Apple limita il bug bounty per arginare la slop dell’AI e blocca una falla macOS da 200.000 dollari

C’è un paradosso che racconta bene il momento che sta attraversando la sicurezza informatica. Apple ha deciso di mettere un freno alle segnalazioni che arrivano al suo programma bug bounty, ormai travolto da una valanga di report generati con l’intelligenza artificiale, la cosiddetta slop. Il risultato, però, è opposto a quello che ti aspetteresti: una vulnerabilità reale e seria di macOS, valutata fino a 200.000 dollari, è rimasta per settimane fuori dalla porta perché il canale aveva già raggiunto il tetto degli invii.

A raccontare la vicenda è stato il Financial Times, che ha ottenuto la conferma diretta di Apple. La storia mette in fila le due facce della stessa medaglia: l’AI che intasa i canali della ricerca di sicurezza con il rumore, e l’AI che aiuta a scovare falle autentiche più in fretta di quanto chiunque riesca a leggerle e verificarle.

Che cosa ha cambiato Apple nel suo programma bug bounty

Da giugno 2026 Apple ha introdotto un tetto al numero di segnalazioni che un singolo ricercatore può tenere aperte contemporaneamente, affiancato da un periodo di raffreddamento di 30 giorni una volta raggiunto il limite. Chi ha necessità di inviare di più deve richiedere in modo esplicito un aumento della quota. Nella forma è una modifica silenziosa, nella sostanza pesa parecchio, perché cambia le regole d’ingaggio per chi collabora con Cupertino sulla sicurezza dei suoi sistemi.

La ragione dichiarata è un fenomeno che non riguarda solo Apple, ma l’intero settore: un’impennata di segnalazioni prodotte con l’aiuto dei modelli linguistici. Questi strumenti permettono anche a chi ha competenze tecniche modeste di generare grandi volumi di presunte vulnerabilità, plausibili nella forma ma spesso inesatte nella sostanza. I team che devono verificarle finiscono sommersi, e ogni ora spesa a scartare falsi positivi è un’ora tolta alle falle che contano davvero.

Apple non ha usato giri di parole.

In una nota, l’azienda ha spiegato di aver ridotto il numero di report che un ricercatore può avere aperti in un dato momento proprio a causa del crescente volume di segnalazioni generate dall’AI, aggiungendo che chiunque può chiedere in qualsiasi momento un innalzamento del limite, così da garantire che i report critici raggiungano i team di sicurezza. Sulla carta la valvola di sfogo esiste. Nella pratica, come vedremo, ha un attrito che può costare caro.

Perché l’AI ha inondato i bug bounty di slop

Il termine slop indica contenuti sfornati in serie dall’AI, verosimili in apparenza ma privi di valore reale. Applicato alla sicurezza informatica assume una forma precisa: report di vulnerabilità scritti in ottimo gergo tecnico, ricchi di dettagli convincenti, che però descrivono problemi inesistenti oppure impossibili da riprodurre.

Il punto è economico prima ancora che tecnico. Finché scrivere una segnalazione richiedeva ore di lavoro umano, il numero di report restava naturalmente contenuto. Con modelli linguistici il cui costo continua a scendere, quella barriera è crollata, e i programmi bug bounty, tarati su un ritmo di invii a misura d’uomo, si sono ritrovati esposti a un flusso potenzialmente illimitato.

Non è una difficoltà solo di Apple. Pochi giorni prima, GitHub aveva ristrutturato il proprio programma bug bounty con un sistema a livelli, pensato per separare i ricercatori verificati dal rumore di fondo. Il messaggio è identico: le difese costruite per distinguere il valore dal rumore vanno ripensate per un’epoca in cui il rumore costa quasi zero.

Il caso Bynario, una falla reale da 200.000 dollari rimasta fuori

La parte più istruttiva della storia arriva dall’Italia. Bynario è una piccola startup di cybersecurity che ha iniziato a usare i modelli AI più recenti per cercare vulnerabilità nei sistemi Apple. La sua piattaforma, chiamata Atlas e costruita sul modello GPT-5.5 di OpenAI, ha individuato una falla seria in macOS.

Il difetto riguardava la funzione di condivisione dello schermo: un utente autenticato tramite un visualizzatore VNC avrebbe potuto raggiungere dati protetti e creare file con privilegi di root, cioè con il massimo livello di controllo sulla macchina. Apple ha in seguito assegnato al problema l’identificativo CVE-2026-43760 e lo ha corretto nella versione macOS Tahoe 26.6.

Fin qui, una classica vicenda di ricerca di sicurezza andata a buon fine. Il problema è il tempismo.

Bynario aveva inviato una raffica di segnalazioni in un intervallo molto breve, ed è stata proprio questa rapidità a far scattare il blocco previsto dal nuovo tetto. La falla più preziosa è così finita in un limbo. Messo di fronte alla scelta se attendere la fine dei 30 giorni di raffreddamento oppure rendere pubblica la vicenda, l’amministratore delegato Alfredo Pesoli ha scelto di parlare, stimando il valore della vulnerabilità sul mercato nero tra 100.000 e 200.000 dollari.

Solo dopo l’inchiesta del Financial Times, Apple ha ripreso i contatti con Bynario e ha iniziato a esaminarne le scoperte, inclusa una catena di privilege escalation capace, in teoria, di consegnare a un attaccante il controllo completo di un Mac. Il lieto fine è arrivato, ma attraverso una via che nessun programma bug bounty dovrebbe richiedere: la stampa.

Slop contro ricerca legittima, dove passa il confine

Il caso Bynario illumina la domanda centrale di tutta la vicenda: come si distingue un report inutile da una scoperta autentica, quando entrambi possono nascere con l’aiuto dell’AI? La linea di demarcazione non è se lo strumento sia stato usato, ma che cosa consegna alla fine.

Una segnalazione di valore arriva accompagnata da una prova concreta, un exploit dimostrativo che gli ingegneri dell’azienda possono riprodurre e trasformare in una correzione. La slop, al contrario, si ferma all’affermazione: dipinge un problema con linguaggio tecnico impeccabile, ma non offre nulla di verificabile. Il paradosso è che, agli occhi di un filtro automatico o di un revisore di fretta, le due cose possono somigliarsi moltissimo.

Che l’AI sia ormai parte integrante della ricerca di sicurezza seria lo conferma la stessa Apple. Nelle note delle sue ultime patch, l’azienda ha accreditato ricercatori che si sono serviti di strumenti di OpenAI, Anthropic e altri fornitori per portare a galla diverse vulnerabilità. Un team, Calif.io, ha raccontato di aver costruito un exploit funzionante per il kernel di macOS in soli cinque giorni, appoggiandosi a un modello avanzato di Anthropic.

Il legame sempre più stretto tra modelli di frontiera e test di cybersecurity è ormai un tema ricorrente, e aiuta a capire perché Cupertino, poche settimane prima, avesse accelerato il rilascio di alcuni aggiornamenti di sicurezza proprio in risposta ai rischi posti dagli strumenti di attacco potenziati dall’AI. La stessa tecnologia che intasa i canali di segnalazione sta anche accorciando i tempi con cui le falle emergono, su entrambi i lati della barricata.

Cosa significa per la sicurezza e per chi lavora con l’AI

La lezione più ampia va oltre Apple. Il problema della slop non colpisce solo i bug bounty: sta mettendo sotto pressione ogni sistema costruito sull’idea che produrre un contributo richieda uno sforzo umano significativo. La revisione scientifica, le candidature di lavoro, le recensioni dei prodotti, le code della moderazione condividono tutte la stessa fragilità di fondo.

Quando generare volume costa quasi nulla, il segnale prezioso rischia di finire sepolto sotto il rumore. E la risposta, per ora, passa quasi sempre dalla stessa tecnologia che ha creato il problema: usare l’AI per filtrare l’AI, in una rincorsa dal traguardo tutt’altro che chiaro.

Per Apple la sfida è delicata. Un tetto rigido è semplice da applicare, ma resta uno strumento cieco: non distingue il ricercatore serio che invia molto perché trova molto dal generatore di slop che invia molto perché non gli costa nulla. Il caso Bynario dimostra esattamente questo rischio, cioè che una difesa troppo grezza finisce per buttare via il segnale insieme al rumore. La stessa azienda che ha rifondato Siri e i suoi sistemi attorno all’AI si ritrova ora a gestire gli effetti collaterali di quella stessa ondata tecnologica.

Se ti occupi di tecnologia, marketing o sviluppo, il messaggio vale anche fuori dal recinto della cybersecurity. Gli stessi modelli che usi per accelerare il lavoro, dalla scrittura all’analisi dei dati, abbassano la barriera pure per chi produce contenuti di scarso valore su scala industriale. Saper distinguere il contributo reale da quello soltanto apparente diventerà una competenza sempre più preziosa, per le aziende come per le piattaforme.

Un equilibrio ancora da trovare

La storia del bug bounty di Apple è un piccolo caso di scuola su come l’intelligenza artificiale stia riscrivendo le regole, spesso prima che le organizzazioni riescano ad adattarsi. Da un lato l’abbondanza di segnalazioni automatiche impone filtri più severi, dall’altro quegli stessi filtri rischiano di escludere proprio le scoperte che contano.

La direzione più probabile non è tornare indietro, ma costruire sistemi di selezione più intelligenti, capaci di premiare la riproducibilità e la reputazione invece del semplice volume. Nel frattempo, la vicenda ci ricorda che oggi l’AI è insieme parte del problema e parte della soluzione.

Se vuoi capire come questi strumenti stanno ridisegnando anche gli altri settori, continua a seguire i nostri approfondimenti e resta aggiornato: la partita tra segnale e rumore è appena iniziata, e riguarda molto più della sola sicurezza informatica.