AI nella cybersecurity offensiva: dai payload alle operazioni APT

L'AI come acceleratore, non come arma autonoma

Negli ultimi mesi il dibattito sull'intelligenza artificiale applicata agli attacchi informatici e diventato piu concreto. La lettura piu equilibrata, condivisa da gran parte dei ricercatori di sicurezza OT, e che oggi l'AI agisce soprattutto come acceleratore di efficienza: non introduce capacita offensive radicalmente nuove, ma riduce i tempi di sviluppo, moltiplica le varianti e automatizza decisioni che prima richiedevano lavoro manuale.

In altre parole, chi difende non sta ancora affrontando minacce completamente autonome. Sta pero gia affrontando attacchi piu rapidi, piu rumorosi e piu diversificati tra loro.

Dove gli attaccanti stanno usando l'AI

L'integrazione dell'AI nelle campagne malevole segue tre direttrici principali:

• Assistenza allo sviluppo e al red-teaming: i modelli aiutano a scrivere, rifinire e portare codice tra linguaggi diversi.
• Generazione diretta di payload: script e backdoor prodotti in modo semiautomatico, spesso riconoscibili da commenti insolitamente prolissi.
• Integrazione a runtime: malware che interrogano un modello linguistico durante l'esecuzione per prendere decisioni dinamiche.

Alcuni esempi documentati rendono il quadro tangibile:

Minaccia	Uso dell'AI
Slopoly	Backdoor C2 in PowerShell generata via AI per accesso rapido post-compromissione
Konni APT	Backdoor PowerShell con commenti estesi, indizio di generazione automatizzata
APT36	Produzione massiva di varianti con porting della logica tra Nim, Zig, Go e .NET
PromptLock	Ransomware che interroga un LLM in fase di esecuzione per scelte dinamiche
PROMPTFLUX	Dropper VBScript che rigenera codice offuscato in tempo reale

Perche la detection a firma perde colpi

Il punto critico per i difensori e questo: lo sviluppo assistito dall'AI permette di creare molti campioni funzionalmente identici ma strutturalmente diversi. Cambiando linguaggio, struttura e offuscamento a ogni iterazione, gli attaccanti erodono l'efficacia dei rilevamenti basati su firme statiche.

L'AI non genera nuove tecniche di attacco, ma rende economico produrne infinite varianti della stessa.

Va detto che molte di queste implementazioni restano sperimentali e ancora dipendenti dal delivery tradizionale e dall'intervento umano. La traiettoria, pero, e chiara.

L'angolo MON5: visibilita e anomalie negli ambienti OT

Per chi gestisce infrastrutture industriali e OT, la conseguenza pratica e che non ci si puo affidare solo agli indicatori statici. Quando il payload muta a ogni esecuzione, cio che resta stabile e il comportamento: la sequenza di azioni, il contesto di esecuzione, i flussi anomali.

Su questo terreno la difesa OT ha alcune leve specifiche:

• Visibilita completa degli asset: sapere quali dispositivi parlano, con chi e con quali protocolli e la base per riconoscere cio che e fuori posto. Una comunicazione API inattesa verso un servizio LLM da un sistema di controllo non autorizzato e gia un segnale forte.
• Correlazione delle vulnerabilita con il contesto d'impianto: una CVE non vale uguale ovunque. Pesarla rispetto a esposizione, criticita del processo e segmentazione di rete permette di prioritizzare cio che conta davvero.
• Monitoraggio delle anomalie senza fermare la produzione: l'analisi passiva del traffico industriale individua deviazioni comportamentali senza interferire con la continuita operativa, che in ambito OT non e negoziabile.

In sintesi

L'AI offensiva e una realta operativa, ma il suo effetto principale e quantitativo: piu velocita, piu varianti, piu rumore. La risposta non e inseguire ogni nuova firma, bensi spostare il baricentro della difesa verso il comportamento, il contesto e la visibilita continua. Per gli ambienti OT, dove l'integrita del processo viene prima di tutto, e proprio questo l'approccio che MON5 mette al centro.

Analisi e commento a cura di MON5 su ricerca e dati di pubblico dominio del settore OT/ICS.