I recenti annunci di OpenAI e Anthropic segnano un ulteriore passo in avanti per gli sviluppi all’avanguardia nel settore dell’AI. Confermano anche quello che SentinelOne sostiene da anni: il futuro della cybersecurity sarà plasmato da una difesa “AI nativa”.
L’azienda collabora da anni a stretto contatto con i laboratori più innovativi, tra cui OpenAI, Anthropic e Google DeepMind, e naturalmente continuerà a farlo. Sebbene non sia sempre possibile condividere i dettagli di ogni collaborazione, queste partnership contribuiscono a fornire informazioni significative su come si stanno evolvendo i modelli avanzati e su come questi possano avere un impatto concreto nel campo della sicurezza. Molte di queste tecnologie e funzionalità sono già integrate nella piattaforma di SentinelOne, proteggendo i clienti dagli attacchi più sofisticati – bloccando ogni giorno exploit zero day che nessun’altra soluzione è attualmente in grado di contrastare.
Ciò che spicca maggiormente non è semplicemente il fatto che i modelli di AI stanno diventando più potenti, ma che stiano accelerando il più ampio passaggio verso Security Operations più veloci, più intelligenti e più automatizzate. Da un lato, stanno migliorando il modo in cui la cyber industry e gli esperti identificano i punti deboli, analizzano sistemi complessi e individuano i percorsi di attacco su larga scala. Dall’altro, offrono agli aggressori il vantaggio della velocità e della portata quando si tratta di individuare nuove vulnerabilità. I progressi in questa sfida sono importanti, ma rappresentano solo una parte del quadro più ampio relativo alla sicurezza.
In pratica, senza sottovalutare la gravità del fatto che il tasso di bug nel software cresce in modo esponenziale, il numero totale delle vulnerabilità raramente corrisponde in modo univoco al rischio effettivo. Molte vulnerabilità non sono effettivamente sfruttabili in ambienti operativi e molte sono già ridotte da controlli compensativi, livelli architetturali, misure di mitigazione e protezione in fase di esecuzione. Il divario tra esposizione teorica e rischio operativo è spesso notevole. Ciò che conta di più è la capacità di comprendere le situazioni reali, dare priorità a ciò che è importante e bloccare gli attacchi effettivi in ambienti complessi, anche di fronte a minacce inedite e vulnerabilità zero-day.
Questo continua a essere il principio guida di SentinelOne e il vantaggio che offre ai clienti. Basti pensare che la piattaforma di SentinelOne è stata progettata per operare a velocità macchina, utilizzando l’AI comportamentale, l’automazione e la protezione autonoma per rilevare, difendere e rispondere agli attacchi su endpoint, cloud, identità, dati, rete e superfici di attacco dell’AI. Con il progresso dell’AI, il valore di tale approccio non fa che crescere. Ecco due esempi distinti che dimostrano l’impegno dell’azienda.
In primo luogo, solo negli ultimi mesi, i vantaggi di un approccio di questo tipo si sono concretizzati in attacchi alla supply chain, come quelli a LiteLLM, Axios e CPU-Z, esempi di minacce innovative e del rischio rappresentato da agenti e flussi di lavoro affidabili nell’era dell’AI. In ogni caso, una risposta autonoma a velocità di macchina è stata l’unico antidoto per bloccare le minacce che sfruttano vulnerabilità non corrette o di tipo zero-day.
In secondo luogo, SentinelOne ha ampliato in modo dimostrabile gli impegni continui volti a garantire la sicurezza della propria tecnologia. Oltre alle misure standard e consolidate che vengono adottate da anni, l’azienda ha utilizzato diversi modelli basati sull’AI per esaminare costantemente la propria tecnologia e architettura, con tecniche praticamente identiche a quelle descritte nei dettagli tecnici di Anthropic destinati a ricercatori e professionisti, (Valutazione delle capacità di sicurezza informatica di Claude Mythos Preview). Questa attività è in corso da mesi e viene costantemente sottoposta a revisione per individuare eventuali risultati, oltre che valutata come programma dalla direzione di SentinelOne. È impegno dell’azienda quello di sviluppare e fornire tecnologia sicura e non esiste un futuro efficace in questo lavoro senza metodi robusti basati sull’intelligenza artificiale e un approccio inclusivo e multi-modello.
Se si osserva il quadro generale dell’AI, il cambiamento è già in atto. Il settore si sta orientando verso una sicurezza più autonoma, più adattiva e dove la security è sempre più guidata dall’intelligence.
Il consiglio rivolto ai difensori è chiaro: investire fin da subito in difese a velocità macchina e che assicurino una maggiore visibilità. È inoltre necessario assicurarsi che i sistemi di protezione siano aggiornati e configurati correttamente, facendo riferimento a ricerche concrete e non ad annunci di prodotto o a clamore mediatico. A titolo esemplificativo, molte delle informazioni e delle dichiarazioni diffuse da terze parti in merito al lancio del nuovo modello di Anthropic sono risultate prive di dati sostanziali – in molti casi tali affermazioni hanno preceduto qualsiasi esperienza reale e tangibile con i modelli in anteprima. Al contrario, l’AI Security Institute (AISI – Organizzazione scientifica statale nel Regno Unito, istituita per valutare i rischi dei modelli di AI avanzati) ha pubblicato una valutazione di ricerca dettagliata sui modelli pertinenti, che mette in luce lo stato dell’arte dell’AI, i tassi di sfruttamento e le potenziali implicazioni nel mondo reale. L’analisi mostra chiaramente come il percorso fosse evidente da tempo, anche nei modelli meno recenti, e come tali capacità fossero già presenti, risultando in molti casi una funzione delle elaborazioni computazionali, oltre che potenzialmente dell’adozione di guardrail meno restrittivi, in grado di consentire un uso più efficace del calcolo e del ragionamento rispetto ai modelli soggetti a maggiori vincoli.
L’AI Security Insitute prosegue inoltre delineando le seguenti implicazioni:
“Il successo di Mythos Preview in un cyber range indica che il modello è quantomeno in grado di attaccare autonomamente sistemi aziendali di piccole dimensioni, vulnerabili e debolmente difesi, qualora sia stato ottenuto l’accesso a una rete. Tuttavia, i nostri cyber range presentano differenze rilevanti rispetto agli ambienti reali, che li rendono bersagli più semplici. Mancano infatti funzionalità di sicurezza spesso presenti nel mondo reale, come difensori attivi e strumenti difensivi. Inoltre, il modello non subisce penalizzazioni per azioni che attiverebbero alert di sicurezza. Di conseguenza, non è possibile affermare con certezza se Mythos Preview sarebbe in grado di attaccare sistemi ben difesi.
In uno scenario in cui gli attaccanti possono guidare i modelli e fornire loro accesso alla rete per condurre attacchi autonomi contro sistemi scarsamente difesi, le valutazioni di cybersecurity devono evolversi. Con il continuo miglioramento delle capacità, gli ambienti di valutazione privi di difese non saranno più abbastanza complessi da distinguere tra le capacità dei modelli più avanzati in ambito cyber o da valutare le tendenze. Il lavoro futuro comprenderà la valutazione delle capacità tramite cyber range che simulano ambienti rafforzati e difesi, inclusi ambienti con monitoraggio attivo, endpoint detection e risposta agli incidenti in tempo reale. Saranno inoltre monitorate le prestazioni delle campagne di individuazione delle vulnerabilità e penetration testing abilitate dall’AI su sistemi reali.”
