Nei progetti di cybersecurity, gli strumenti di intelligenza artificiale, in particolare i modelli linguistici e i cosiddetti agenti, si stanno dimostrando estremamente utili per identificare vulnerabilità nei sistemi aziendali. Essi sono in grado di analizzare grandi quantità di dati e di individuare punti deboli che potrebbero essere sfruttati dagli attacchi. Tuttavia, il loro impiego nei cosiddetti penetration test (o pentesting) differisce da un utilizzo generico per la sicurezza del software.
Nel pentesting, lo scopo è trovare vulnerabilità specifiche nei sistemi operativi e nelle applicazioni attive in una rete, un contesto ben più concreto rispetto alla mera ricerca di possibili vulnerabilità astratte. Questa pratica richiede strumenti diversi, anche se alcuni ambiti di sovrapposizione esistono.
Per capire meglio l’impatto degli strumenti KI in questo contesto, siamo andati a parlare con diversi esperti del settore. Circa quindici professionisti hanno fornito risposte dettagliate. Parte di queste risposte è stata elaborata da team di lavoro, rappresentando quindi l’esperienza di più individui. Tra gli esperti intervistati, alcuni non utilizzano ancora strumenti KI in contesto di pentesting, in quanto considerano troppi i rischi potenziali.
Tuttavia, in molti hanno sperimentato l’utilità di questi strumenti, soprattutto per la generazione di codice o per facilitare l’analisi di un sistema. Tra i casi più frequenti, citiamo l’uso per automatizzare la ricerca di exploit o per facilitare il complesso lavoro di reverse engineering di un’applicazione. Nonostante ciò, resta chiaro che il pentesting richiede comunque una notevole quantità di lavoro manuale.
Gli strumenti KI e le loro limitazioni
Un’area problematica è la gestione dei dati sensibili. In molti casi, l’uso di strumenti cloud-based comporta il rischio di esporre informazioni riservate. Per questo motivo, sempre più esperti stanno esaminando l’uso di modelli linguistici locali come alternativa. Questi strumenti permettono di eseguire l’analisi direttamente sulla macchina dell’utente o all’interno della rete aziendale, evitando di trasferire dati esterni. Purtroppo, però, la funzionalità di questi modelli locali è limitata rispetto a soluzioni basate in cloud.
I limiti tecnologici non riguardano soltanto la protezione dei dati. Al momento, molte funzionalità avanzate, come l’interpretazione contestuale di un codice o l’analisi di vulnerabilità complesse, non sono ancora ottenibili con precisione sufficiente da parte delle KI. Di conseguenza, i test devono ancora contare su una parte significativa di lavoro umano.
Possibili applicazioni pratiche
- Automazione di test: Gli strumenti KI possono ridurre il tempo necessario per effettuare determinate analisi, ad esempio nell’analisi di log o nell’identificazione di vulnerabilità note.
- Generazione di codice: In diversi casi, gli strumenti AI generano codice per testare le vulnerabilità individuate o per verificare potenziali exploit.
- Sintesi dell’informazione: Lavorando con grandi quantità di dati tecnici, le KI permettono di generare riepiloghi utili, facilitando il lavoro dei pentester nel valutare i risultati.
Tuttavia, come sottolineato da diversi esperti, il successo di questi tool dipende molto dal contesto e da come vengono utilizzati. In molti casi, l’integrazione con strumenti tradizionali garantisce risultati più concreti. Il rischio di generare una falsa sensazione di sicurezza se gli strumenti non vengono testati correttamente rimane una preoccupazione comune.
Un settore in evoluzione
Il pentesting aziendale sta rapidamente evolvendo con l’introduzione di algoritmi avanzati di intelligenza artificiale. Al di là degli esperimenti iniziali, molti esperti stanno cercando di applicare in modo regolare questi strumenti al loro lavoro. Per il futuro, si prevede un aumento nell’uso di modelli linguistici locali come soluzione al rischio di esporre dati sensibili.
Una soluzione interessante, per chi non vuole investire in costosi processori grafici per l’uso di KI locali, è l’affitto di GPU dedicate tramite provider di hosting. Queste infrastrutture permettono di sperimentare e utilizzare KI anche a livello aziendale, fornendo flessibilità e controllo in contesti dove la sicurezza è critica.
Sebbene l’adozione larga di questi strumenti non sia ancora avvenuta, ci sono segnali rassicuranti: i vantaggi in termini di velocità e di precisione sono chiari, ma serviranno anni affinché la KI acquisisca fiducia a pieno titolo tra i professionisti del pentesting.