Gli attacchi informatici stanno entrando in una nuova fase in cui la intelligenza artificiale non e piu solo un supporto, ma diventa un moltiplicatore operativo. In un recente caso osservato nel panorama della cybersecurity, un attore motivato dal profitto ha usato agenti AI autonomi e una struttura multi agente per realizzare una campagna di credential harvesting su larga scala in meno di sei ore, compromettendo migliaia di credenziali di terze parti.
Questo scenario evidenzia come la velocita di esecuzione e la capacita di adattamento in tempo reale stiano cambiando le regole della difesa.
La stessa evoluzione si nota nel modo in cui i criminali puntano agli asset AI aziendali, inclusi modelli proprietari, credenziali API e ambienti cloud. Oltre al furto di dati, cresce il rischio di uso non autorizzato delle risorse cloud per sostenere carichi di lavoro AI, con impatti economici diretti e possibili ricadute su compliance e continuita operativa. Parallelamente, la diffusione di strumenti di AI assisted coding accelera lo sviluppo software, ma aumenta anche la superficie di attacco verso sviluppatori, assistenti di programmazione e strumenti di scanning basati su LLM, amplificando i rischi di supply chain open source.
In questo contesto si inseriscono campagne di compromissione della supply chain che colpiscono ecosistemi come PyPI, npm e Docker Hub, seguite dal rilascio di credential stealer progettati per rubare segreti cloud e credenziali di sviluppo. Alcune varianti risultano ottimizzate per pipeline CI CD e mirano a facilitare operazioni di estorsione, anche attraverso tecniche specifiche contro ambienti di lavoro degli assistenti AI, inclusa la prompt injection usata per eludere controlli difensivi.
La componente piu innovativa riguarda l automazione end to end. Gli aggressori hanno sfruttato un chatbot di AI per coding insieme a un prompt e set di istruzioni in formato markdown come playbook operativi. Il sistema ha gestito in autonomia lo scanning delle vulnerabilita, la raccolta delle credenziali, il troubleshooting in tempo reale e la rotazione degli indirizzi IP, riducendo la necessita di intervento umano e aumentando drasticamente la scalabilita dell attacco.
Un ulteriore fattore di rischio e l uso di modelli open weight eseguiti localmente su host compromessi, che limita la visibilita dei difensori rispetto ai modelli accessibili via API, e rende piu semplice accelerare attivita come phishing e scripting malevolo senza guardrail centralizzati.