22/11/2026, 20.05
di Giuliasegue mercato, imprese e finanza agevolata
Condividi su Facebook Condividi su Twitter Condividi su Pinterest Condividi su Telegram Condividi su WhatsApp

AI e Zero-Day: l'automazione della scoperta di vulnerabilità nel 2026

L'AI accelera la scoperta di vulnerabilità zero-day a velocità macchina. Analisi dell'impatto su supply chain, robotica e imprese tra NIS2 e nuovi exploit.
AI e Zero-Day: l'automazione della scoperta di vulnerabilità nel 2026
In sintesi
  • Sistemi AI come NOVA hanno individuato 14.090 vulnerabilità in due mesi, con il 99,4% precedentemente ignote.
  • La finestra temporale tra la scoperta di un bug e la sua weaponizzazione si è ridotta da settimane a poche ore.
  • L'ecosistema della Physical AI e della robotica è particolarmente esposto, con 28 zero-day trovati in meno di due giorni.
  • Per le imprese, la difesa si sposta verso il virtual patching e l'integrazione di AI-driven SAST nelle pipeline CI.

Un ricercatore di sicurezza apre il proprio terminale. La strategia è chirurgica: filtrare su GitHub i repository in linguaggio TypeScript che abbiano più di 500 stelle, che non siano archiviati e, soprattutto, che mostrino una bassa attività di commit recente. Il ragionamento è semplice: dove c'è un vuoto nella manutenzione, c'è un vuoto nella sicurezza. In pochi istanti, la lista si stringe a 140 candidati. A questo punto non interviene l'uomo, ma un agente AI. Utilizzando Claude Code con istruzioni specifiche per mappare i percorsi del codice relativi all'autenticazione e segnalare pattern conformi alla OWASP Top 10, l'intelligenza artificiale setaccia i repository. In parallelo, Cursor gestisce la revisione rapida dei diff, mentre una directory di scratch esporta la cronologia git in JSON per permettere all'AI di individuare regressioni di sicurezza. Questo processo, descritto da Phillip Bucchi di Valtik Studios, non è più un esperimento, ma la routine di un pentester che opera in produzione nel 2026.

Il collasso della finestra di patch: l'era della velocità macchina

Il paradigma della cybersecurity è mutato. Se in passato il tempo intercorso tra la pubblicazione di una CVE (Common Vulnerabilities and Exposures) e la creazione di una Proof of Concept (PoC) utilizzabile per un attacco era misurato in settimane, oggi tale intervallo è ridotto a poche ore. Questa accelerazione è dovuta alla capacità delle AI di automatizzare non solo la ricerca del bug, ma anche l'analisi di come i sistemi comunicano e la verifica dell'effettiva sfruttabilità di una debolezza.

L'impatto è critico quando si parla di zero-day, ovvero vulnerabilità sconosciute al produttore e prive di correzioni. Quando la scoperta avviene a velocità macchina, i team di difesa si trovano con un tempo di reazione quasi nullo. Secondo l'analisi di Unit 42 di Palo Alto Networks, gli attaccanti non necessitano nemmeno dell'ultimo modello di frontiera per essere efficaci: possono utilizzare l'AI per fare reverse engineering delle patch appena rilasciate e sviluppare exploit automatici in tempi record.

Analisi strategica: Per l'imprenditore, questo significa che l'aggiornamento del software non è più un'operazione di manutenzione periodica, ma una corsa contro il tempo. La dipendenza da patch manuali è diventata un rischio operativo inaccettabile. La strategia deve spostarsi verso il virtual patching, che permette di mitigare la vulnerabilità a livello di rete o di firewall prima ancora che il vendor rilasci l'aggiornamento definitivo.

14.090 vulnerabilità in 60 giorni: i numeri di NOVA

La portata di questa trasformazione è quantificabile attraverso i dati del sistema NOVA (Network and Open-Source Vulnerability Analyzer). Sviluppato da Unit 42, NOVA è un sistema di ricerca agentico che combina diversi modelli di AI di frontiera con harness proprietari per l'analisi autonoma del software open-source. I risultati di un test condotto in soli due mesi sono emblematici della nuova scala del rischio:

  • Progetti open-source analizzati: 3.915
  • Vulnerabilità confermate individuate: 14.090
  • Percentuale di vulnerabilità precedentemente non segnalate: 99,4%
  • Vulnerabilità classificate come ad alta o critica severità: 40%

Il dato più allarmante non è solo il numero, ma la precisione. Quasi ogni modello di frontiera o open-weight testato è stato in grado di trovare vulnerabilità reali, raggiungendo i risultati migliori quando organizzato in un ensemble di modelli coordinati con strumenti di sicurezza specializzati. Unit 42 sta collaborando con enti come Lightwell e Akrites per la divulgazione responsabile di questi bug, ma il precedente è tracciato: l'industrializzazione della scoperta di vulnerabilità è realtà.

La corsa agli armamenti tra NOVA e i threat actor

Siamo di fronte a una competizione asimmetrica. Da un lato, sistemi come NOVA cercano di bonificare la supply chain del software; dall'altro, i threat actor utilizzano le stesse tecnologie per colpire bersagli reali. Un esempio eclatante riguarda l'ecosistema della Physical AI e della robotica. VicOne ha identificato 28 zero-day in meno di due giorni, colpendo strumenti utilizzati per l'addestramento, la simulazione e l'operatività dei robot, inclusi progetti mantenuti da giganti come NVIDIA, Google e Meta. The Robot Report evidenzia come queste debolezze possano compromettere non solo i dati, ma le istruzioni inviate fisicamente ai robot, influenzando la sicurezza operativa.

Chi vincerà questa corsa? Phillip Bucchi suggerisce che, sebbene l'offesa abbia un vantaggio immediato, l'economia della difesa prevarrà nel lungo periodo. Entro cinque anni, l'integrazione di strumenti come GitHub Advanced Security con Copilot Autofix, Snyk DeepCode o Semgrep Pro renderà la correzione automatica più economica della ricerca manuale dell'exploit. Tuttavia, questo scenario presuppone che le aziende adottino oggi pipeline di CI (Continuous Integration) che includano SAST (Static Application Security Testing) guidati dall'AI.

Analisi di scenario: L'evoluzione della difesa dipenderà dalla capacità di automatizzare la remediation. Indicatore verificabile: l'adozione di massa di sistemi di auto-patching autonomi (come Copilot Autofix) in almeno il 50% dei repository enterprise entro il 2027.

Resilienza industriale, NIS2 e automazione degli exploit

Per le imprese europee e italiane, questo scenario si inserisce in un quadro normativo stringente. La direttiva NIS2 impone obblighi rigorosi sulla sicurezza della supply chain e sulla gestione dei rischi. In un contesto dove l'AI può generare exploit a velocità macchina, la conformità formale alla norma non è più sufficiente a garantire la resilienza.

L'automazione della scoperta di bug colpisce duramente il settore manifatturiero e della robotica industriale. Se un agente AI può individuare una falla in un controller di un braccio robotico in poche ore, l'intera linea di produzione diventa un punto di vulnerabilità geopolitica. La dipendenza da software open-source, pur essendo un motore di innovazione, si trasforma in un vettore di rischio sistemico se non supportata da strumenti di analisi continua. Valtik Studios suggerisce che le aziende debbano implementare una lista di priorità trimestrali per aggiornare i propri modelli di minaccia, passando da una difesa reattiva a una proattiva basata sull'AI.

Il rischio per l'Italia è l'obsolescenza dei processi di cybersecurity nelle PMI industriali. Mentre i grandi player adottano sistemi di difesa agentici, le aziende medie potrebbero rimanere ancorate a cicli di patching mensili, diventando bersagli facili per attacchi automatizzati. La resilienza non passerà più per l'acquisto di un singolo software, ma per l'integrazione di processi di sicurezza che operino alla stessa velocità dell'attaccante.

'The question is whether your defensive program is built for a threat model where the time from CVE-public to weaponized PoC is measured in hours, not weeks'

In sintesi, l'AI ha industrializzato la vulnerabilità. Per l'imprenditore, l'unica difesa percorribile è l'automazione della difesa stessa: l'adozione di strumenti di scansione AI-driven e l'implementazione di strategie di virtual patching per chiudere il gap temporale che l'intelligenza artificiale ha spalancato.

Domande frequenti

Cos'è il sistema NOVA di Unit 42?

È un sistema di ricerca agentico basato su modelli di AI di frontiera progettato per scoprire, validare e segnalare autonomamente vulnerabilità nel software open-source.

Perché la robotica è particolarmente a rischio?

Perché l'AI può trovare rapidamente falle negli strumenti di simulazione e test (come quelli di NVIDIA o Google), permettendo potenzialmente di alterare le istruzioni inviate ai robot fisici.

Qual è la differenza tra patching tradizionale e virtual patching?

Il patching tradizionale richiede l'aggiornamento del codice dal vendor; il virtual patching implementa una regola di sicurezza (es. nel firewall) che blocca l'exploit prima che raggiunga la vulnerabilità, riducendo i tempi di risposta da giorni a ore.


Fonti: Therobotreport, Valtikstudios, Unit42 ·

glacom · Configuratore 3D industriale: varianti e preventivi senza errori →
Hai una domanda su questo dossier?

Scrivila qui: Susanna, l assistente AI di glacom, ti risponde via email con un approfondimento gratuito.

Nessuna consulenza personalizzata (finanziaria, legale o medica): solo informazione e fonti. Email usata solo per rispondere.

oppure scrivile su: WhatsApp · Telegram · SimpleX · Delta Chat · Email

Condividi su Facebook Condividi su Twitter Condividi su Pinterest Condividi su Telegram Condividi su WhatsApp
Visualizza per la stampa
CLOSE X
Vedi anche
Agility Robotics Nasdaq: il debutto e i 465 milioni di capitale
Agility Robotics punta al Nasdaq con un PIPE da 465 milioni guidato da Foxconn. Analisi su Digit 5, ordini futuri e strategia di quotazione tramite SP…
21/11/2026 12:12
Robotica e sicurezza: Trump e la nuova strategia industriale USA
Il Presidente Trump attiva la Sezione 232 per limitare l'import di robotica e macchinari industriali. Analisi dei rischi per la sicurezza nazionale e …
19/11/2026 13:14
Robotica Industriale e Physical AI: i dati e le tendenze per le imprese
Analisi del mercato robotico italiano: 8.783 installazioni nel 2024, l'ascesa della Physical AI e la transizione normativa verso il Regolamento Macchi…
18/11/2026 11:32
Robotica Nord America Q3 2026: Boom Ordini e Strategia Industriale
Analisi dei dati A3 sul mercato robotico nordamericano Q3 2026: +24,8% ordini, l'ascesa dei cobot e l'impatto dei semiconduttori sulla manifattura.
17/11/2026 14:34
Microsoft Copilot Harness in Foundry: l'orchestrazione dell'AI per imprese
Microsoft lancia Copilot Harness in Foundry: il runtime che trasforma i modelli LLM in agenti operativi. Analisi tecnica e strategica per imprenditori…
17/11/2026 07:52