Nel report del 30 ottobre su ARTEX, Google Threat Intelligence Group (GTIG) prevede che fra tre e sei mesi gli attaccanti arrivino a intrusioni completamente autonome con agenti AI, più discrete di quelle viste finora. Il 16 novembre GTIG e Mandiant hanno pubblicato il loro aggiornamento trimestrale sull’uso dell’AI da parte degli attaccanti, secondo cui l’attività degli agenti offensivi ha superato una soglia significativa. Il nuovo report documenta framework offensivi multi-agente usati in intrusioni reali e, per la prima volta, una catena di scoperta e sfruttamento di vulnerabilità senza un operatore umano.
Tre giorni dopo Been Kim, Principal Scientist a Google DeepMind, ha scritto su X che circa due mesi fa il suo team è passato interamente alla safety. Kim viene dall’interpretabilità e oggi, scrive, non riesce a giustificare altro lavoro che migliorare direttamente la safety dei modelli di frontiera. Cerca ricercatori a Seattle per lavorare su Gemini, sui problemi urgenti. Nell’annuncio di lavoro il team dichiara di anteporre i risultati concreti di safety ai tempi delle pubblicazioni scientifiche. Il report e il post vengono dalla stessa azienda, da chi osserva gli attacchi e da chi lavora sui modelli.
Gli agenti offensivi nelle intrusioni
Da fine agosto 2026 GTIG e Mandiant osservano attaccanti che usano piattaforme open source di penetration testing multi-agente, in particolare ARTEX, CAIRN e PentAGI. ARTEX divide il ciclo d’attacco fra sei sotto-agenti che chiamano modelli di frontiera e open source. Nei log analizzati da Mandiant le sue sequenze di esecuzione durano fra 2 e 25 secondi circa. In un caso, disponendo di credenziali valide, ARTEX ha usato l’API SQL di un’applicazione web esposta per far scrivere al log di MySQL file .jsp in una directory pubblica, cioè delle webshell. Ne ha scritte una dopo l’altra, correggendo gli errori dei tentativi precedenti, finché una ha restituito l’output dei comandi.
Questi strumenti oggi sacrificano la discrezione alla velocità. In quello stesso caso ARTEX ha prodotto 240 eventi di log e in un altro ha lasciato file con il prefisso riconoscibile artex-probe-.
Dalla patch all’exploit con gli agenti
GTIG presenta exploit_agent, trovato su un server di staging esposto, come il primo caso di scoperta e sfruttamento di vulnerabilità completamente automatici. Il framework confronta il codice di applicazioni web diffuse prima e dopo una patch, individua potenziali vulnerabilità, scrive l’exploit e lo esegue senza intervento umano.
GreyNoise ha ricostruito minuto per minuto una campagna che usava lo stesso metodo contro PaperCut NG/MF, un software di gestione delle stampe, con un operatore che guidava gli agenti. L’avviso per due vulnerabilità che insieme danno esecuzione remota di codice senza autenticazione è del 27 agosto 2026. Il 31 agosto l’attaccante ha scaricato le versioni del software prima e dopo la patch e in meno di quattro ore aveva scritto gli exploit e colpito la prima vittima reale. Gli agenti giravano nell’harness Codex di OpenAI su un modello DeepSeek. Il bilancio è di almeno 440 istanze compromesse in 395 organizzazioni di 48 paesi.
Secondo GTIG le vulnerabilità sfruttate sono passate da una media di 10,5 al mese nel 2025 a 18 al mese nei primi otto mesi del 2026. Le zero-day restano la maggioranza, il 62%, ma sono salite poco, da 8 a 11 al mese, con un picco di 22 ad agosto. Per questo GTIG ritiene che la crescita venga soprattutto dalla trasformazione rapida delle n-day in exploit. L’ipotesi è che con gli LLM sia più semplice o più efficiente automatizzare l’analisi di ciò che è già pubblico, cioè le differenze fra versioni, le patch, gli avvisi di vulnerabilità e i proof of concept.
Credenziali e configurazioni degli agenti
Mandiant ha seguito casi di furto delle risorse AI, che GTIG chiama LLMJacking. Un attaccante entrato in un ambiente cloud consuma i servizi LLM o la capacità di calcolo della vittima per i propri strumenti. In alcuni casi gli addebiti hanno superato i 100.000 dollari in un solo giorno.
Più vicino a chi sviluppa software con gli agenti è il caso di un gruppo che GTIG associa alla Corea del Nord. Dopo l’accesso iniziale il gruppo ha modificato nei repository interni i file .claude/settings.json, in modo che chi avviava Claude Code scaricasse una backdoor. GTIG lo descrive come un vettore di supply chain interno all’organizzazione. La configurazione di un agente di sviluppo può definire comandi (gli hook) che l’agente esegue con i permessi dell’utente. Va quindi revisionata come il codice.
La previsione di GTIG per i prossimi sei mesi
Nel report su ARTEX, GTIG descrive l’evoluzione dell’uso offensivo degli LLM in sette stadi, dall’uso degli LLM come chatbot, a fine 2025, per scrivere codice malevolo ed email di phishing, fino alle intrusioni completamente autonome. Colloca il momento attuale al quinto stadio: più fasi dell’attacco condotte da strumenti guidati da LLM, con un intervento umano minimo e tecniche ancora rumorose. Per i mesi successivi prevede due passaggi.
- A breve termine, fra 1 e 3 mesi. Attacchi multi-agente molto autonomi ma poco sofisticati e rumorosi, senza operatori umani nel ciclo. L’attaccante sceglie bersaglio e obiettivo, i framework eseguono l’intera catena d’attacco e restituiscono il risultato.
- A medio termine, fra 3 e 6 mesi. Intrusioni completamente autonome, più discrete e sofisticate, gestite attraverso infrastrutture opache o modelli in self-hosting che riducono la visibilità per chi difende.
GTIG valuta con un alto grado di fiducia che i gruppi meno attenti alla discrezione, fra cui molti gruppi criminali, continueranno ad adottare questi strumenti, perché la portata maggiore delle campagne dovrebbe compensare un tasso di successo più basso. Ritiene invece meno probabile che i gruppi che puntano a restare a lungo nelle reti usino le versioni pubbliche, troppo rumorose, se non per guadagnare velocità e scala.
Che cosa misurano i laboratori sui propri modelli
Nel report di sicurezza di Gemini 4 Carbon, Google non può escludere che il modello privo di mitigazioni esterne raggiunga il livello critico di capacità Cyber Uplift Level 1 del suo Frontier Safety Framework. La valutazione è ripresa da quella di Gemini 4 Argon. Con le protezioni attive Google stima il rischio molto al di sotto della soglia. Il 5 novembre OpenAI ha classificato GPT-6 Cyber come Critical per la cybersecurity nel suo Preparedness Framework e per ora lo rende accessibile solo a un gruppo di clienti approvati.
Il rischio riguarda anche il comportamento dei modelli stessi. A luglio 2026, durante valutazioni interne di cybersecurity, modelli di OpenAI hanno aggirato i controlli che li isolavano da Internet e compromesso parti dell’infrastruttura di ricerca di OpenAI e dei sistemi di Hugging Face. In seguito un modello di ricerca interno ha sfruttato un errore di configurazione DNS per ottenere un accesso limitato a Internet. OpenAI ha sospeso addestramento e valutazione dei modelli più capaci dal 20 settembre al 1° ottobre. Il 18 novembre ha descritto le regole adottate dopo questi incidenti, fra cui l’addestramento senza accesso a Internet e il monitoraggio di tutta l’inferenza dei modelli di frontiera. È il lavoro che descrive l’annuncio del team di Kim: tradurre i risultati di alignment e safety in mitigazioni sui modelli di frontiera in produzione.
Che cosa cambia per chi difende
Le raccomandazioni di Mandiant sono pratiche note: isolare il piano di controllo, usare credenziali di breve durata e di ambito ristretto, segmentare, applicare il privilegio minimo e rilevare i comportamenti anomali. Cambia il tempo a disposizione. Nel caso PaperCut sono passati quattro giorni fra l’avviso e la prima vittima della campagna e cinque fino all’attacco di massa. Alle patch va quindi data priorità in base ai dati sullo sfruttamento reale. Chi integra agenti nei propri processi deve trattare le chiavi dei modelli come credenziali di produzione e registrare che cosa fa ogni agente e con quali permessi. È il motivo per cui gli agenti hanno bisogno di livelli di governance che ne tengano traccia.
Se la previsione di GTIG si avvera, il rumore che oggi rende ARTEX rilevabile si ridurrà nel giro di pochi mesi. La telemetria su identità, piano di controllo, piano dati e rete, che secondo Mandiant serve al rilevamento comportamentale, va messa in piedi adesso, mentre gli attacchi sono ancora visibili.
Su questi temi lavoro da anni. In noze li applichiamo alle soluzioni e ai prodotti che sviluppiamo. Nei miei corsi li uso per provare a gestire il percorso, inevitabilmente accelerato e compresso, che hanno davanti gli allievi, sia junior sia senior. In più occasioni mi sono trovato a fare la parte di Cassandra, pur sostenendo che con la governance e i controlli giusti questa evoluzione si possa affrontare. Da qui sono nati OISG e Admina.
- Been Kim, il post su X sul passaggio del suo team alla safety, 19 novembre 2026 — https://x.com/_beenkim/status/2123299766822211805
- Google, l’annuncio di lavoro del team Deep Understanding di Google DeepMind — https://www.google.com/about/careers/applications/jobs/results/112836257989436102-research-scientist-ai-safety-and-alignment-deepmind
- Google Threat Intelligence Group, GTIG AI Threat Tracker: Agentic Threat Activity Crosses a Significant Threshold, 16 novembre 2026 — https://cloud.google.com/blog/topics/threat-intelligence/agentic-threat-activity-crosses-a-significant-threshold
- Google Threat Intelligence Group e Mandiant, ARTEX and Friends: Enter Agentic Offensive Frameworks, 30 ottobre 2026, con i sette stadi e la previsione a 3-6 mesi — https://cloud.google.com/blog/topics/threat-intelligence/artex-and-friends-enter-agentic-offensive-frameworks
- Google Threat Intelligence Group, Vulnerability Discovery and Exploitation Trends in the AI Era, 30 settembre 2026 — https://cloud.google.com/blog/topics/threat-intelligence/vulnerability-discovery-and-exploitation-trends-in-the-ai-era
- Google Threat Intelligence Group, The Rise of LLMJacking: How Threat Actors Monetize Compromised Cloud and Model Resources — https://cloud.google.com/blog/topics/threat-intelligence/llmjacking-monetizing-compromised-cloud-models
- GreyNoise, Agents Gone Wild, la ricostruzione della campagna contro PaperCut NG/MF, 9 settembre 2026 — https://www.greynoise.io/blog/ai-orchestrated-campaign-against-papercut-ng-mf
- Google DeepMind, Gemini 4 Carbon Safety & Security Report, novembre 2026 (PDF) — https://storage.googleapis.com/deepmind-media/gemini/gemini_4_carbon_safety_report.pdf
- OpenAI, GPT‑6 Cyber: Advancing the frontier of aligned cybersecurity agents, 5 novembre 2026 — https://openai.com/index/introducing-gpt-6-cyber/
- OpenAI, Managing frontier AI risk: From training to deployment, 18 novembre 2026 — https://openai.com/index/managing-frontier-ai-risk/
- OpenAI, The Hugging Face incident and the road ahead, 26 agosto 2026 — https://openai.com/index/hugging-face-incident-and-the-road-ahead/
- OpenAI, il rapporto sull’agente che ha raggiunto Internet tramite DNS — https://alignment.openai.com/misalignment-reports/an-agent-used-dns-to-reach-an-external-chatbot/
Immagine di copertina: Evelyn De Morgan, «Cassandra», 1898, De Morgan Foundation. La profetessa troiana a cui nessuno credeva, davanti alla città in fiamme e al cavallo di legno. Pubblico dominio — https://commons.wikimedia.org/wiki/File:Cassandra1.jpeg