiesta che viene dal basso e direttamente dalle micro e piccole imprese, ha spiegato l’On. Laura Cavandoli, Presidente del Consiglio di giurisdizione della Camera dei deputati, “con l’obiettivo di avere una misura proporzionata al proprio business. La digitalizzazione consente di accelerare la crescita e con l’arrivo dell’AI bisogna saper intercettare le nuove opportunità che porta con sé. compito della politica è offrire attenzione e ascolto al mondo delle imprese e sul voucher digitale c’è una grande convergenza, uno strumento che può generare Pil”.

Il Manifesto punta a sostenere investimenti in software gestionali, cloud, piattaforme digitali, intelligenza artificiale, cybersecurity, e-commerce, consulenza, formazione e compliance, legando il beneficio alla reale messa in funzione delle soluzioni “e non al semplice acquisto”.

La proposta prevede una misura rivolta alle imprese tra 2 e 99 addetti, “con intensità di aiuto più alta per le realtà più piccole” e, altra novità importante, una “premialità per le soluzioni Made in UE”. La platea stimata è di circa 578mila beneficiari nel triennio, con un fabbisogno pubblico pari a 3,951 miliardi di euro e investimenti complessivi attivati stimati in 7,05 miliardi.

Il voucher digitale per recuperare il gap con l’Ue in termini di competenze, produttività e adozione di nuove tecnologie

Marina Natalucci, Direttrice Osservatori Tech Company, Quantum, Data Center, C4DE del Politecnico di Milano, ha spiegato perché questa misura è importante, perché serve e qual è il suo potenziale. Oggi, l’Italia soffre un gap rilevante in termini di competenze digitali rispetto agli altri grandi Paesi europei, un 45,8% contro il 55,6% della media dell’Unione europea (Ue). Il 34% delle imprese che presentano tra 10 e 49 addetti non ha investito nel digitale negli ultimi anni e non prevede di farlo nel prossimo futuro.

Una situazione critica che penalizza invece una fetta significativa della nostra economica, considerando che le imprese digitalizzate vedono aumentare la produttività anche dell’8%. Se poi ai software si affiancano anche soluzioni di intelligenza artificiale (AI) questo dato sale o supera il 10%.

“Siamo indietro e questo pesa sulla competitività delle nostre imprese, in un contesto in cui l’AI cambierà tutta l’economia e l’industria. L’AI macina dati e se non c’è la digitalizzazione di base dei processi non ci sarà un’adozione sufficiente tra le Pmi. Mancano le componenti abilitanti di basi. Il PNRR ha dato una mano, ma ora che va esaurendosi bisogna cominciare ad immaginare nuove soluzioni. Più le imprese sono piccole, più aumenta il livello di arretratezza. Uno studio Luiss illustra l’impatto delle software technologies sulla crescita e sul valore. È un moltiplicatore sulla produzione di 1,6 euro ogni euro investito”, ha precisato Natalucci.

Il Manifesto propone infatti uno strumento complementare ai piani 4.0 e 5.0, pensato per intercettare la domanda diffusa di digitalizzazione delle micro e piccole imprese, dei professionisti e degli enti del terzo settore. Ovviamente, ha aggiunto Natalucci, “l’acquisto di software non basta, bisogna rivedere i processi, digitalizzare i flussi di lavoro e costruire competenze, perché alla fine si tratta di un percorso di trasformazione complesso, complessità che cresce al diminuire della dimensione di imprese”.

La proposta si inserisce in un quadro generale di misure simili che già sono state prese in altri Paesi europei, come la Spagna che, con il kit digitale, ha attivato 750 mila buoni digitali per 3 miliardi di euro erogati. Ci sono altri esempi simili in Francia, Germania e Gran Bretagna.

“La trasformazione digitale è una leva strategica per la competitività del Paese che richiede un impegno condiviso tra istituzioni e corpi intermedi. Il Buono Digitale rappresenta uno strumento concreto per sostenere gli investimenti delle imprese in innovazione, competenze e cybersicurezza”, ha affermato Marco Barbieri, Segretario Generale di Confcommercio, sottolineando però un’altra criticità legata all’impatto delle nuove tecnologie sui livelli occupazionali e sui processi lavorativi: “L’AI è l’ultimo tassello del processo di digitalizzazione del mondo del lavoro e delle imprese, bisogna governare l’introduzione di questa tecnologia evitando gli effetti peggiori sui processi aziendali e i posti di lavoro”.

La Tavola delle associazioni

Ad aprire la Tavola rotonda delle associazioni promotrici del Manifesto, moderata da Paolo Poggio, Vicedirettore RaiNews24, è stato Pierfrancesco Angeleri, Presidente di AssoSoftware, che ha dichiarato: “Il voucher digitale è uno strumento necessario per portare software, competenze e processi digitali nelle micro e piccole imprese, dove il ritardo è ancora più evidente. L’obiettivo non è incentivare il semplice acquisto di tecnologia, ma la sua reale adozione: soluzioni gestionali, cloud, cybersecurity, intelligenza artificiale e formazione devono diventare leve concrete di produttività. Investire nel software significa rafforzare la competitività delle imprese e dell’intero sistema Paese. Abbiamo un mondo dei servizi che cresce e che va sostenuto, anche dal punto di vista culturale, riconoscendogli maggiore rilevanza. Rappresenta il 70% del Pil oggi e va ascoltato, anche con misure di sostegno alla trasformazione digitale. Grazie al bonus digitale potremmo aggiungere fino all’1% di crescita al PIL da questo settore chiave. Chiediamo maggiore ascolto alla politica”.

“A mancare sono sempre le competenze e i capitali. Ascoltando le esigenze delle micro, piccole e medie imprese, abbiamo capito quali dovevano essere i punti di forza del buono digitale: tre anni di durata, il minimo per creare una strategia digitale a breve-medio termine; la compliance; consulenza e formazione, fondamentali per l’adozione dell’AI; l’inserimento del noleggio a lungo termine del software, agevolando la spesa. Un’azione da portare avanti inoltre è integrare tutte le iniziative in un’unica misura che abiliti il lavoro di più soggetti, così da avere più risorse finanziarie che mantengono in vita più a lungo un intero ecosistema. Il Paese non può pensare di crescere lasciando indietro le imprese più piccole”, ha sostenuto Paola Generali, Presidente Assintel – EDI Confcommercio.

“Il buono digitale risponde alle esigenze del 94,7% delle imprese italiane, quelle con meno di dieci addetti, che rappresentano il cuore del nostro sistema produttivo. Le imprese artigiane e le micro e piccole imprese sono già da tempo impegnate nella transizione digitale, investendo in innovazione e competenze, ma necessitano di strumenti semplici e accessibili che ne accelerino il percorso. Auspichiamo che questa misura possa trovare spazio nella prossima Legge di Bilancio – ha sottolineato Fabio Mereu, Vicepresidente di Confartigianato – è una misura di politica industriale capace di sostenere l’adozione concreta di software, intelligenza artificiale, cybersecurity e formazione, rafforzando la produttività e la competitività del Paese. Investire nella digitalizzazione delle micro e piccole imprese significa investire nella crescita dell’intero sistema economico italiano”.

“Abbiamo creato un’alleanza per sostenere le nostre imprese. Siamo un grande Paese esportatore. Tra i nostri associati ci sono tantissime Pmi e microimprese. Dobbiamo investire in questo settore, che dà tanto all’economia nazionale. Il Governo ha investito 7 miliardi nella rete in fibra, ma non tutte le aziende le sfruttano ancora. La formazione ha un ruolo chiave nella crescita e il voucher potrebbe colmare un gap al momento rilevante con l’Ue. Una maggiore adozione di soluzioni digitali si tradurrebbe in un aumento del traffico dati a livello nazionale. La nostra proposta va incontro all’esigenza di rafforzare la sovranità tecnologica e il made in EU. Il voucher andrebbe a completare quanto già fatto dal Governo, facendo arrivare l’innovazione in profondità nei territori. Vogliamo in questo modo completare la politica industriale nazionale, integrando gli investimenti fin qui già fatti. C’è una resistenza da parte di chi deve assolvere le pratiche necessarie per richiedere questi supporti, ma noi come associazioni e il Governo stesso abbbiamo il compito di pubblicizzare e comunicare le nuove proposte, proprio per farle incontrare con le esigenze delle realtà imprenditoriali più piccole”, ha affermato Giovanni Cristi, Segretario Generale AIIP.

“Per le nostre PMI manifatturiere, il Buono Digitale è un’opportunità per ridurre il divario con le realtà più grandi e strutturate, trasformare un’idea in un progetto pilota e acquisire consapevolezza del valore dei propri dati e, quindi, della necessità di tutelarli. Per il legislatore, è invece uno strumento per ridurre la burocrazia e partecipare attivamente al processo di innovazione del Paese. Dobbiamo favorire la formazione continua e l’acquisizione di nuove competenze, solo così si potranno salvare posti di lavoro dall’impatto dell’AI, che va governato, ma che necessità anche di altre misure che vadano a sostegno delle organizzazioni più piccole. Il buono digitale accrescerà la consapevolezza sui rischi della dipendenza digitale, sul valore del dato e sulla necessità di aumentare la sicurezza informatica e della proprietà intellettuale”, spiega Domenico Galia, Presidente di Confimi Industria Digitale.

“I dati dell’Osservatorio di Confprofessioni mostrano con chiarezza che il comparto professionale è uno dei protagonisti della trasformazione digitale del Paese, con oltre l’80% degli studi che investe in soluzioni ICT. Per sostenere questo percorso servono strumenti semplici e accessibili anche alle realtà più piccole. Il Buono Digitale va esattamente in questa direzione: una misura concreta, immediatamente fruibile e costruita sulle esigenze di studi professionali e microimprese, in piena coerenza con i principi del nuovo Codice degli incentivi e della legge delega di riforma. Il voucher è uno strumento democratico per implementare le capacità digitali e sviluppare la dimensione professionale.”, ha dichiarato Paola Fiorillo, Componente della Giunta con delega alla digitalizzazione di Confprofessioni.

La tavola della politica

Riguardo ai quasi 4 miliardi di euro di risorse a copertura del voucher digitale, l’On. Laura Cavandoli, Presidente del Consiglio di giurisdizione della Camera dei deputati, ha precisato in apertura della Tavola della politica, che si tratta di “una cifra significativa”, ma che certamente “la richiesta di ampliare la platea è legittima, come lo è la richiesta di accrescere le competenze digitali”. “È necessario aprire un confronto su questo per evitare di continuare a perdere terreno su settori chiave per la crescita del Paese. Recuperiamo risorse, riorganizziamo gli strumenti e sfruttiamole in maniera più efficiente – ha proseguito Cavandoli – il problema in sede di legge di bilancio sarà decidere come muoversi e come affrontare anche il grande problema dei consumi energetici, che peseranno sempre più sul mondo delle imprese”.

“Bisognerebbe pensare ad una misura strutturale a sostegno della digitalizzazione, da inserire sempre all’interno di politiche nazionali. Abbiamo usato un pezzo del PNRR per completare la trasformazione digitale delle reti fisse e mobili. Un passaggio fondamentale anche per poi investire sulla domanda, che attiva il ruolo delle Pmi e delle micro imprese. Una parte residuale del PNRR potrebbe andare in questa direzione, circa un miliardo di euro avanzato dal Piano 1Giga. Si può introdurre inoltre una forma equa di tassazione sulla pubblicità online, da cui generare nuove risorse interne da investire. Abbiamo calcolato circa 500 milioni di euro di entrate annue. Dal punto di vista finanziario si può agire certamente, ma servono meccanismi incentivanti, favorendo l’aggregazione della domanda. Questo farebbe diminuire il costo pro-capite, aumentando la capacità di cooperazione, andando incontro alle micro imprese ad esempio. Si può anche immaginare uno strumento che finanzi la capacità digitale delle imprese ma che poi sia modulato in base alle esigenze che col tempo cambiano. I soldi spesi devono essere considerati investimenti, non costi, così da sottrarli dalla spesa corrente”, ha affermato il Sen. Antonio Nicita, Membro della Commissione Programmazione economica e bilancio del Senato.

“La proposta va incontro ad una diffusa necessità di crescita e formazione. Il problema è controllare certificazioni e adempimenti. Le misure devono sempre fare i conti con il tessuto imprenditoriale nazionale e le cattive pratiche che non mancano mai. Bisogna far comprendere bene quanto una misura del genere sia centrale per il futuro delle micro e piccole e medie imprese, degli studi professionali e per il terzo settore. il meccanismo deve prevedere una profonda preparazione da parte di tutti. Altra criticità è la capacità di aggregazione delle micro imprese, che prevede anche la condivisione di dati e di informazioni”, ha commentato il Sen. Luigi Nave, Membro della Commissione Ambiente, transizione ecologica, energia, lavori pubblici, comunicazioni e innovazione tecnologica del Senato.

“La copertura è rilevante e il Governo ha fatto della stabilità dei conti pubblici il proprio mantra. Parlando però di investimenti bisogna essere attenti a questa proposta. Si deve affrontare la trasformazione tecnologica del mondo del lavoro e servono nuovi strumenti per saper gestire i cambiamenti che stanno arrivando. Abbiamo la responsabilità di governare questa transizione, salvaguardando la dignità di ogni lavoratore. In Italia abbiamo bassi tassi di produttività che portano a bassi tassi retributivi. La questione della digitalizzazione è centrale, gli strumenti fin qui messi in campo non bastano e non arrivano alle micro imprese, che sono il tessuto vivo dell’economia nazionale. Il tema della formazione anche è centrale, qui serve investire, l’infrastrutturazione è una conseguenza. Dobbiamo aumentare il livello di attenzione sul tema formativo. Poi c’è il meccanismo del coinvolgimento delle imprese per rendere più sostenibile l’investimento. Altro punto critico sono i controlli, senza aumentare il carico burocratico, costruendo reti di protezione per evitare sprechi e truffe”, ha dichiarato in conclusione l’On. Lorenzo Malagola, Segretario della Commissione Lavoro della Camera dei deputati.

Novità su Google, per aggiungere Key4Biz tra le tue fonti preferite, clicca qui

Leggi le altre notizie sull’home page di Key4biz

https://www.key4biz.it/voucher-digitale-per-le-micro-imprese-per-ladozione-di-software-ai-e-cloud-premialita-per-il-made-in-eu/579866/

La nuova corsa agli armamenti è già iniziata: l’intelligenza artificiale diventa la vera arma del XXI secolo

La Guerra Fredda appartiene ormai ai libri di storia. Non esistono più due soli blocchi contrapposti impegnati nella corsa agli arsenali nucleari. Oggi il confronto è molto più complesso, coinvolge più potenze e soprattutto si combatte sul terreno delle tecnologie più avanzate.

L’obiettivo non è semplicemente costruire più carri armati o più caccia da combattimento, che pure è nell’agenda dei ministri della Difesa di mezzo mondo. La sfida maggiore è conquistare il primato nell’intelligenza artificiale (AI), nei droni autonomi, nelle armi ipersoniche, nella guerra elettronica, nello Spazio e nei sistemi in grado di prendere decisioni in tempi impossibili per un essere umano.

Secondo le stime riportate da Bloomberg, gli investimenti complessivi delle principali potenze superano ormai i 2.000 miliardi di dollari, distribuiti tra Stati Uniti, Cina, Europa e Russia. Una cifra che richiama inevitabilmente le grandi corse agli armamenti del Novecento, ma con una differenza fondamentale: oggi nessuno sa ancora quale tecnologia cambierà davvero il modo di combattere. L’unica certezza è che arrivare secondi potrebbe avere conseguenze strategiche enormi.

Temi che saranno sul tavolo del vertice della NATO ad Ankara (7-8 luglio), che si occuperà di sicurezza euro-atlantica, tra cui il sostegno all’Ucraina nella guerra con la Russia, il nuovo equilibrio tra Stati Uniti ed Europa, il rafforzamento del Fianco Sud, la produzione industriale della Difesa, con la spinosa questione dell’aumento della spesa al 5% del PIL entro il 2035 da parte dei Paesi partner dell’Alleanza.

Una corsa agli armamenti “multidimensionale”

“Una corsa agli armamenti è in qualche modo già in corso, anche se non l’abbiamo ancora chiamata così. È una corsa multidimensionale”, spiega Celeste Wallander, ex Assistant Secretary of Defense degli Stati Uniti. Per le grandi potenze, osserva Wallander, la vera domanda è capire “su quali tecnologie concentrare gli investimenti”.

Non si tratta infatti soltanto di costruire armi più potenti, ma di integrare capacità completamente nuove: algoritmi di intelligenza artificiale, sensori spaziali, sistemi autonomi, capacità di colpire bersagli a migliaia di chilometri di distanza e strumenti per negare all’avversario l’utilizzo dello Spazio. Un dominio quest’ultimo che, assieme a quello subacqueo, sta attirando sempre di più l’attenzione di Governi e grandi gruppi privati, per il valore strategico che rappresenterà nell’immediato futuro.

Gli Stati Uniti investono 1.500 miliardi e dopo l’AI la frontiera degli armamenti indispensabili si sposta sui dispositivi ipersonici

Washington resta il principale protagonista. L’amministrazione del presidente Donald Trump punta a destinare 1.500 miliardi di dollari alla Difesa nel prossimo bilancio federale. Una parte crescente di queste risorse è destinata all’intelligenza artificiale.

Gli Stati Uniti hanno già impiegato l’AI in operazioni militari durante la campagna contro l’Iran, utilizzandola per supportare la pianificazione delle missioni. Una scelta che ha aperto anche un confronto tra il Pentagono e Anthropic, una delle aziende leader mondiali nell’intelligenza artificiale, sull’impiego delle proprie tecnologie in ambito bellico.

L’obiettivo americano è arrivare a sistemi capaci di collegare automaticamente satelliti, radar e missili intercettori, lasciando che sia l’intelligenza artificiale a decidere, in pochi secondi, come rispondere a un attacco. Secondo Todd Harrison, dell’American Enterprise Institute, questo diventa indispensabile soprattutto contro i nuovi missili ipersonici, le cui traiettorie sono molto meno prevedibili rispetto ai tradizionali missili balistici.

Sul fronte delle armi ipersoniche, però, Washington è ancora in ritardo. Il missile Dark Eagle, sviluppato da Lockheed Martin, rappresenta il primo sistema ipersonico statunitense, ma il Pentagono ha dichiarato che non disporrà di dati sufficienti per valutarne l’efficacia operativa prima del prossimo anno. Anche il Government Accountability Office ha evidenziato problemi produttivi.

Washington al lavoro sul Golde Dome

Parallelamente gli Stati Uniti stanno investendo decine di miliardi nel progetto Golden Dome, il gigantesco sistema di difesa antimissile voluto da Trump. Secondo Bloomberg e il Congressional Budget Office il programma potrebbe superare 1.000 miliardi di dollari.

Il progetto punta a realizzare una rete composta anche da intercettori spaziali, una tecnologia mai sperimentata su larga scala, coinvolgendo colossi come Lockheed Martin, Boeing, RTX, Anduril Industries e molte altre aziende.

“Stiamo vivendo un momento di trasformazione straordinaria della guerra”, afferma il senatore democratico Jack Reed, presidente della Commissione Forze Armate del Senato, “l’intelligenza artificiale e l’autonomia stanno cambiando tutto”.

La Cina punta sull’integrazione tra Stato e imprese

Pechino rappresenta probabilmente il concorrente più temibile. Il bilancio ufficiale della Difesa supera i 400 miliardi di dollari, ma diverse stime occidentali ritengono che la spesa reale possa arrivare fino a 500 miliardi, considerando anche gli investimenti non dichiarati. Nel 2025 il budget crescerà del 7%, il ritmo più lento dal 2022.

La strategia cinese è quella della cosiddetta fusione civile-militare, che integra università, aziende private e grandi gruppi pubblici nello sviluppo delle nuove tecnologie. L’analisi di Bloomberg mostra come l’ecosistema missilistico cinese coinvolga imprese statali e società civili che producono componenti sofisticati: metalli stampati in 3D, sensori a infrarossi, computer embedded e materiali stealth.

Grande attenzione, neanche a dirlo, è dedicata anche all’intelligenza artificiale. Almeno sette laboratori universitari che collaborano con l’Esercito Popolare di Liberazione hanno cercato di procurarsi i più avanzati chip AI di Nvidia. La Cina è inoltre diventata leader mondiale nella produzione di diamanti sintetici, utilizzati per raffreddare i processori più potenti.

Per James Char, docente della Nanyang Technological University, “l’Esercito Popolare continuerà a dare priorità ai sistemi missilistici per la loro capacità di colpire con precisione a lunga distanza. Le salve di missili saranno affiancate da operazioni spaziali, cyber ed elettroniche per interrompere le operazioni del nemico”.

Tra le armi più avanzate figurano i missili ipersonici DF-17, DF-27, YJ-17 e YJ-21, prodotti dalla China Aerospace Science and Industry Corporation.

La Russia punta sui missili ipersonici e sa che non potrà competere con USA e Cina (e forse con l’Europa)

Nonostante il peso economico della guerra in Ucraina, Mosca continua a investire pesantemente. Tra il 2022 e il 2025 la spesa militare è triplicata, raggiungendo 13.600 miliardi di rubli, pari a circa 176 miliardi di dollari. Vladimir Putin ha chiesto lo sviluppo di nuovi sistemi convenzionali e nucleari, ponendo particolare attenzione alle tecnologie spaziali e all’intelligenza artificiale.

Secondo Henry Boyd, senior fellow dell’International Institute for Strategic Studies, a Mosca esiste la consapevolezza che Stati Uniti e Cina dispongano di tecnologie complessivamente superiori. Per questo il Cremlino ha investito soprattutto in sistemi capaci di aggirare le difese occidentali.

Tra questi figurano il missile da crociera a propulsione nucleare Burevestnik, il drone sottomarino nucleare Poseidon e soprattutto il missile ipersonico Kh-47M2 Kinzhal, prodotto da Rostec tramite NPK KBM, che Mosca sostiene possa raggiungere velocità pari a dieci volte quella del suono.

Insieme al missile da crociera Zircon, rappresenta l’unico sistema ipersonico finora impiegato realmente in combattimento. Sul fronte spaziale, invece, la Russia dispone del missile anti-satellite A-235, lanciato da terra. Secondo Boyd, “la Russia è più incline a diventare uno ‘spoiler’ nello Spazio. Se non può sfruttarlo quanto gli altri, trae maggior vantaggio dal negarlo a tutti”,

Anche l’Europa accelera la spesa nelle tecnologie di guerra

Singolarmente nessun Paese europeo può competere con Stati Uniti o Cina. Nel complesso, però, il continente europeo investirà nel 2025 circa 600 miliardi di dollari nella Difesa. Secondo l’International Institute for Strategic Studies, la spesa europea aumenterà del 9%.

Gli investimenti NATO mostrano già un’accelerazione significativa. Le spese per l’artiglieria sono cresciute del 570%, passando da 2,9 a 19,4 miliardi di dollari. Quelle per la difesa aerea terrestre sono aumentate del 525%, da 7,2 a 45 miliardi.

Secondo Tom Waldwyn, ricercatore dell’IISS, l’attenzione si sta spostando progressivamente verso droni, sistemi autonomi e intelligenza artificiale.

Il commissario europeo alla Difesa Andrius Kubilius ha spiegato che Bruxelles sta concentrando gli sforzi su capacità oggi mancanti, soprattutto considerando la dipendenza europea dagli Stati Uniti nelle infrastrutture spaziali. Tra i programmi simbolo c’è IRIS², la costellazione europea di piccoli satelliti destinata a realizzare entro il 2030 una rete sicura di comunicazioni.
Gli annunci degli ultimi giorni da parte della Vicepresidente esecutiva per la Sovranità Digitale, Henna Virkkunen, e dello stesso Kubilius, fanno quasi sorridere per l’entità della spesa: poco più di 325 milioni di euro per 5 progetti su droni e sistemi di contro-droni, difesa marittima e dei fondali marini, Spazio, difesa aerea e missilistica.

Per Rupert Pearce, direttore nazionale degli armamenti del Ministero della Difesa britannico, il vantaggio europeo potrebbe risiedere proprio nella quantità di dati disponibili: “I nostri algoritmi individueranno schemi ricorrenti e saremo in grado di determinare risposte più rapide, efficaci e precise grazie al vantaggio rappresentato dai dati”.

Lo Spazio diventa un nuovo campo di battaglia

Una delle novità più rilevanti riguarda proprio lo Spazio. I satelliti, fondamentali per telecomunicazioni, navigazione GPS, osservazione terrestre e guida dei missili, stanno diventando obiettivi militari. Tutte le principali potenze stanno sviluppando capacità anti-satellite.

La Russia dispone del sistema A-235. La Cina ha testato il missile Dong Neng-2, che sarebbe in grado di colpire obiettivi in orbita geostazionaria, oltre 35.000 chilometri dalla Terra. Gli Stati Uniti stanno invece studiando sistemi spaziali difensivi nell’ambito del progetto Golden Dome.

Distruggere o accecare i satelliti di un avversario significherebbe interrompere comunicazioni, navigazione, ricognizione e capacità di comando, paralizzando le operazioni militari. Lo spazio, dunque, non è più soltanto un’infrastruttura civile, ma sta diventando un vero teatro di guerra.

Il ruolo decisivo delle imprese private

Se durante la Guerra Fredda il predominio apparteneva quasi esclusivamente agli Stati, oggi il settore privato è uno dei protagonisti principali. Negli Stati Uniti operano giganti come Lockheed Martin, Boeing, RTX e nuove aziende tecnologiche come Anduril.

In Cina, la strategia della fusione civile-militare coinvolge imprese private altamente innovative insieme ai grandi gruppi pubblici. Le università, i laboratori di ricerca e le aziende produttrici di semiconduttori, materiali avanzati e software di intelligenza artificiale sono ormai parte integrante dello sviluppo delle capacità militari.

La superiorità tecnologica non dipende più soltanto dagli eserciti, ma dall’intero ecosistema industriale e scientifico di un Paese.

Oltre il nucleare, la nuova deterrenza dell’AI

Il mondo continua a convivere con circa 9 potenze nucleari. Russia e Stati Uniti possiedono ancora il maggiore arsenale, con circa 8.000 testate nucleari dispiegate tra missili, bombe e sottomarini. Ma la vera tecnologia destinata a ridefinire gli equilibri potrebbe essere l’intelligenza artificiale.

Non perché possa provocare distruzioni paragonabili a quelle delle armi nucleari, ma perché promette un vantaggio decisivo nella velocità delle decisioni, nella capacità di prevedere le mosse dell’avversario e nel coordinamento simultaneo di missili, droni, satelliti e sistemi di difesa.

È questa la nuova frontiera della deterrenza. Quella che sta prendendo forma oggi si gioca sulla supremazia algoritmica, sull’autonomia delle macchine e sul controllo dello Spazio. Chi riuscirà a conquistare la leadership in queste tecnologie potrebbe determinare gli equilibri strategici dei prossimi decenni, senza necessariamente sparare il primo colpo.

Novità su Google, per aggiungere Key4Biz tra le tue fonti preferite, clicca qui

Leggi le altre notizie sull’home page di Key4biz

https://www.key4biz.it/ai-droni-missili-ipersonici-e-armi-spaziali-usa-cina-russia-e-europa-spendono-2-trilioni-di-dollari-per-la-nuova-guerra/579056/