Visa VVAH: l'AI che patcha il codice in autonomia senza umani
- Visa ha rilasciato VVAH, un sistema AI che automatizza l'intero ciclo di remediation: scoperta, scrittura della patch e validazione.
- Il processo avviene in 11 stadi e, per impostazione predefinita, modifica i file sorgente senza revisione umana preventiva.
- La sicurezza è garantita da un loop avversariale dove l'AI attacca la propria patch per testarne la tenuta.
- Il dibattito tra esperti divide chi vede l'efficienza del DevSecOps e chi teme la mancanza di gate di autorizzazione umana.
Il paradigma della sicurezza informatica sta subendo una mutazione genetica. Non si tratta più di accelerare il lavoro dell'analista, ma di rimuoverlo dal loop operativo. Visa ha rilasciato l'aggiornamento del suo Visa Vulnerability Agentic Harness (VVAH), un framework open-source che non si limita a segnalare i bug, ma riscrive il codice di produzione per correggerli, distribuendo le patch prima che qualsiasi occhio umano possa validarle.
11 stadi per riscrivere il codice senza umani
Il funzionamento di VVAH non è un semplice script di correzione, ma un processo orchestrato in 11 stadi distinti. Il sistema opera in un ciclo chiuso: identifica la falla di sicurezza, genera la soluzione tecnica e, in modo cruciale, sottopone tale soluzione a un pannello avversariale interno. Se la patch supera questo gauntlet di test, il sistema procede autonomamente a modificare i file sorgente nel repository di destinazione.
Questa configurazione è attiva per impostazione predefinita. L'operatore umano ha la possibilità di limitare l'azione del sistema alla sola fase di detection, ma la filosofia di prodotto di Visa spinge verso l'automazione totale. L'obiettivo è abbattere i tempi di risposta: secondo i dati riportati da Ground News, alcuni processi di correzione che prima richiedevano settimane sono stati ridotti a poche ore.
Il VVAH è nato dall'esperienza di Visa all'interno del Project Glasswing di Anthropic. In quel contesto, l'azienda ha testato le capacità di Claude Mythos applicandole a una rete che gestisce miliardi di transazioni giornaliere. I risultati hanno mostrato come il modello fosse in grado di concatenare debolezze minori per creare exploit funzionanti, dimostrando una capacità di ragionamento semantico che ha gettato le basi per l'attuale harness.
Perché il patching autonomo è diventato il prodotto?
La decisione di rendere l'automazione totale il default di VVAH non è un dettaglio tecnico, ma una scelta strategica. Rajat Taneja, presidente della tecnologia di Visa, sostiene che il collo di bottiglia della sicurezza si sia spostato. Se in passato il problema era trovare le vulnerabilità, oggi l'AI le individua a una velocità superiore a qualsiasi capacità umana nella storia dell'industria tecnologica. Di conseguenza, il nuovo ostacolo critico è la capacità di correggere e provare che la correzione sia effettiva.
Per Taneja, l'automazione non è una decisione di rischio, ma è il prodotto stesso. In un contesto di minacce zero-day, l'attesa di una revisione umana è vista come un punto di vulnerabilità. L'approccio di Visa sposta il ruolo dell'esperto di sicurezza dal coding manuale alla gestione di policy di alto livello e alla gestione delle eccezioni.
L'adozione del mercato sta confermando l'interesse per questo modello. Dal rilascio su GitHub a giugno, il progetto è passato da 595 stelle a oltre 2.300, con un rapporto clone-to-visitor vicino al 9%. Taneja ha confermato che diverse aziende di alto profilo hanno già iniziato a implementare l'harness.
Il loop di auto-attacco tra Claude Mythos e il pannello avversariale
La validazione di una patch scritta da un'AI presenta un rischio intrinseco: l'introduzione di nuove vulnerabilità o l'inefficacia della correzione. Per mitigare questo rischio, Visa ha implementato un sistema di auto-attacco. Il processo non è lineare, ma circolare.
Il sistema utilizza le capacità di ragionamento semantico di modelli come Claude Mythos per generare la patch e, contemporaneamente, attiva un pannello avversariale. Questo pannello è una suite di test progettata specificamente per rompere la patch appena creata. Se l'attacco ha successo, il sistema non riparte da zero, ma affina la soluzione in un loop di remediation chiusa finché la validazione non è superata.
Questo metodo di self-harming è pensato per stabilire una linea di base di sicurezza più elevata rispetto alla revisione umana, che Visa definisce spesso ritardata e soggetta a errori. L'integrazione di diversi modelli AI all'interno del framework serve inoltre a ridurre il Mean Time to Adapt, permettendo al sistema di evolvere rapidamente al variare delle minacce.
Chi ha ragione tra Rajat Taneja e Steve Wilson?
L'approccio di Visa ha sollevato un acceso dibattito tra i leader della sicurezza. Da un lato, Rajat Taneja vede l'automazione totale come l'unica risposta possibile alla velocità dell'AI offensiva. Dall'altro, Steve Wilson, Chief AI and Product Officer di Exabeam e co-lead del progetto OWASP Top 10 per le applicazioni LLM, propone una visione opposta.
Wilson sostiene la necessità di un gate di autorizzazione esterno al modello. La sua posizione è chiara: 'The agent can propose the exact DNS change, but it cannot grant itself the authority to make it'. In sostanza, Wilson ritiene che l'AI possa suggerire la correzione esatta, ma non debba mai avere l'autorità di applicarla autonomamente in produzione.
Il contrasto è filosofico e operativo:
- Visione Taneja (Visa): La velocità è la priorità. Il rischio di un ritardo umano è superiore al rischio di un errore dell'AI validato da un loop avversariale.
- Visione Wilson (Exabeam): Il controllo è la priorità. L'assenza di un gate umano crea un rischio di accountability e potenziali conseguenze impreviste su infrastrutture critiche.
L'evento che ha accentuato questa divergenza è stata la dimostrazione di GhostJacking al DEF CON 34 da parte di Tenet Security. In quell'attacco, un agente ha letto un payload da un file di log e ha riscritto il DNS utilizzando credenziali valide. Un incidente del genere suggerisce che un'AI con permessi di scrittura autonomi potrebbe, in teoria, essere manipolata per compromettere il sistema che dovrebbe proteggere.
L'automazione del codice tra AI Act e la gestione del rischio nelle fintech UE
L'implementazione di sistemi come VVAH in Europa, e specificamente nel settore fintech, si scontra con un quadro normativo estremamente rigoroso. L'introduzione di patch autonome in produzione senza revisione umana pone questioni critiche di compliance.
Analisi strategica e geopolitica: L'AI Act dell'Unione Europea classifica i sistemi AI in base al rischio. Un sistema che modifica autonomamente il codice di infrastrutture finanziarie critiche potrebbe essere accostato a sistemi ad alto rischio, richiedendo livelli di trasparenza, documentazione e supervisione umana che contrastano con il default 'zero-human' di Visa. Inoltre, la direttiva NIS2 impone obblighi severi sulla gestione del rischio e sulla resilienza delle reti. Un errore autonomo che causi un downtime sistemico in una banca europea potrebbe portare a sanzioni pesanti, indipendentemente dall'efficienza del loop avversariale.
Per le imprese italiane, l'adozione di strumenti simili a VVAH rappresenta un dilemma tra competitività tecnica e sicurezza legale. Se da un lato l'automazione riduce drasticamente i costi di manutenzione e il tempo di esposizione alle vulnerabilità, dall'altro sposta la responsabilità legale dall'errore del programmatore alla scelta del framework di orchestrazione.
Gli scenari futuri dipenderanno da due indicatori verificabili: 1. L'evoluzione delle linee guida dell'ENISA sull'uso di agenti autonomi per la cybersecurity: se l'agenzia europea accetterà il concetto di validazione avversariale come sostituto della firma umana, vedremo un'adozione di massa. 2. Il primo incidente di produzione su larga scala causato da una patch AI erroneamente validata: un evento di questo tipo sposterebbe l'ago della bilancia verso la posizione di Steve Wilson, rendendo i gate di autorizzazione obbligatori per legge.
In sintesi, Visa sta testando non solo un software, ma un nuovo modello di fiducia tecnologica. Il passaggio dalla supervisione umana alla validazione algoritmica è il vero salto quantico del DevSecOps, ma la sua accettazione dipenderà dalla capacità di dimostrare che un'AI che attacca se stessa sia più affidabile di un essere umano che revisiona il codice.
Domande frequenti
Cos'è esattamente il Visa Vulnerability Agentic Harness (VVAH)?
È un framework open-source che automatizza la scoperta di vulnerabilità, la creazione di patch e la loro validazione tramite un pannello avversariale, applicando le correzioni al codice di produzione autonomamente.
Come garantisce Visa che la patch automatica non rompa il sistema?
Attraverso un loop di auto-attacco: l'AI sottopone la patch a una serie di test avversariali progettati per romperla. Solo se la patch resiste a questi attacchi viene applicata al repository.
Qual è la principale critica mossa dagli esperti a questo sistema?
La mancanza di un gate di autorizzazione umano. Esperti come Steve Wilson sostengono che l'AI possa proporre la modifica, ma non debba avere l'autorità di applicarla senza un controllo umano esterno.
Fonti: Venturebeat, Aistart, Ground ·
glacom · Intelligenza artificiale per aziende: i modelli girano sui tuoi server, i dati non escono →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
