RICERCA
Agosto 2025: punteggi di vulnerabilità discordanti, modelli avvelenati, voci clonate
Catena di fornituraRansomwareSicurezza OT e industria
Agosto 2025 mette in dubbio strumenti di base. CVSS, EPSS e gli altri sistemi di punteggio classificano in modo molto diverso le stesse vulnerabilità, e gli scanner dei modelli AI non vedono la maggior parte dei modi per avvelenarli. Le chiamate con voce clonata si smascherano con prove di ascolto, e i misuratori di robustezza delle password rivelano le password su cui sono stati addestrati.
Archivio: ricostruzione scritta a novembre 2026
1. Conflicting Scores, Confusing Signals: An Empirical Study of Vulnerability Scoring Systems
ACM Conference on Computer and Communications Security · Viktoria Koscinski, Mark Nelson, Ahmet Okutan, Robert Falso et al. · Sicurezza di AI e LLM
In breve: Su 600 vulnerabilità reali, CVSS, SSVC, EPSS ed Exploitability Index danno priorità molto diverse.
Il primo confronto su larga scala legato agli esiti reali mette a confronto CVSS, SSVC, EPSS e l'Exploitability Index su 600 vulnerabilità tratte da quattro mesi di Patch Tuesday di Microsoft. I sistemi classificano le stesse vulnerabilità in modo molto diverso e catturano in misura diversa il rischio di sfruttamento reale, con effetti sulle decisioni di chi si affida a questi punteggi.
Perché conta. Molti questionari per l'assunzione del rischio e piani di patching si basano su un solo punteggio: la scelta del sistema cambia quali falle vengono corrette per prime.
2. The Art of Hide and Seek: Making Pickle-Based Model Supply Chain Poisoning Stealthy Again
arXiv · Tong Liu, Guozhu Meng, Peng Zhou, Zizhuang Deng et al. · Supply chain del software
In breve: Gli scanner dei modelli AI non vedono 19 dei 22 modi di caricare un modello pickle avvelenato.
Molti framework AI salvano i modelli con pickle, un formato che può eseguire codice al caricamento, e le piattaforme di condivisione amplificano il rischio. Il primo studio sistematico trova 22 percorsi di caricamento in cinque framework, 19 ignorati dagli scanner esistenti, una tecnica di aggiramento con 7 varianti che sfuggono a tutti gli scanner e 133 funzioni sfruttabili.
Perché conta. La scansione automatica dei modelli scaricati non è una garanzia: servono formati sicuri e regole su quali modelli possono entrare in produzione.
3. NodeShield: Runtime Enforcement of Security-Enhanced SBOMs for Node.js
ACM Conference on Computer and Communications Security · Eric Cornelissen, Musard Balliu · Supply chain del software
In breve: NodeShield fa rispettare a runtime l'SBOM di un'app Node.js e limita le risorse a cui ogni dipendenza accede.
L'ecosistema Node.js è un bersaglio frequente degli attacchi alla filiera software. NodeShield usa l'SBOM come fonte di verità sulle dipendenze e lo estende con un elenco di capacità, il CBOM, che indica a quali risorse di sistema ogni componente può accedere. Applica entrambi a runtime senza modificare il codice, impedendo a un componente di usare dipendenze o risorse non dichiarate.
Perché conta. L'SBOM passa da documento di conformità a controllo attivo: un pacchetto compromesso resta confinato alle risorse dichiarate.
4. PITCH: AI-assisted Tagging of Deepfake Audio Calls using Challenge-Response
ACM Asia Conference on Computer and Communications Security · Govind Mittal, Arthur Jakobsson, Kelly Ann Marshall, Chinmay Hegde et al. · Policy, diritto e società
In breve: Prove di ascolto durante la chiamata aiutano a smascherare le voci clonate in tempo reale.
La clonazione vocale in tempo reale aggira l'autenticazione telefonica basata sulla voce. PITCH propone 20 prove di ascolto basate su udito, linguistica e ambiente, testate su 1,6 milioni di campioni falsi di 100 persone. Le prove portano il rilevamento automatico a un AUROC dell'88,7%; un sistema che unisce persona e AI segnala le chiamate sospette come «probabile deepfake».
Perché conta. I call center di banche e assicurazioni che autenticano con la voce sono esposti alla frode d'identità: servono controlli attivi durante la chiamata.
5. On the Account Security Risks Posed by Password Strength Meters
ACM Asia Conference on Computer and Communications Security · Ming Xu, Weili Han, Jitao Yu, Jing Liu et al. · Identità e autenticazione
In breve: I misuratori di robustezza delle password rivelano le password su cui sono addestrati e aiutano gli attaccanti.
Su 11 misuratori di robustezza delle password, 5 basati sui dati sono esposti ad attacchi di membership inference che rivelano tra 10.000 e 100.000 password di addestramento, e 3 basati su regole mostrano in chiaro le password vietate. Sui siti che usano il diffuso misuratore Zxcvbn, un attacco che ne tiene conto compromette il 5,84% di account in più entro 10 tentativi.
Perché conta. Un componente pensato per rafforzare le password diventa una fonte di informazioni per chi tenta l'accesso agli account.
6. MoEcho: Exploiting Side-Channel Attacks to Compromise User Privacy in Mixture-of-Experts LLMs
ACM Conference on Computer and Communications Security · Ruyi Ding, Tianhong Xu, Xinyi Shen, Aidong Adam Ding et al. · Hardware e canali laterali
In breve: Le tracce hardware dei modelli Mixture-of-Experts rivelano prompt e risposte degli utenti.
Le architetture Mixture-of-Experts attivano solo alcuni sottomodelli in base al significato dei token, e questo instradamento lascia tracce nell'hardware. MoEcho individua quattro nuovi canali laterali su CPU e GPU, tra cui contatori di prestazioni e TLB, e li usa per attacchi che deducono i prompt e ricostruiscono le risposte di LLM e modelli visione-linguaggio basati su MoE.
Perché conta. Su infrastrutture condivise, l'efficienza dei grandi modelli apre una via per leggere le conversazioni altrui: è un rischio per i servizi AI multi-cliente.
7. Minerva: A File-Based Ransomware Detector
ACM Asia Conference on Computer and Communications Security · Dorjan Hitaj, Giulio Pagnotta, Fabio De Gaspari, Lorenzo De Carli et al. · Malware e minacce
In breve: Minerva rileva il ransomware dai file, resiste ai tentativi di elusione e lo individua in mezzo secondo.
I rilevatori comportamentali di ransomware basati sui processi sono vulnerabili all'elusione. Minerva è progettato per resistervi fin dalla scelta di architettura e caratteristiche, e lavora sull'attività sui file. Riconosce ransomware di vari tipi, anche mai visti o costruiti apposta per eluderlo, e oltre il 99% dei casi rilevati viene individuato entro 0,52 secondi di attività.
Perché conta. Un rilevamento in meno di un secondo limita i file cifrati e quindi il danno: è il tipo di controllo che riduce la gravità media di un sinistro ransomware.
8. QUIC-Exfil: Exploiting QUIC's Server Preferred Address Feature to Perform Data Exfiltration Attacks
ACM Asia Conference on Computer and Communications Security · Thomas Grübl, Weijie Niu, Jan von der Assen, Burkhard Stiller · Sicurezza di rete
In breve: Una funzione di QUIC permette di esfiltrare dati mascherandoli da normale migrazione della connessione.
QUIC trasporta ormai una parte rilevante del traffico Internet, e le sue caratteristiche lo rendono difficile da gestire per i firewall. QUIC-Exfil sfrutta la funzione server preferred address per inviare dati rubati a un server malevolo, camuffandoli da migrazione lato server. Cinque classificatori di anomalie, addestrati su circa 700.000 connessioni, faticano a riconoscerlo.
Perché conta. I controlli di rete contro l'esfiltrazione pensati per TLS e DNS non coprono QUIC: va verificato se le difese perimetrali lo ispezionano davvero.
9. Virtual Reality, Real Problems: A Longitudinal Security Analysis of VR Firmware
ACM Conference on Computer and Communications Security · Vamsi Shankar Simhadri, Yichang Xiong, Habiba Farrukh, Xiaokuan Zhang · Sistemi cyber-fisici e IoT
In breve: 300 versioni del firmware dei visori Quest e Pico mostrano protezioni del kernel mancanti e permessi incoerenti.
I visori VR raccolgono molti dati dai sensori e usano versioni personalizzate di Android. La prima analisi completa del loro firmware esamina oltre 300 versioni di Meta Quest e Pico, a livello di kernel, binari di sistema e applicazioni. Emergono funzioni di sicurezza del kernel mancanti, binari poco protetti, permessi applicati in modo incoerente e regole SELinux insufficienti.
Perché conta. I visori entrano in formazione, sanità e lavoro: i dati biometrici e di movimento che raccolgono rendono una violazione più grave di quella di un dispositivo comune.
Le tendenze del mese
Supply chain del software
11 paper del mese su questo tema
La filiera software si allarga ai modelli AI. Gli scanner che dovrebbero bloccare i modelli pickle avvelenati non vedono la maggior parte dei percorsi d'attacco, mentre per Node.js l'SBOM diventa un controllo attivo che confina ogni dipendenza alle risorse dichiarate. La direzione è la stessa: passare dall'inventario alla limitazione di ciò che ogni componente può fare.
Paper citati:
- The Art of Hide and Seek: Making Pickle-Based Model Supply Chain Poisoning Stealthy Again
- NodeShield: Runtime Enforcement of Security-Enhanced SBOMs for Node.js
Malware e minacce
54 paper del mese su questo tema
Tre lavori toccano strumenti quotidiani della difesa. I sistemi di punteggio delle vulnerabilità non concordano sulle priorità, un rilevatore di ransomware basato sui file reagisce in mezzo secondo e resiste all'elusione, e QUIC offre un canale di esfiltrazione che i controlli pensati per TLS e DNS non vedono. Per chi valuta un'azienda, contano gli strumenti usati, non solo la loro presenza.
Paper citati:
- Conflicting Scores, Confusing Signals: An Empirical Study of Vulnerability Scoring Systems
- Minerva: A File-Based Ransomware Detector
- QUIC-Exfil: Exploiting QUIC's Server Preferred Address Feature to Perform Data Exfiltration Attacks
Identità e autenticazione
50 paper del mese su questo tema
L'autenticazione resta il punto in cui la frode entra. La voce clonata in tempo reale mette in crisi i call center che riconoscono i clienti al telefono, mentre i misuratori di robustezza delle password, pensati come aiuto, rivelano informazioni utili a chi tenta l'accesso. In entrambi i casi la difesa richiede controlli attivi, non solo la fiducia nel canale.
Paper citati:
- PITCH: AI-assisted Tagging of Deepfake Audio Calls using Challenge-Response
- On the Account Security Risks Posed by Password Strength Meters
Come nasce questo digest
Questo numero fa parte dell'archivio del digest, ricostruito a posteriori. I paper del mese sono stati raccolti da arXiv, dall'archivio IACR ePrint e dalle principali conferenze e riviste di sicurezza; nella scelta contano anche le citazioni ricevute dopo l'uscita. Un modello di intelligenza artificiale ha valutato i candidati e scritto le sintesi, che si basano sugli abstract: per i dettagli fa fede il paper originale.
Paper del mese valutati: 1434.