24 vulnerabilità in Android: così sono state individuate con un agente Github

Introduzione

Nel gennaio 2026 il GitHub Security Lab ha lanciato il Taskflow Agent, un framework basato su intelligenza artificiale pensato per assistere i ricercatori di sicurezza nella scoperta di vulnerabilità. Il progetto è totalmente open‑source e permette, oltre alla ricerca, lo scambio di prompt e workflow fra gli esperti del settore. Kevin Stubbings, membro del team, ha sfruttato questo strumento per individuare ben 24 problemi di sicurezza nel codice di Android.

Il framework Taskflow Agent

Il cuore del processo sono i “Taskflow”, sequenze di istruzioni che guidano un modello di linguaggio di grandi dimensioni (LLM) attraverso più passaggi incrementali. Stubbings spiega che, sebbene i modelli più recenti comprendano già bene il codice, è possibile indirizzarli verso aree specifiche mediante prompt personalizzati. Un singolo prompt può richiamare diversi tool e consumare una quantità significativa di token, soprattutto quando si utilizza un modello premium di GitHub Copilot.

Come sono state scoperte le vulnerabilità

Una volta avviato lo script nel terminale, il Taskflow Agent analizza il repository di Android per un periodo che varia da una a due ore, a seconda delle dimensioni del codice. Durante l’esecuzione, il flusso genera chiamate a strumenti di analisi statici, dinamici e di fuzzing, raccogliendo risultati intermedi che l’LLM elabora per individuare pattern sospetti. Alla fine del processo, il team ha identificato 24 vulnerabilità, alcune delle quali altamente complesse da rilevare con metodi tradizionali.

Esempi di vulnerabilità trovate

Tra le falle più rilevanti emergono due casi concreti:

• Furto di dati di tracciamento in OsmAnd: una vulnerabilità nella popolare alternativa a Google Maps permette a un aggressore di accedere alle informazioni di localizzazione degli utenti Android, violando la privacy e raccogliendo dati di movimento.
• Compromissione dell’account Wikipedia: una debolezza nella app ufficiale di Wikipedia consente a un attaccante di prendere il controllo degli account degli utenti, modificando contenuti e accedendo a dati personali.

Le altre vulnerabilità includono errori di gestione dei permessi, esecuzioni di codice non autorizzate e problemi di deserializzazione che, in condizioni specifiche, potrebbero portare a esecuzione di codice arbitrario.

Limiti dell’IA nella ricerca di sicurezza

Stubbings sottolinea che, nonostante i risultati promettenti, l’intelligenza artificiale non è infallibile. Alcune delle vulnerabilità rilevate richiederebbero condizioni d’uso molto specifiche per essere sfruttate, rendendo l’attacco praticamente impossibile nella vita reale. Inoltre, la IA ha segnalato diversi bug a basso rischio anche quando era stata esplicitamente istruita a ignorarli, dimostrando una certa “testardaggine” nell’identificazione di anomalie.

Valutazione del rischio e ruolo dei ricercatori

Una delle sfide più grandi rimane la corretta classificazione del rischio. Alcune falle sono state inizialmente valutate come critiche, ma una revisione più approfondita ha mostrato un impatto limitato. Per questo motivo gli esperti devono analizzare manualmente i risultati dell’IA, verificare le condizioni di exploit e fornire una valutazione accurata prima di segnalare le vulnerabilità ai produttori.

Implicazioni per il futuro della sicurezza mobile

Secondo Stubbings, l’utilizzo di strumenti IA‑guidati rappresenta attualmente il metodo più efficace per proteggere progetti open‑source, incluse applicazioni web, mobile e desktop. La capacità di automatizzare la ricerca di pattern complessi permette di coprire una superficie di codice molto più ampia rispetto ai tradizionali audit manuali. Tuttavia, la dipendenza da modelli premium e da abbonamenti a Copilot limita l’accessibilità a chi non può sostenere costi aggiuntivi.

Come partecipare al progetto

Tutti i Taskflow, compreso il codice sorgente del Taskflow Agent, sono disponibili pubblicamente nel blog del GitHub Security Lab. Chiunque possieda un abbonamento a GitHub Copilot può clonare il repository, adattare i prompt alle proprie esigenze e contribuire all’identificazione di nuove vulnerabilità. Il team invita la community a condividere le proprie configurazioni e a collaborare per migliorare continuamente il framework.

Conclusioni

La scoperta di 24 vulnerabilità in Android dimostra il potenziale di combinare intelligenza artificiale e ricerca di sicurezza open‑source. Sebbene l’IA non possa sostituire l’expertise umana nella valutazione del rischio, può accelerare notevolmente il processo di individuazione di problemi complessi. Con una crescente collaborazione tra ricercatori, piattaforme di sviluppo e fornitori di modelli IA, il futuro della sicurezza mobile appare più promettente, ma richiede anche una costante attenzione alla precisione delle valutazioni e all’accessibilità degli strumenti.