AI worm: il malware che si adatta mentre si diffonde nella rete
Ricercatori dell’Università di Toronto hanno dimostrato in laboratorio un worm capace di utilizzare modelli AI per analizzare ogni nuovo dispositivo, scegliere una strategia di attacco e sfruttare le macchine compromesse per continuare a diffondersi.
Un worm tradizionale conosce già la strada che deve seguire.
Individua una determinata vulnerabilità, la sfrutta e prova a replicarsi sugli altri dispositivi della rete.
Il prototipo sviluppato da un gruppo di ricercatori dell’Università di Toronto cambia questa logica.
Il loro AI worm non dipende da una sola vulnerabilità prestabilita. Utilizza modelli linguistici open-weight per analizzare il dispositivo che incontra, valutare i punti deboli disponibili e costruire una strategia diversa in base al bersaglio.
La ricerca è stata condotta esclusivamente in un laboratorio digitale isolato dall’esterno. Non si tratta quindi della scoperta di una campagna malware già attiva, ma della dimostrazione di una nuova classe di minaccia possibile.
Cos’è un worm informatico
Un worm è un malware progettato per propagarsi autonomamente da un dispositivo all’altro.
A differenza di molte altre minacce, non richiede necessariamente che un utente apra continuamente allegati o installi programmi.
Una volta entrato nella rete, cerca altri sistemi vulnerabili e prova a replicarsi.
Tradizionalmente questo comportamento è legato a una tecnica precisa.
Se il worm è programmato per sfruttare una determinata vulnerabilità, correggere quella falla può interrompere gran parte della propagazione.
Il prototipo sviluppato dai ricercatori canadesi introduce invece un livello di adattamento.
L’AI worm non usa sempre lo stesso attacco
Il lavoro, pubblicato con il titolo AI Agents Enable Adaptive Computer Worms, mostra un worm che genera strategie specifiche in base al dispositivo incontrato.
Il sistema può osservare il nuovo ambiente e cercare diversi punti deboli:
- vulnerabilità note non corrette;
- configurazioni errate;
- credenziali deboli;
- informazioni recuperate da dispositivi già compromessi.
Il worm può quindi cambiare comportamento durante la propagazione.
Se una tecnica non funziona su un computer, può cercarne un’altra.
Se trova una password durante un’infezione, quella stessa informazione può diventare utile per tentare l’accesso a un dispositivo successivo.
Il malware non segue più soltanto uno script fisso.
Inizia a ragionare sul bersaglio.
PC, server e dispositivi IoT possono diventare bersagli diversi
I ricercatori hanno testato il prototipo su una rete controllata composta da sistemi differenti, tra cui dispositivi Linux, Windows e IoT.
Questo punto è importante perché una rete aziendale raramente è composta soltanto da computer identici.
Possono essere presenti:
- workstation;
- server;
- stampanti;
- videocamere;
- dispositivi industriali;
- sistemi di controllo;
- apparati IoT.
Un worm tradizionale potrebbe trovare la stessa vulnerabilità soltanto su una parte della rete.
Un malware adattivo può invece cercare una strada diversa per ogni categoria di dispositivo.
Il malware usa la potenza di calcolo delle macchine compromesse
La ricerca mostra anche un altro elemento significativo.
Una volta entrato in un dispositivo, il worm può utilizzare la capacità di calcolo disponibile sulla macchina per eseguire il modello AI necessario a pianificare gli attacchi successivi.
In pratica, ogni nuovo dispositivo compromesso può diventare contemporaneamente:
- una vittima;
- una fonte di informazioni;
- una risorsa di calcolo;
- un punto di partenza per il prossimo attacco.
I ricercatori descrivono questo comportamento come parassitario: il malware utilizza le risorse dell’infrastruttura che sta compromettendo per finanziare la propria propagazione.
Questo riduce anche la necessità di dipendere continuamente da servizi AI esterni.
Perché i modelli open-weight cambiano il problema
Il prototipo non richiede necessariamente i modelli AI commerciali più potenti.
I ricercatori mostrano che possono essere utilizzati anche modelli open-weight, cioè modelli i cui parametri possono essere scaricati ed eseguiti localmente.
Questo ha una conseguenza importante.
Controlli centralizzati come:
- filtri del provider;
- rifiuto di determinate richieste;
- limiti di utilizzo;
- sospensione dell’account;
possono diventare meno efficaci se il modello viene eseguito direttamente sulle macchine compromesse.
Il problema della sicurezza si sposta quindi dall’accesso al modello alla protezione dell’infrastruttura.
Non significa che tutti i computer siano già vulnerabili
La dimostrazione non va trasformata in un allarme generalizzato.
Il prototipo è stato testato in un ambiente controllato e costruito appositamente per la ricerca.
I ricercatori hanno inoltre condiviso pubblicamente il lavoro soltanto dopo aver rimosso dettagli che avrebbero potuto facilitare l’utilizzo offensivo della tecnica e dopo essersi confrontati con istituzioni scientifiche e di sicurezza.
Il valore dello studio sta quindi soprattutto nell’anticipare un rischio.
Mostra che l’unione tra agenti AI e malware autonomi può rendere possibili attacchi meno rigidi e più capaci di adattarsi alle condizioni incontrate.
La difesa non può affidarsi a una sola correzione
Con un worm classico, una patch può chiudere la vulnerabilità principale sfruttata per la propagazione.
Con un malware che può cercare percorsi differenti, questo approccio diventa meno sufficiente.
La protezione deve riguardare l’insieme dell’infrastruttura.
Un dispositivo non aggiornato può offrire una strada.
Una password debole può offrirne un’altra.
Un servizio esposto male può diventare il passaggio successivo.
La sicurezza diventa quindi sempre più multilivello.
Aggiornamenti e credenziali rimangono centrali
Il fatto che l’attacco utilizzi l’intelligenza artificiale non rende inutili le misure tradizionali.
Anzi.
Il professor Nicolas Papernot, responsabile del gruppo di ricerca, sottolinea proprio l’importanza di:
- installare gli aggiornamenti;
- utilizzare password robuste;
- attivare l’autenticazione multifattore;
- ridurre le configurazioni deboli;
- proteggere ogni dispositivo collegato alla rete.
L’AI rende il malware più bravo a cercare opportunità.
Il modo più efficace per limitarne l’azione rimane ridurre il numero di opportunità disponibili.
Cosa significa per la tua azienda
La ricerca dell’Università di Toronto mostra una possibile evoluzione degli attacchi: malware che non eseguono soltanto istruzioni predefinite, ma analizzano l’ambiente e decidono autonomamente come procedere.
Per una PMI significa rafforzare alcune pratiche già fondamentali:
- aggiornare sistemi e dispositivi IoT;
- utilizzare autenticazione multifattore;
- eliminare account e servizi non necessari;
- segmentare la rete quando possibile;
- limitare i privilegi degli utenti;
- monitorare comportamenti e traffico anomali;
- conoscere realmente quali dispositivi sono collegati all’infrastruttura.
L’intelligenza artificiale non rende improvvisamente obsolete tutte le difese esistenti.
Rende però più costoso lasciare aperte molte piccole vulnerabilità contemporaneamente.
DigiFe affianca le imprese nella sicurezza informatica, dalla verifica dell’infrastruttura alla protezione dei servizi e dei dispositivi che compongono la rete aziendale.
