In sintesi
- Il 16 novembre 2026 Google (GTIG) ha pubblicato il Q4 AI Threat Tracker: attori ostili usano framework multi-agente per automatizzare l'attacco.
- Su un server di staging esposto è stato trovato exploit_agent, che confronta il codice prima e dopo una patch, scrive l'exploit e prova a eseguirlo senza approvazione umana.
- Il rischio principale è la finestra tra la pubblicazione di una patch e la sua installazione: si accorcia da settimane a ore.
- Google non ha indicato i modelli usati né il tasso di successo degli exploit generati.
- Difesa: patch degli n-day esposti misurate in giorni dall'advisory del vendor, staging non esposti, chiavi LLM sotto controllo e verifica degli hook negli agenti di sviluppo.
In breve: il 16 novembre 2026 il Google Threat Intelligence Group (GTIG) ha pubblicato il Q4 AI Threat Tracker. Il dato più rilevante: per la prima volta Google dice di aver trovato un framework offensivo, chiamato exploit_agent, che usa agenti AI autonomi per leggere una patch di sicurezza, trasformarla in un exploit e provare a eseguirlo senza approvazione umana. Per chi gestisce sistemi esposti a Internet significa una cosa sola: il tempo tra la pubblicazione di una patch e il primo attacco si riduce, e le patch vanno applicate più in fretta.
Cosa ha scoperto Google
Secondo le sintesi del report, GTIG ha individuato un server di staging esposto pubblicamente su cui girava un framework multi-agente. Il sistema:
- confronta il codice di applicazioni web prima e dopo una patch (patch diff) per capire quale vulnerabilità è stata corretta;
- scrive un exploit per la falla individuata e tenta di eseguirlo;
- si collega a più modelli linguistici, sia commerciali sia ospitati in locale;
- è organizzato con un agente orchestratore che coordina agenti specializzati, condivide il contesto e richiama gli strumenti tramite interfacce come MCP.
Sullo stesso server c'erano anche dati rubati alle vittime, script usati dopo le intrusioni riuscite e strumenti di ricognizione. Le vittime rilevate risultano siti francesi di media, intrattenimento e formazione. Tra gli esempi citati nelle sintesi c'è la logica di controllo accessi di un plugin WordPress: i CMS e i loro plugin sono quindi nel mirino.
Perché proprio le patch
Una patch, le note di rilascio e i primi proof-of-concept sono un insieme finito di informazioni, molto più semplice da analizzare per un agente rispetto alla ricerca di una vulnerabilità sconosciuta. In pratica l'attaccante non deve scoprire la falla: gliela indica il fornitore stesso quando la corregge. La difficoltà si sposta dal trovare al correre più veloci dei difensori.
Il report cita il caso PaperCut: secondo una delle sintesi, dopo l'advisory del 27 agosto 2026 una campagna orchestrata con AI avrebbe compromesso 440 istanze in 395 organizzazioni di 48 paesi tra il 31 agosto e il 2 settembre. Questi numeri provengono da una sintesi secondaria e vanno verificati sul report originale.
Cosa NON dice il report
- Google non ha indicato quali modelli svolgessero i singoli compiti né quanti exploit generati abbiano funzionato.
- Gli strumenti restano rumorosi e lasciano tracce riconoscibili; non risultano diffusi indicatori di compromissione specifici per exploit_agent.
- Molti exploit generati da LLM non funzionano: dopo le falle PHP di ottobre sono comparsi numerosi proof-of-concept falsi, e le code di triage dei team di sicurezza rischiano di riempirsi di materiale inaffidabile.
- Nel report di settembre (Q3 2026) GTIG scriveva di non aver ancora osservato pipeline pienamente autonome contro bersagli reali. Il Q4 segna quindi un passaggio, non uno scenario già generalizzato.
- exploit_agent è l'etichetta di Google per un framework osservato, non uno strumento in vendita.
Altri elementi del report utili per chi difende
- Framework multi-agente già pronti: GTIG tiene traccia di strumenti come CAIRN, CyberStrikeAI, HexStrike AI e PentAGI. Un attore ha usato una versione personalizzata di PentAGI contro organizzazioni in Asia tra fine agosto e inizio ottobre.
- Backdoor tramite configurazione degli agenti di sviluppo: un gruppo sospettato di essere nordcoreano ha modificato il file di configurazione condiviso di Claude Code (
.claude/settings.json) nei repository interni, in modo che all'avvio venisse scaricato un backdoor. Il file è pensato per essere committato, quindi gli hook al suo interno girano su ogni macchina che clona il repository. - LLMjacking: furto di credenziali cloud per usare servizi LLM a spese della vittima, con costi giornalieri che in alcuni casi hanno superato i 100.000 dollari. Spesso gli attaccanti attivano servizi LLM che l'azienda non aveva mai abilitato.
Come difendersi: checklist operativa
1. Accorcia i tempi di patching degli n-day
- Misura lo SLA di patch in giorni dalla data dell'advisory del vendor, non dalla comparsa di un exploit pubblico: con questi strumenti la finestra utile può ridursi a ore.
- Dai priorità a ciò che è esposto a Internet: CMS, plugin, VPN, gateway, stampanti e sistemi di gestione. Abilita gli aggiornamenti automatici dove possibile, in particolare per plugin e temi.
- Se non puoi aggiornare subito, usa virtual patching (WAF, regole di filtro) e riduci l'esposizione. Un esempio recente di sistema da aggiornare con urgenza è il kernel Linux: vedi NoisyTCP (CVE-2026-99288) e la guida su come aggiornare il kernel Linux in produzione.
2. Non lasciare esposti gli ambienti di staging
L'intera scoperta di Google nasce da un server di staging dell'attaccante lasciato esposto. Vale anche per te: ambienti di test e sviluppo non devono essere raggiungibili da Internet, né contenere dati o credenziali reali.
3. Metti sotto controllo chiavi e servizi LLM
- Conserva le chiavi API dei modelli in un secret manager con rotazione automatica; limitale per modello, ambiente e spesa.
- Imposta alert di budget su tutti gli account cloud che possono attivare servizi LLM.
- Controlla nei log di audit cloud, negli ultimi 90 giorni, l'attivazione di servizi LLM che non provengano dalla tua pipeline di infrastructure-as-code.
4. Proteggi gli strumenti di sviluppo basati su agenti
- Cerca nei repository i file di configurazione degli agenti (per esempio
.claude/settings.json,.claude/settings.local.json) e gli hook: ogni hook che scarica o esegue script remoti va trattato come incidente fino a prova contraria. - Inserisci le cartelle di configurazione degli agenti in CODEOWNERS, così che ogni modifica richieda una revisione.
- Sulle macchine dei developer usa, dove disponibili, impostazioni gestite che consentano solo hook distribuiti dalla piattaforma.
- Definisci una policy aziendale sull'uso degli agenti AI: vedi come scrivere una policy di uso dell'intelligenza artificiale in azienda.
5. Rileva il comportamento, non solo le firme
Gli attacchi guidati da agenti producono molte richieste ravvicinate, tentativi su più varianti e ripetizioni anomale. Configura monitoraggio e rate limiting su applicazioni esposte, e fai in modo che il team di sicurezza possa distinguere un vero exploit da un proof-of-concept falso.
Il mio punto di vista da CISO
Il messaggio non è "l'AI hackera da sola", ma più prosaico: l'asimmetria di tempo sta cambiando. Quando un agente può leggere una patch e produrre un tentativo di exploit in poche ore, il vecchio ritmo di aggiornamento mensile diventa un rischio documentabile, e dovrebbe comparire nei processi di gestione delle vulnerabilità previsti da NIS2. Prima di cambiare strategia, però, conviene essere onesti sui limiti: mancano dati su modelli e tassi di successo, e questi strumenti sono ancora rumorosi. La risposta giusta non è il panico ma l'igiene di base fatta più in fretta: inventario degli asset esposti, SLA di patch misurati dall'advisory, staging chiusi e segreti sotto controllo.
Fonti
- The New Stack: Google found hackers using autonomous AI agents to turn security patches into exploits
- Beri: Google GTIG Q4 2026 AI Threat Tracker, sintesi e raccomandazioni
- explainx.ai: Google GTIG exploit_agent
- Aviatrix: AI agents e exploit da patch
- Help Net Security: GTIG Q3 2026 AI Threat Tracker
Articolo di Eugenio Damaso, IT Manager e CISO. Basato su fonti pubbliche e sintesi del report GTIG del 16 novembre 2026; alcuni dettagli provengono da sintesi secondarie e vanno verificati sul report originale di Google prima di decisioni operative.
Domande frequenti
Cos'è exploit_agent e cosa fa?
È il nome dato da Google (GTIG) a un framework multi-agente trovato su un server di staging esposto. Confronta il codice di applicazioni web prima e dopo una patch, scrive un exploit e tenta di eseguirlo, usando più modelli linguistici, anche locali. Non è un prodotto scaricabile: è l'etichetta usata da GTIG.
Gli attacchi con agenti AI sono già pienamente autonomi?
Google parla di una soglia superata, ma non ha indicato i modelli usati né quanti exploit generati abbiano funzionato. Gli strumenti restano rumorosi e lasciano tracce riconoscibili. Nel report di settembre GTIG non aveva ancora osservato pipeline pienamente autonome in attacchi reali.
Come mi difendo se gli exploit arrivano in poche ore?
Misura i tempi di patching degli n-day dei sistemi esposti a Internet in giorni dalla data dell'advisory del vendor, non dalla comparsa di un exploit pubblico. Aggiorna CMS e plugin, non esporre gli ambienti di staging, ruota e limita le chiavi API dei modelli e controlla gli hook degli agenti di sviluppo.