Un worm AI autonomo è stato sviluppato e testato dai ricercatori del CleverHans Lab dell’Università di Toronto. Il prototipo dimostra che un attaccante non ha bisogno di strumenti avanzati o costosi per compromettere una rete aziendale. Bastano modelli linguistici locali, gratuiti e open-weight per automatizzare l’intera catena di attacco.
Come funziona il worm AI autonomo
Architettura leggera, capacità distruttiva elevata
Il prototipo non sfrutta LLM commerciali come GPT-4. Utilizza modelli locali di piccole dimensioni, eseguibili direttamente sui sistemi compromessi. Questo abbassa drasticamente la barriera d’ingresso per i potenziali attaccanti.
Il worm opera in modo completamente autonomo. Scansiona l’ambiente, identifica porte e servizi aperti, mappa le vulnerabilità note e genera gli exploit. Tutto senza intervento umano.
In particolare, il sistema sfrutta una combinazione di vulnerabilità vecchie e nuove. Aggiunge a queste le classiche debolezze di configurazione, come le password riutilizzate, ancora diffusissime negli ambienti enterprise.
Risultati del test: 27 sistemi su 33 compromessi
Il test si è svolto in una rete simulata di 33 sistemi nel corso di sette giorni. Il worm ha operato per cinque generazioni di auto-replicazione.
Il risultato finale è stato netto: 27 sistemi su 33 sono stati compromessi. Il tasso di identificazione delle vulnerabilità si è attestato all’82% dei tentativi. Il tasso di sfruttamento effettivo ha raggiunto il 44% per singolo tentativo.
Tuttavia, il dato più rilevante non è il successo per singolo tentativo. È la logica a sciame. Ogni host compromesso diventa un nuovo punto di partenza per ulteriori attacchi paralleli. Questa dinamica trasforma anche un tasso di successo moderato in una compromissione capillare.
Perché questo scenario è rilevante per le aziende oggi
Vulnerabilità note, non zero-day
Vale la pena sottolineare un punto cruciale: il prototipo non ha sfruttato vulnerabilità zero-day. Ha utilizzato vulnerabilità già pubblicamente note ma non ancora patchate. Questo è il punto più scomodo per i responsabili della sicurezza.
La minaccia non richiede risorse eccezionali. Richiede solo che l’organizzazione target non abbia applicato le patch disponibili in tempo utile.
Inoltre, il sistema è in grado di acquisire i nuovi advisory pubblici durante l’esecuzione. Si adatta alle vulnerabilità appena divulgate in tempo reale. Questo rappresenta un salto qualitativo rispetto ai malware tradizionali a firma statica.
Settori più esposti
La ricerca è direttamente rilevante per tutti i settori con ampie superfici di attacco. In particolare: sanità, finanza, pubblica amministrazione e manifattura industriale.
Questi ambienti condividono caratteristiche comuni. Ritardi nel patching, segmentazione di rete insufficiente, credenziali condivise tra sistemi diversi. Sono esattamente le condizioni che il prototipo ha sfruttato nel test.
Di conseguenza, qualsiasi organizzazione che si riconosce in questo profilo deve considerare questo scenario come realistico. Non come una minaccia futura o teorica.
Come difendersi dal worm AI autonomo
Le priorità difensive secondo i ricercatori
I ricercatori indicano quattro controlli prioritari. Il primo è il patching rapido delle vulnerabilità già note. Il secondo è una gestione rigorosa delle credenziali, con eliminazione delle password riutilizzate. Il terzo è la segmentazione di rete e il micro-segmenting. Il quarto è l’adozione di un modello zero-trust per gli accessi interni.
Parallelamente, è necessario monitorare i comportamenti anomali sulla rete. Scansioni interne non autorizzate, enumerazione di servizi, picchi insoliti nell’utilizzo delle GPU. Quest’ultimo punto è particolarmente nuovo.
Monitorare l’uso non autorizzato delle GPU
Il prototipo è in grado di dirottare le risorse GPU dei sistemi compromessi. Usa quella potenza computazionale per eseguire il modello AI localmente e alimentare ulteriori fasi dell’attacco.
In questo contesto, i difensori devono aggiungere un nuovo vettore di monitoraggio. Sistemi che normalmente non eseguono carichi di lavoro AI non dovrebbero mostrare attività di inferenza o connessioni in uscita anomale.
I ricercatori raccomandano infine l’uso di penetration testing automatizzato assistito dall’AI per testare proattivamente la propria infrastruttura. L’obiettivo è trovare le falle prima di un eventuale attaccante.
La domanda giusta per un CISO
La domanda rilevante non è: “Siamo protetti da questo specifico malware?”. La domanda è più semplice e più brutale. I controlli attuali sarebbero in grado di fermare un attaccante che si muove in modo rapido e autonomo da un singolo punto di ingresso?
Se la risposta è incerta, il momento per agire è adesso.
Fonte: CSO Online – AI worm prototype shows attackers don’t need Mythos to take over your network
Fonte: Articolo originale
La diffusione di minacce come il worm AI autonomo rende ancora più critica la capacità delle organizzazioni di condividere tempestivamente indicatori di compromissione e advisory sulle vulnerabilità sfruttate. Piattaforme come IsacChain permettono la condivisione sicura di threat intelligence tra organizzazioni dello stesso settore, garantendo al contempo la compliance NIS2 automatizzata e la verifica blockchain dell’integrità dei dati condivisi. In uno scenario in cui il worm acquisisce nuovi advisory in tempo reale, disporre di una rete di intelligence certificata e tracciabile diventa un vantaggio difensivo concreto. Scopri come IsacChain può aiutare la tua organizzazione su www.isacchain.com