RICERCA
Gennaio 2026: driver firmati usati come armi, neuroni della sicurezza, password manager
RansomwareCatena di fornituraSicurezza OT e industria
Gennaio 2026 è il mese di NDSS. Il malware porta con sé driver firmati e vulnerabili per spegnere le difese, e un'architettura come ACE separa la pianificazione degli agenti dalle app non fidate. Pochi neuroni reggono l'allineamento degli LLM, i password manager desktop cedono a tasti simulati e gli alias email confondono le identità. Completano il mese firmware IoT, PLC e pacchetti PyPI.
Archivio: ricostruzione scritta a novembre 2026
1. Unveiling BYOVD Threats: Malware's Use and Abuse of Kernel Drivers
Network and Distributed System Security Symposium · Andrea Monzani, Antonio Parata, Andrea Oliveri, Simone Aonzo et al. · Malware e minacce
In breve: Una sandbox che segue i driver fin dentro il kernel smaschera gli attacchi BYOVD e sette driver vulnerabili sconosciuti.
Negli attacchi BYOVD il malware carica un driver Windows legittimo e firmato ma vulnerabile, per entrare nel kernel e spegnere le difese, e le sandbox pubbliche non lo vedono. Gli autori costruiscono una tassonomia delle fasi e una sandbox basata su virtualizzazione che segue ogni passo del driver: su 8.779 campioni e 773 driver segnalano 48 casi sospetti e sette driver vulnerabili inediti.
Perché conta. La tecnica è usata da ransomware e gruppi statali per disattivare l'EDR: il controllo dei driver caricabili riduce un vettore di sinistri gravi.
2. Actively Understanding the Dynamics and Risks of the Threat Intelligence Ecosystem
Network and Distributed System Security Symposium · Tillson Galloway, Omar Alrawi, Allen Chang, Athanasios Avgetidis et al. · Malware e minacce
In breve: Seguendo campioni marcati nella filiera della threat intelligence, gli autori trovano ritardi, colli di bottiglia e punti sfruttabili.
L'ecosistema della threat intelligence vale miliardi, ma il suo funzionamento era ignoto. Gli autori inviano campioni con indicatori marcati e ne seguono la diffusione tra i fornitori. Quando l'informazione circola le minacce vengono quasi sempre bloccate, ma chi condivide in modo selettivo o in ritardo di ore o giorni rallenta tutti, e le sandbox facili da riconoscere vengono già aggirate.
Perché conta. La velocità con cui un indicatore arriva ai propri strumenti dipende dalla filiera dei fornitori: è un elemento da valutare quando li si sceglie.
3. DySec: A Machine Learning-Based Dynamic Analysis for Detecting Malicious Packages in PyPI Ecosystem
IEEE Transactions on Information Forensics and Security · Sk. Tanzir Mehedi, Chadni Islam, Gowri Sankar Ramachandran, Raja Jurdak · Supply chain del software
In breve: DySec osserva con eBPF cosa fa un pacchetto PyPI mentre si installa e riconosce quelli malevoli con il 96% di accuratezza.
I pacchetti Python malevoli sfruttano la fiducia nei repository open source con nomi simili a quelli legittimi e payload generati al volo. DySec monitora l'installazione con sonde eBPF e misura 36 comportamenti, da chiamate di sistema a traffico di rete. Su 14.271 pacchetti raggiunge il 96% di accuratezza e ha trovato sei pacchetti malevoli che PyPI considerava innocui.
Perché conta. Un pacchetto malevolo installato da uno sviluppatore può arrivare in molti prodotti: l'analisi del comportamento all'installazione chiude un varco.
4. ACE: A Security Architecture for LLM-Integrated App Systems
Network and Distributed System Security Symposium · Enlai Li, Tushin Mallick, Evan Rose, William Robertson et al. · Sicurezza di AI e LLM
In breve: ACE pianifica il lavoro dell'agente solo con informazioni fidate e isola le app di terzi durante l'esecuzione.
Nei sistemi in cui un LLM richiama app di terzi, un'app malevola può alterare il piano, bloccare l'esecuzione o rubare dati. Gli autori mostrano nuovi attacchi e propongono ACE: prima un piano astratto costruito solo con dati fidati e verificato rispetto ai vincoli dell'utente, poi l'esecuzione con barriere tra le app. Resiste agli attacchi dei benchmark di iniezione indiretta.
Perché conta. Applicare principi classici di sicurezza dei sistemi agli agenti è la strada per renderli controllabili e quindi valutabili.
5. NeuroStrike: Neuron-Level Attacks on Aligned LLMs
Network and Distributed System Security Symposium · Lichao Wu, Sasha Behrouzi, Mohamadreza Rostami, Maximilian Thang et al. · Sicurezza di AI e LLM
In breve: Spegnendo meno dello 0,6% dei neuroni di alcuni strati, NeuroStrike aggira l'allineamento di oltre 20 LLM aperti.
L'allineamento di sicurezza degli LLM dipende da pochi neuroni specializzati nel riconoscere richieste dannose. Con accesso al modello, NeuroStrike li individua e li disattiva: rimuovendo meno dello 0,6% dei neuroni ottiene in media il 76,9% di successo su oltre 20 modelli aperti. Senza accesso, addestra generatori di prompt su modelli simili e raggiunge il 63,7% su cinque modelli chiusi.
Perché conta. Le protezioni dei modelli a pesi aperti si rimuovono con poco sforzo: chi li usa deve aggiungere controlli propri a valle.
6. Vault Raider: Stealthy UI-based Attacks Against Password Managers in Desktop Environments
Network and Distributed System Security Symposium · Andrea Infantino, Mir Masood Ali, Kostas Solomos, Jason Polakis · Identità e autenticazione
In breve: Su Windows e Linux un'app malevola può rubare password e codici dai password manager con tasti simulati invisibili.
Nel browser l'autocompletamento dei password manager protegge dal phishing perché conosce il dominio. Sul desktop, con le app native, la situazione cambia. Gli autori analizzano password manager diffusi come 1Password e LastPass su macOS, Windows e Linux: macOS offre buone protezioni, mentre su Windows mancano i controlli e un'altra app può sottrarre credenziali, codici monouso e chiavi del vault.
Perché conta. Il password manager è il punto in cui si concentrano tutte le credenziali: una sua debolezza amplifica l'impatto di un'infezione.
7. One Email, Many Faces: A Deep Dive into Identity Confusion in Email Aliases
Network and Distributed System Security Symposium · M. Wu, Geng Hong, Jiatao Chen, Baojun Liu et al. · Identità e autenticazione
In breve: Gli alias email confondono provider e piattaforme: 139 account npm da un solo indirizzo e utenti più esposti al phishing.
I provider trattano alias come [email protected] come lo stesso indirizzo, mentre molte piattaforme li vedono come identità diverse. Su 28 provider e 18 piattaforme solo Gmail documenta del tutto le regole e 11 provider supportano alias non documentati. Un attaccante ha creato 139 account npm da una sola email, e il 31,65% di chi conosce gli alias scambia email di phishing per legittime.
Perché conta. L'email è la chiave di recupero di quasi tutti gli account: regole ambigue sugli alias aprono la strada a frodi e furti d'identità.
8. FirmAgent: Leveraging Fuzzing to Assist LLM Agents with IoT Firmware Vulnerability Discovery
Network and Distributed System Security Symposium · Jiangan Ji, Chao Zhang, Shuitao Gan, Lin Jian et al. · Sistemi cyber-fisici e IoT
In breve: FirmAgent unisce fuzzing e agenti LLM e trova 140 vulnerabilità nuove in 14 firmware IoT reali.
L'analisi statica del firmware IoT, anche con LLM, produce molti falsi positivi, mentre il fuzzing ne perde molte. FirmAgent usa il fuzzing per individuare dove entrano i dati e ricostruire i percorsi a rischio, poi un agente LLM analizza quei percorsi e un altro prepara i casi di prova. Su 14 firmware reali trova 182 vulnerabilità con il 91% di precisione, 140 nuove e 17 con CVE.
Perché conta. I dispositivi IoT nelle reti aziendali hanno falle numerose e poco visibili: strumenti più efficaci accelerano la scoperta, per difensori e attaccanti.
9. Discovering Blind-Trust Vulnerabilities in PLC Binaries via State Machine Recovery
Network and Distributed System Security Symposium · Fangzhou Dong, Arvind S. Raj, Efrén López-Morales, Siyu Liu et al. · Sistemi cyber-fisici e IoT
In breve: Ta'veren ricostruisce la macchina a stati dei PLC dal binario e trova controlli di sicurezza mancanti sugli ingressi.
I PLC comandano impianti fisici. Molte vulnerabilità nascono da controlli assenti o incompleti sugli ingressi dei sensori, che il PLC accetta alla cieca. Ta'veren individua queste falle direttamente dai binari, senza codice sorgente né emulazione, ricostruendo la macchina a stati del controllore, e scopre violazioni di sicurezza critiche in PLC reali.
Perché conta. Nell'industria un difetto di logica può causare danni materiali e fermi: un'analisi possibile senza il codice del produttore aiuta chi gestisce gli impianti.
Le tendenze del mese
Sicurezza di AI e LLM
525 paper del mese su questo tema
Con 525 paper su 2.920 la sicurezza dell'AI resta il primo tema. NeuroStrike mostra che l'allineamento poggia su pochissimi neuroni, facili da spegnere nei modelli aperti, mentre ACE applica agli agenti principi classici di sicurezza dei sistemi, separando la pianificazione dai dati non fidati. La protezione si sposta dal modello all'architettura che lo circonda.
Paper citati:
- ACE: A Security Architecture for LLM-Integrated App Systems
- NeuroStrike: Neuron-Level Attacks on Aligned LLMs
Malware e minacce
79 paper del mese su questo tema
Tre lavori guardano a dove si nasconde il malware e a quanto in fretta lo si ferma. I driver firmati e vulnerabili restano un modo efficace per spegnere l'EDR, la filiera della threat intelligence funziona ma ha colli di bottiglia di ore o giorni, e l'osservazione del comportamento all'installazione scova pacchetti PyPI malevoli che i controlli statici lasciano passare.
Paper citati:
- Unveiling BYOVD Threats: Malware's Use and Abuse of Kernel Drivers
- Actively Understanding the Dynamics and Risks of the Threat Intelligence Ecosystem
- DySec: A Machine Learning-Based Dynamic Analysis for Detecting Malicious Packages in PyPI Ecosystem
Identità e autenticazione
143 paper del mese su questo tema
L'identità digitale mostra punti deboli inattesi. I password manager, sicuri nel browser, sul desktop possono cedere credenziali e codici a un'altra app, e le regole poco chiare sugli alias email permettono di moltiplicare gli account e rendono il phishing più credibile proprio per gli utenti più esperti.
Paper citati:
- Vault Raider: Stealthy UI-based Attacks Against Password Managers in Desktop Environments
- One Email, Many Faces: A Deep Dive into Identity Confusion in Email Aliases
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: 2920.