RICERCA
Agosto 2026: zero-day trovati con l'AI, ragionamenti cifrati esposti, TLS post-quantistico
Ad agosto 2026 i modelli linguistici aiutano a trovare 31 zero-day nei lettori PDF e falle nei core 5G e nei client di Ethereum. I ragionamenti cifrati restituiti dalle API dei modelli si possono far decifrare a un modello più debole, e la cache condivisa dei chip Apple lascia spiare la GPU. Un'analisi sistematica mostra che migrare TLS al post-quantistico è un problema di architettura.
Archivio: ricostruzione scritta a novembre 2026
1. From Documentation to Zero-day Vulnerabilities: LLM-Driven Fuzzing of JavaScript Engines in PDF Readers
arXiv · Suyue Guo, Stijn Pletinckx, Tianle Yu, Yigitcan Kaya et al. · Sicurezza di sistemi e software
In breve: PDFuzzer usa un modello linguistico per generare sequenze di chiamate JavaScript e trova 31 zero-day in Acrobat, Foxit e PDF-XChange.
I fuzzer per lettori PDF testano una chiamata API alla volta e mancano le falle legate alle sequenze. PDFuzzer ricava dai manuali e dalle tracce di esecuzione una grammatica delle API JavaScript e le relazioni tra chiamate, poi genera sequenze concrete con un risolutore di vincoli. Copre fino al 48% di codice in più e trova 31 vulnerabilità, fino all'esecuzione di codice.
Perché conta. I PDF restano un vettore classico di attacco via email: i lettori più diffusi in azienda avevano ancora decine di falle sconosciute.
2. Drishti: AI-Led Human-Directed Vulnerability Auditing for 5G Cores
arXiv · Sriram Ramachandran, Levente Csikor, Dinil Mon Divakaran · Sicurezza di rete
In breve: Drishti affianca AI e revisori umani per validare le falle nei core 5G open source e ne trova tre in Open5GS e free5GC.
Trovare possibili difetti con l'AI ormai costa poco: il collo di bottiglia è verificarli, capire se sono raggiungibili, valutarne l'impatto e controllare le patch. Drishti affronta ciascuno di questi passi. Su Open5GS e free5GC trova un crash prima dell'autenticazione, un input di 2 byte che esaurisce la memoria di un componente centrale in 6,2 secondi e una patch per una CVE rimasta inefficace.
Perché conta. Le reti 5G private si diffondono in fabbriche e porti: falle così semplici possono fermare il servizio, e una patch pubblicata non garantisce che il problema sia chiuso.
3. SpecTrum: Specification-Guided Differential Fuzzing for Ethereum Consensus Clients
arXiv · Seokhun Jeong, Gyeongmin Dan, Sukyoung Ryu, Sungjae Hwang · Blockchain e DeFi
In breve: SpecTrum formalizza la specifica del consenso di Ethereum e trova 27 divergenze tra i cinque client principali.
La sicurezza di Ethereum dipende dal fatto che client indipendenti concordino su ogni transizione di stato. La specifica di riferimento, in Python, definisce la validità solo implicitamente. SpecTrum la riscrive con condizioni esplicite, misura quali coprono i test ufficiali e genera input per le altre. Sui cinque client principali trova 27 divergenze, 22 invisibili senza questa formalizzazione.
Perché conta. Una divergenza tra client può spezzare la catena o bloccarne la finalità: chi custodisce o assicura asset digitali dipende dalla correttezza di questo software.
4. Stealing Reasoning Traces from Proprietary LLM APIs
arXiv · Alexander Panfilov, David Schmotz, Ilia Shumailov, Luca Beurer-Kellner et al. · Sicurezza di AI e LLM
In breve: I ragionamenti cifrati restituiti dalle API dei modelli si possono far decifrare a un modello più debole dello stesso fornitore.
I principali fornitori nascondono i passaggi di ragionamento dei modelli restituendoli al cliente come blocchi cifrati. Gli autori scoprono che questi blocchi sono intercambiabili tra sessioni, utenti e modelli: inseriti in un modello meno protetto, vengono riscritti in chiaro. Decifrando 315.320 blocchi trovati in log pubblicati dagli sviluppatori, recuperano 367 dati personali e 182 credenziali.
Perché conta. Chi pubblica o conserva log di sessioni con modelli AI può esporre dati e credenziali senza saperlo: quei blocchi vanno trattati come informazioni sensibili.
5. ROPE: Routed Origin Policy Enforcement against Indirect Prompt Injection
arXiv · Xinhang Ma, Chaowei Xiao, William Yeoh, Ning Zhang et al. · Sicurezza di AI e LLM
In breve: ROPE blocca la prompt injection indiretta controllando da dove arriva ogni valore passato agli strumenti sensibili dell'agente.
La prompt injection indiretta nasconde istruzioni nei contenuti che un agente legge, spingendolo a usare strumenti in modo dannoso. ROPE ammette un valore in un parametro sensibile solo se proviene dall'utente, da una fonte da lui indicata o dai suoi archivi. Il controllo è deterministico e indipendente dalla formulazione: il successo degli attacchi scende al 2,6% senza perdere molta utilità.
Perché conta. Gli agenti che leggono email e documenti esterni sono esposti a istruzioni nascoste: un controllo sull'origine dei dati è più solido dei filtri sul testo.
Leggi il paper · PDF · Codice
6. SLAC: Access-Driven CPU-to-GPU Side-channel Attacks via System-Level Cache on Apple Silicon
arXiv · Tianhong Xu, Saion K. Roy, Ruyi Ding, Aidong Adam Ding et al. · Hardware e canali laterali
In breve: Sui chip Apple Silicon un processo senza privilegi spia dalla CPU il lavoro della GPU attraverso la cache condivisa.
Nei chip che integrano CPU e GPU le due unità condividono una cache di sistema. Gli autori studiano quella dell'Apple M1 e mostrano che gli accessi della GPU lasciano tracce leggibili da un processo CPU senza privilegi. Con questo canale ricostruiscono i collegamenti di reti neurali a grafo con il 90% di accuratezza e recuperano parole chiave degli input di un modello linguistico fino al 94,8%.
Perché conta. Sempre più elaborazioni AI avvengono in locale sui portatili: l'isolamento tra applicazioni sullo stesso chip non protegge i dati elaborati dalla GPU.
7. Post-Quantum TLS Migration: A Systematization of Hybrid Handshakes, PSKs, KeyUpdate, and Certificate Strategies
IACR Cryptology ePrint Archive · Hridoy Roy · Crittografia post-quantistica
In breve: Un'analisi sistematica mostra che migrare TLS al post-quantistico non è solo cambiare algoritmo di scambio chiavi.
La migrazione di TLS è spesso vista come un cambio di algoritmo. Gli autori mostrano che TLS distribuisce la sicurezza tra scambio di chiavi, autenticazione, ripresa di sessione con chiavi pre-condivise, aggiornamento delle chiavi e certificati X.509, ciascuno con obiettivi e vincoli propri. Classificano opzioni ibride e pure e separano standard definitivi e bozze.
Perché conta. Per chi pianifica la migrazione post-quantistica, inventario crittografico, certificati e moduli hardware pesano quanto la scelta dell'algoritmo.
8. How Benchmarks and Evaluation Protocols Shape Conclusions in Provenance-Based Intrusion Detection
arXiv · Lorenzo Guerra, Thomas Chapuis, Guillaume Duc, Pavlo Mozharovskyi et al. · Sicurezza di rete
In breve: Rivalutati con un protocollo comune, i rilevatori di intrusioni basati sulla provenienza non battono una semplice lista di programmi noti.
I sistemi di rilevamento basati sul grafo di provenienza riportano spesso risultati eccellenti. Gli autori li rivalutano sui dati DARPA con periodi di test separati e soglie calibrate solo in validazione. Una lista di eseguibili e percorsi visti in addestramento eguaglia o supera i modelli appresi su metriche chiave, e diversi sistemi segnalano attacchi senza dare il contesto utile all'indagine.
Perché conta. Chi valuta prodotti di rilevamento deve chiedere come sono stati misurati: risultati da laboratorio possono dire poco sull'efficacia reale.
9. GhostTac: Manipulating Tactile Sensors without Physical Contact
arXiv · Kun Wang, Xuancun Lu, Ruochen Zhou, Kai Wang et al.
In breve: GhostTac falsa a distanza le letture dei sensori tattili dei robot con interferenze elettromagnetiche, senza toccarli.
I sensori tattili permettono ai robot di afferrare oggetti. Gli autori mostrano che segnali elettromagnetici calibrati vengono convertiti dall'elettronica del sensore in uno scostamento costante che supera i filtri, alterando la pressione misurata in punti precisi. L'attacco funziona su 15 sensori di tipi diversi e può indurre, ad esempio, un robot domestico a stringere con troppa forza.
Perché conta. Robot domestici e industriali che lavorano vicino alle persone possono causare danni fisici se i sensori vengono manipolati: è un rischio di responsabilità civile oltre che informatico.
10. Recovering Process Variables from Industrial Network Traffic via Search-Based Optimization
arXiv · Chuan Sheng, Shan Jiang, Jianming Zhao, Yu Yao
In breve: PVParser ricava le variabili di processo di un impianto industriale direttamente dal traffico di rete, senza conoscerne il protocollo.
Il monitoraggio di sicurezza degli impianti industriali richiede valori come pressioni e temperature, ma i sistemi di supervisione ne registrano solo una parte. PVParser li recupera dal traffico grezzo: isola i messaggi periodici che li trasportano e tratta la loro segmentazione come un problema di ottimizzazione risolto con una ricerca ad albero, evitando che i primi errori si propaghino.
Perché conta. Vedere le variabili fisiche dell'impianto aiuta a riconoscere attacchi che i soli log IT non mostrano; la stessa tecnica però facilita anche la ricognizione di un attaccante.
Le tendenze del mese
Sicurezza di sistemi e software
65 paper del mese su questo tema
I modelli linguistici diventano strumenti stabili per la ricerca di vulnerabilità. Guidano il fuzzing dei lettori PDF fino a 31 zero-day e affiancano i revisori umani nei core 5G, mentre le specifiche formalizzate scovano divergenze tra i client di Ethereum. Trovare candidati costa poco: il lavoro si sposta su verifica, impatto e qualità delle patch.
Paper citati:
- From Documentation to Zero-day Vulnerabilities: LLM-Driven Fuzzing of JavaScript Engines in PDF Readers
- Drishti: AI-Led Human-Directed Vulnerability Auditing for 5G Cores
- SpecTrum: Specification-Guided Differential Fuzzing for Ethereum Consensus Clients
Sicurezza di AI e LLM
455 paper del mese su questo tema
Con 455 articoli su 1.905, la sicurezza dell'AI resta il primo tema. I ragionamenti cifrati delle API si decifrano con un modello più debole e finiscono in log pubblici con credenziali, la cache condivisa dei chip Apple espone gli input dei modelli eseguiti in locale e le difese contro la prompt injection puntano sul controllo dell'origine dei dati più che sui filtri.
Paper citati:
- Stealing Reasoning Traces from Proprietary LLM APIs
- ROPE: Routed Origin Policy Enforcement against Indirect Prompt Injection
- SLAC: Access-Driven CPU-to-GPU Side-channel Attacks via System-Level Cache on Apple Silicon
Sistemi cyber-fisici e IoT
56 paper del mese su questo tema
Sicurezza informatica e sicurezza fisica si avvicinano. Interferenze elettromagnetiche falsano i sensori tattili dei robot fino a fargli stringere troppo, mentre dal traffico di rete di un impianto si possono ricavare pressioni e temperature senza conoscere il protocollo. Per chi valuta il rischio, gli effetti possono arrivare a danni a persone e cose.
Paper citati:
- GhostTac: Manipulating Tactile Sensors without Physical Contact
- Recovering Process Variables from Industrial Network Traffic via Search-Based Optimization
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: 1905.