Il sito che ti spiega l'AI.
News, strumenti e guide in italiano.
Privacy e sicurezza

GTIG e exploit_agent: il framework AI che trasforma le patch in exploit

Il report GTIG di Google rivela exploit_agent, un framework che confronta il codice prima e dopo le patch e genera exploit in automatico, senza intervento umano.

Daniele Della Corte
Novembre 17, 2026
Lettura: 7 min
Codice su uno schermo, simbolo dell'analisi automatica del software e della sicurezza informatica
fonte: unsplash photo-1555066931-4365d14bab8c

Il 16 novembre 2026 il Google Threat Intelligence Group, noto come GTIG, ha pubblicato la nuova edizione dell’AI Threat Tracker con un titolo che dice già molto: l’attività degli attaccanti basata su agenti AI avrebbe superato una soglia significativa. Al centro del report c’è exploit_agent, un framework trovato su un server di staging esposto che, secondo Google, confronta il codice delle applicazioni web prima e dopo ogni patch, individua la falla corretta, scrive un exploit e lo esegue senza un essere umano nel ciclo.

Se gestisci un sito WordPress, un gestionale o qualsiasi software esposto a internet, questa notizia ti riguarda da vicino.

Cosa ha trovato Google con il report GTIG

Il documento fa parte della serie trimestrale con cui GTIG racconta come gli attori ostili usano l’intelligenza artificiale. Nell’edizione precedente, uscita circa due mesi prima, il gruppo di Google non aveva osservato pipeline di attacco completamente autonome in circolazione. Questa volta il quadro cambia: per la prima volta, stando al report, un framework avrebbe trasformato in modo automatico le patch di sicurezza in exploit funzionanti, usando modelli linguistici di frontiera e modelli ospitati in locale.

È un passaggio concettuale importante. Fino a ieri l’AI era soprattutto un acceleratore per chi scrive codice o fa ricognizione. Ora si parla di un sistema che prende decisioni tattiche e porta a termine una parte dell’attacco da solo.

Come funziona exploit_agent

Il meccanismo descritto da GTIG è lineare e proprio per questo inquietante. Il framework segue gli annunci di patch di applicazioni web molto diffuse, scarica la versione corretta e quella precedente e le confronta di continuo. Quando la differenza tra le due versioni suggerisce la presenza di una vulnerabilità, un modello analizza la modifica, ipotizza la falla, redige un exploit e lo lancia contro i bersagli.

Sul server esposto, oltre al framework, c’erano dati sottratti alle vittime, script per la forza bruta, strumenti per installare webshell e perfino strumenti per rimuovere le webshell lasciate da altri attaccanti. Una piccola guerra tra bande, insomma, combattuta con strumenti automatici. Un file di configurazione conteneva inoltre un commento in russo che invitava l’operatore a inserire le chiavi API in locale e non in chat, un indizio sulla provenienza che però non basta a identificare nessuno.

Chi è nel mirino

La telemetria sulle vittime indica un interesse per siti web francesi nei settori media, intrattenimento e istruzione. Secondo una delle ricostruzioni giornalistiche, tra gli esempi di analisi mostrati rientrerebbe una correzione di un controllo degli accessi in un plugin molto usato di WordPress, segno che i plugin dei CMS sono pienamente nel perimetro.

Il punto, quindi, non è la nazionalità dei bersagli. Il punto è che qualunque software popolare, appena riceve una patch, diventa materiale di studio per una macchina che non dorme mai.

Perché gli attaccanti puntano sulle vulnerabilità già corrette

Viene spontaneo pensare che il rischio maggiore siano gli zero-day, cioè le falle ancora sconosciute. GTIG propone una lettura diversa. Per un attaccante che usa i modelli linguistici può essere più efficiente lavorare sulle n-day, le vulnerabilità già note e corrette, perché il materiale da cui partire è un insieme limitato e ricco di indizi: differenze di codice, note di rilascio, a volte persino prove di concetto pubbliche.

Cercare uno zero-day significa esplorare uno spazio enorme senza sapere se esista qualcosa da trovare. Leggere una patch, invece, equivale a ricevere un indizio con scritto sopra dove guardare.

Questo sposta il vantaggio. La finestra tra la pubblicazione di una correzione e la sua installazione sui sistemi reali, che per anni è stata una zona grigia gestita con calma, diventa il momento più critico. Se un agente può produrre un exploit in poche ore, ogni giorno di ritardo nell’aggiornamento pesa molto di più di prima.

Gli altri casi citati nel report

Il framework non è l’unico segnale. Il report richiama una serie di episodi del 2026 che mostrano la stessa tendenza. Nel caso di PaperCut, software per la gestione delle stampe, due vulnerabilità concatenate sono state sfruttate come zero-day a fine agosto. Dopo la divulgazione, ricercatori e analisti hanno ottenuto exploit funzionanti con l’aiuto di modelli linguistici nel giro di un giorno. Circa quattro giorni dopo, GreyNoise ha osservato una campagna, ritenuta basata su exploit generati da LLM, che ha colpito centinaia di organizzazioni, con casi in cui l’accesso da amministratore di dominio è arrivato in pochi minuti.

Poi ci sono i framework di penetration test agentici, strumenti open source usati per automatizzare singoli passaggi di intrusioni reali. GTIG cita tra gli altri CAIRN, impiegato in un’intrusione contro il settore aerospaziale statunitense, e una versione personalizzata di PentAGI, usata per mesi per scansionare organizzazioni in Asia. Se ti interessa il tema degli agenti usati contro le aziende, avevamo raccontato un caso simile in ARTEX, l’agente AI usato dagli hacker contro ConnectWise e Microsoft 365.

Il report si occupa anche di operazioni di influenza e di attori legati a Stati. Google dice di aver disattivato gli account e le risorse collegati all’uso improprio di Gemini che ha individuato, e che Google DeepMind ha usato i risultati per rafforzare i propri classificatori.

Limiti e cautele da tenere a mente

Va detto con chiarezza: stiamo leggendo la descrizione di un fornitore di sicurezza che ha anche interesse a presentare le proprie difese. Il post di Google sul tema è accompagnato dalla proposta di Google AI Threat Defense, che combina Gemini, il contesto di Wiz, le correzioni automatiche di CodeMender e l’esperienza di Mandiant. Questo non rende il report meno credibile, ma invita a distinguere tra ciò che è stato osservato e ciò che è narrazione commerciale.

Alcuni aspetti restano aperti. Non è stata confermata l’identità dell’operatore. Non è chiaro quante volte gli exploit prodotti abbiano davvero funzionato, perché gli exploit generati dai modelli spesso sembrano validi ma non lo sono. E la formula “senza essere umano nel ciclo” descrive la pipeline di sfruttamento, non necessariamente la preparazione del sistema, che richiede chiavi e configurazione fornite da una persona. Secondo le ricostruzioni, inoltre, il post del 16 novembre non pubblica regole di rilevamento, hash o indicatori di compromissione specifici per exploit_agent.

C’è anche un risvolto quasi rassicurante: un’esecuzione autonoma e senza freni lascia una traccia forense rumorosa, e questo potrebbe rendere questi framework più facili da individuare.

Cosa puoi fare adesso

La lezione pratica è meno spettacolare del titolo e più utile. Le indicazioni che emergono dalle analisi del report ruotano attorno a pochi principi concreti.

  • Riduci i tempi di aggiornamento per CMS, plugin e software esposti a internet, attivando gli aggiornamenti automatici dove possibile.
  • Separa gli ambienti di staging da quelli di produzione e ruota le chiavi API esposte, anche dopo episodi di abuso delle tue credenziali.
  • Configura il monitoraggio per riconoscere il comportamento dei framework di agenti, non soltanto i singoli CVE.
  • Applica barriere di sicurezza a runtime per gli agenti che hanno accesso a shell e strumenti.

Sul fronte opposto, anche i difensori stanno accelerando. Pochi giorni fa Anthropic ha annunciato tempi più stretti per la divulgazione delle vulnerabilità, ne abbiamo parlato in Anthropic riduce a 30 giorni la finestra di divulgazione delle vulnerabilità, e il bilancio delle falle sfruttate in poche ore è al centro di Project Glasswing e dei numeri di VulnCheck. Il filo che unisce queste storie è lo stesso: il tempo tra scoperta e sfruttamento si sta comprimendo.

Conclusioni

Il report GTIG non annuncia la fine della sicurezza informatica, ma fotografa un cambio di ritmo. Un framework come exploit_agent dimostra che la parte noiosa del lavoro di un attaccante, leggere patch e scrivere exploit, si può delegare a una macchina, e che la velocità di chi difende deve crescere di pari passo.

Il consiglio operativo è semplice: controlla oggi stesso quali componenti del tuo sito o della tua infrastruttura sono rimasti indietro con gli aggiornamenti e metti l’aggiornamento tempestivo tra le priorità. Puoi leggere l’annuncio ufficiale sul blog di Google dedicato al GTIG AI Threat Tracker e seguire gli sviluppi qui su intelligenzaartificiale.net, dove continueremo a raccontare come l’AI sta cambiando attacco e difesa.

Newsletter gratuita · ogni venerdì

Tutta l'AI della settimana, in 5 minuti, nella tua email

  • Le guide e le notizie della settimana, divise per rubrica
  • Solo ciò che conta, verificato e spiegato in italiano
  • Niente spam, ti cancelli con un clic

Daniele Della Corte
Rivisto e verificato da

Daniele Della Corte

Fondatore di IntelligenzaArtificiale.net · Consulente SEO e AI dal 2008

Prima della pubblicazione controlla fonti, numeri e nomi, e risponde personalmente di quello che leggi. Lavora con l'intelligenza artificiale da oltre 7 anni: ha fondato BeProud.ai e ha progettato la redazione di questo sito.

Consulenza AIVuoi applicare l'AI al tuo lavoro? Ti aiuto a scegliere cosa automatizzare e a realizzarlo.

Scopri la consulenza