Il phishing con l'AI rende meno affidabili i segnali di allarme più familiari

Google News ha evidenziato un netto avvertimento sulla sicurezza: il phishing con l'AI ora appare sufficientemente normale da superare i controlli rapidi di cui molte persone continuano a fidarsi. Il confronto non è più tra un'email aziendale ben curata e una truffa palesemente maldestra. Si colloca tra una richiesta credibile e un'imitazione costruita per sembrare altrettanto ordinaria.

Questa distinzione conta perché l'AI generativa elimina diverse debolezze che un tempo rendevano riconoscibile il phishing. Gli aggressori possono produrre messaggi scorrevoli, adattarli a un bersaglio e tradurli senza gli errori familiari delle campagne più datate. Possono inoltre automatizzare l'infrastruttura che attende dietro il messaggio.

I ricercatori sulle minacce di Google offrono un importante contrappeso alle affermazioni più drammatiche. Hanno osservato gruppi sostenuti da Stati usare grandi modelli linguistici per ricerca, targeting ed esche di phishing sofisticate. Tuttavia, non hanno descritto ogni campagna assistita dall'AI come una nuova svolta tecnica.

La conclusione più sostenibile è anche la più utile. L'AI non deve inventare una nuova forma di hacking per rendere il phishing più pericoloso. Le basta migliorare un linguaggio credibile, ridurre il lavoro degli aggressori e collegare tecniche consolidate in flussi di lavoro più rapidi.

Questo cambiamento mette sotto pressione contemporaneamente dipendenti, team di sicurezza, provider email, banche e aziende di AI. Inoltre, indebolisce i programmi di sensibilizzazione basati sull'individuazione di errori ortografici, saluti goffi e storie poco plausibili.

Cosa cambia davvero con l'avvertimento di Google News

Il phishing con l'AI è passato da tattica insolita a normale strumento di produzione per gli aggressori.

Il titolo di BankInfoSecurity emerso su Google News lo ha descritto in termini netti: il phishing con l'AI sta diventando spaventosamente normale e difficile da rilevare. Le prove più solide disponibili supportano la tendenza generale, anche se non rendono ogni email di phishing ugualmente sofisticata.

Il Threat Intelligence Group di Google ha riferito che attori sostenuti da governi stavano utilizzando grandi modelli linguistici per ricerca tecnica, targeting e rapida creazione di esche. Il suo AI threat tracker ha descritto attività collegate ad attori di Corea del Nord, Iran, Cina e Russia.

Un'esca di phishing è il messaggio o lo scenario progettato per indurre un bersaglio a compiere un'azione non sicura. Tale azione può consistere nell'aprire un documento, inserire credenziali, approvare un accesso o avviare un pagamento.

L'AI migliora la fase di creazione delle esche in diversi modi pratici. Può riscrivere un messaggio per un ruolo specifico, imitare il tono atteso e produrre rapidamente versioni localizzate. Può inoltre riassumere informazioni pubbliche su un bersaglio prima di generare un approccio plausibile.

Queste funzioni non richiedono a un modello di violare la crittografia o scoprire una vulnerabilità software. Rendono la componente sociale meno costosa e più coerente. Un aggressore può dedicare meno tempo alla modifica di ogni messaggio continuando a evitare evidenti errori linguistici.

Il risultato è prima di tutto un cambiamento economico, non tecnico. Buona scrittura, traduzione e personalizzazione aumentavano un tempo il costo di una campagna. Gli strumenti generativi comprimono queste attività in un flusso di lavoro ripetibile.

Ciò non significa che ogni email ben scritta sia generata dall'AI. L'attribuzione resta difficile, perché gli esseri umani possono scrivere messaggi chiari, mentre l'automazione più datata può inserire nomi e dettagli aziendali. Il testo da solo raramente dimostra quale strumento lo abbia prodotto.

La versione “spiegata” del phishing con l'AI è quindi più circoscritta di quella allarmistica. L'AI aiuta gli aggressori a produrre, variare e gestire truffe familiari a maggiore velocità. La destinazione dannosa continua spesso a basarsi su infrastrutture riconoscibili, comprese pagine di accesso false e sessioni rubate.

I ricercatori di Google hanno inoltre rilevato limiti importanti. Nelle loro osservazioni di fine 2025, hanno affermato che gli attori avanzati monitorati non avevano ottenuto capacità rivoluzionarie tali da modificare sostanzialmente il panorama delle minacce. Gli attori hanno guadagnato produttività, non una via automatica attraverso ogni difesa.

Questa precisazione rafforza l'avvertimento centrale. Le organizzazioni non devono prepararsi ad attacchi da fantascienza prima di agire. L'attuale sistema di phishing diventa più pericoloso quando linguaggio credibile e automazione operativa sono disponibili insieme.

L'aspetto normale di questi messaggi crea la vera tensione dell'articolo. Un utente può ricevere una richiesta grammaticalmente corretta collegata a un progetto, servizio o dirigente reale. Il messaggio visibile può sembrare ragionevole, mentre il percorso di autenticazione che lo sostiene è ostile.

Per questo i consigli tradizionali appaiono sempre più incompleti. “Cerca gli errori di battitura” riguarda la qualità della presentazione. Non verifica chi controlli il mittente, la destinazione, la sessione di accesso o la transazione richiesta.

Il phishing con l'AI di Google è più che semplice scrittura migliore

Il cambiamento più ampio è l'automazione lungo l'intera catena d'attacco, non soltanto email meglio scritte.

Le osservazioni di Google sul phishing con l'AI mostrano aggressori che usano modelli per ricognizione, creazione di contenuti, localizzazione, programmazione e supporto operativo. Secondo i suoi ricercatori, Google ha inoltre interrotto account e progetti associati ad attività dannose.

OpenAI ha riportato uno schema simile nei casi di abuso che ha indagato. La sua ricerca sugli usi dannosi afferma che gli attori delle minacce combinano generalmente modelli di AI con siti web, account social e altri strumenti convenzionali.

Questa combinazione è importante. Un messaggio convincente crea l'apertura, ma il resto dell'operazione ne cattura il valore. Gli aggressori hanno ancora bisogno di infrastrutture che rubino credenziali, intercettino l'autenticazione, distribuiscano malware o convincano qualcuno a inviare denaro.

Il phishing-as-a-service abbassa questa barriera operativa. Questi servizi confezionano infrastrutture e funzioni di campagna per clienti che non devono costruire da soli ogni componente. L'AI può aiutare gli operatori a migliorare il supporto, elaborare informazioni rubate e variare più rapidamente le campagne.

Il phishing tramite device code illustra come l'attacco sia andato oltre il furto di password. Questo metodo abusa di un processo di accesso legittimo progettato per dispositivi che non possono inserire facilmente una password.

Il bersaglio riceve un flusso di accesso al dispositivo reale e inserisce un codice fornito dall'aggressore. Se il bersaglio approva la richiesta, l'aggressore può ottenere una sessione autenticata senza presentare una tradizionale falsa schermata per la password.

I ricercatori di Huntress hanno osservato un aumento del 1.380 percento nel phishing tramite device code durante i primi quattro mesi del 2026. Il confronto riguardava la seconda metà del 2025, secondo i risultati sull'automazione degli attacchi riportati da Axios.

Questo aumento non va interpretato come il tasso di crescita di tutto il phishing. Si riferisce a un solo tipo di attacco osservato nella telemetria di un'azienda. Tuttavia, dimostra quanto rapidamente un flusso di lavoro possa scalare una volta che gli strumenti diventano più facili da gestire.

Lo stesso principio si applica alla personalizzazione. Un aggressore può raccogliere da fonti pubbliche un annuncio aziendale, un titolo professionale, un rapporto con un fornitore e il nome di un dirigente. Un modello può trasformare questi frammenti in un messaggio che corrisponde a un evento aziendale credibile.

Si consideri un dipendente della finanza che gestisce regolarmente modifiche alle coordinate bancarie dei fornitori. Un criminale non necessita di impersonare in modo impeccabile il direttore finanziario. Ha bisogno di una richiesta plausibile consegnata quando il dipendente si aspetta quel tipo di attività.

Il messaggio potrebbe citare un fornitore reale e usare una formula interna consolidata. Potrebbe arrivare da una casella email compromessa, eliminando un altro comune segnale di allarme. Il giudizio del dipendente viene quindi messo alla prova da un contesto dall'aspetto legittimo.

La generazione vocale aggiunge un altro canale. Una chiamata di follow-up può rafforzare l'email, mentre un messaggio di testo può creare urgenza lontano dai dispositivi aziendali gestiti. L'aggressore può spostare il bersaglio tra canali prima che i difensori colleghino l'attività.

È qui che il phishing con l'AI di Google diventa un problema di identità anziché di scrittura. La qualità del linguaggio avvia l'interazione. La fase decisiva riguarda autenticazione, autorizzazione e controllo di un account o di una transazione.

I difensori devono quindi esaminare l'intera sequenza. Devono correlare mittente, destinazione, dispositivo, richiesta di accesso, comportamento della sessione e azione finanziaria. Un filtro dei messaggi vede solo una parte di questa sequenza.

Una regola statica può inoltre avere difficoltà quando gli aggressori ruotano domini, allegati e metodi di consegna. L'automazione permette agli operatori di testare rapidamente varianti e abbandonare l'infrastruttura dopo che i difensori l'hanno identificata.

Il vantaggio in termini di produttività non è illimitato. I modelli possono produrre dettagli inesatti, rivelare errori operativi o attivare le protezioni del provider. Gli aggressori hanno comunque bisogno di accesso, infrastruttura e di un modo per trasformare credenziali rubate in controllo utile.

Eppure l'efficienza conta anche senza perfezione. Una campagna non ha bisogno che ogni bersaglio collabori. Ha bisogno di un numero sufficiente di interazioni credibili per rendere l'operazione conveniente.

Il vecchio modello di rilevamento umano si sta sgretolando

Formare le persone a riconoscere una prosa scadente non può proteggerle da messaggi progettati per apparire professionalmente ordinari.

Per anni, i materiali di sensibilizzazione alla sicurezza hanno enfatizzato errori ortografici, saluti strani, urgenza sospetta e branding incoerente. Questi segnali restano utili, ma gli aggressori non hanno più bisogno di conservarli.

L'AI generativa può correggere istantaneamente la grammatica. Può riscrivere una richiesta nello stile di un team acquisti o di un help desk tecnico. Può inoltre eliminare errori culturali e linguistici che in precedenza smascheravano le campagne transfrontaliere.

Il messaggio risultante non deve essere eccezionale. Deve assomigliare al flusso di richieste ordinarie che già competono per l'attenzione. Un dipendente di fretta può elaborarlo con le stesse abitudini utilizzate per il lavoro legittimo.

Il sondaggio europeo di ISACA del giugno 2026 ha rilevato che il 71 percento degli intervistati riteneva più difficile individuare il phishing e l'ingegneria sociale basati sull'AI. Un altro 58 percento ha affermato che l'AI rendeva più difficile autenticare le informazioni digitali, secondo l'indagine sulla sicurezza dell'AI.

Il sondaggio ha inoltre rilevato un beneficio difensivo. Il quarantatré percento ha affermato che l'AI ha migliorato la capacità della propria organizzazione di rilevare e rispondere alle minacce informatiche. Questo risultato coglie più accuratamente la competizione emergente rispetto a una semplice storia di aggressori contro esseri umani.

L'AI può aiutare i difensori a classificare il linguaggio, collegare segnali comportamentali e riassumere attività sospette. Può identificare schemi tra i messaggi che nessun singolo dipendente può vedere.

Tuttavia, i modelli difensivi affrontano una difficile asimmetria. Un aggressore può tentare molte varianti e riuscire occasionalmente. Un controllo aziendale deve bloccare attività dannose senza interrompere grandi volumi di comunicazioni legittime.

I falsi positivi contano perché le email aziendali contengono richieste insolite ma valide. Un nuovo fornitore può modificare i dettagli di pagamento. Un dirigente può contattare inaspettatamente un dipendente. Un cliente può inviare un documento non familiare.

Un filtro che blocca ogni anomalia danneggia il lavoro. Un filtro che si fida di ogni messaggio ben scritto manca gli attacchi. La decisione utile dipende da un contesto che va oltre le parole.

Quel contesto comprende la frequenza con cui il mittente contatta di solito il destinatario, se il dominio è stato osservato di recente e se l’azione richiesta corrisponde a comportamenti precedenti. Include inoltre il dispositivo e la posizione utilizzati dopo l’invio delle credenziali.

Le segnalazioni umane continuano a fornire informazioni preziose. Un dipendente può riconoscere che una richiesta è in conflitto con una conversazione avvenuta offline. Un altro può notare che la procedura di un fornitore è cambiata senza spiegazioni.

I team di sicurezza dovrebbero rendere tali segnalazioni semplici e non punitive. Un pulsante di segnalazione nascosto dietro diversi menu spreca il momento di dubbio del dipendente. Punire le segnalazioni errate insegna alle persone a rimanere in silenzio.

Anche la formazione deve passare dal riconoscimento degli artefatti alla verifica delle azioni. La domanda non è semplicemente: “Questa email sembra strana?” Bensì: “Quale autorizzazione mi chiede di concedere questo messaggio?”

Una richiesta di revisione di un documento pubblico comporta un rischio diverso rispetto a una richiesta di approvazione dell’accesso di un dispositivo. Modificare coordinate bancarie richiede una verifica più rigorosa che confermare l’orario di una riunione.

Questo approccio basato sul rischio offre ai dipendenti una regola duratura anche quando il linguaggio diventa impeccabile. Le azioni sensibili richiedono un percorso di conferma indipendente. La conferma non dovrebbe riutilizzare i contatti forniti nel messaggio sospetto.

Per le modifiche finanziarie, il dipendente può chiamare un numero noto già memorizzato nella scheda del fornitore. Per il recupero dell’account, l’utente può accedere direttamente al servizio anziché seguire il link nel messaggio.

Considerato da questa prospettiva, il phishing basato sull’AI è meno misterioso. I contenuti sono migliorati, ma l’attaccante vuole comunque indurre un’azione rilevante. I difensori ottengono leva controllando il modo in cui tale azione viene approvata.

Anche gli attaccanti progettano strategie per aggirare le difese automatiche

Le moderne campagne di phishing nascondono destinazioni dannose dietro immagini, reindirizzamenti, pagine CAPTCHA e flussi di autenticazione legittimi.

I dati di Microsoft sulle email del primo trimestre del 2026 illustrano perché la qualità dei messaggi sia solo una parte del problema. L’azienda ha osservato un aumento del phishing tramite codici QR da 7,6 milioni di attacchi a gennaio a 18,7 milioni a marzo.

Ciò ha rappresentato un aumento del 146% nel trimestre. Microsoft ha inoltre rilevato che i codici QR incorporati direttamente nei corpi delle email sono aumentati del 336% a marzo, pur rappresentando il 5% del volume osservato.

Un’esca con codice QR sposta la destinazione al di fuori del testo ordinario. Spesso indirizza il bersaglio verso un telefono personale, dove i controlli del browser aziendale e il monitoraggio degli endpoint potrebbero avere minore visibilità.

Gli allegati PDF hanno rappresentato il 70% della distribuzione tramite codici QR a marzo nel dataset di Microsoft. Gli attaccanti non si affidavano soltanto al testo. Inserivano i link in formati che complicano l’ispezione automatizzata.

Anche il phishing protetto da CAPTCHA è aumentato drasticamente. Un CAPTCHA è una verifica pensata per distinguere gli utenti umani dai sistemi automatizzati. Gli attaccanti usano verifiche false o dall’aspetto realistico per ritardare gli scanner e far sembrare legittima una pagina dannosa.

Microsoft ha registrato 11,9 milioni di attacchi protetti da CAPTCHA a marzo, più del doppio rispetto al mese precedente. La sua analisi delle minacce email descrive una rapida rotazione tra metodi di distribuzione tramite PDF, HTML, SVG, documenti e link incorporati.

Questi numeri derivano dalla visibilità di Microsoft e non dovrebbero essere considerati una misura completa del phishing globale. Mostrano tuttavia che gli attaccanti sperimentano su vasta scala diversi formati.

Google ha documentato un’altra variante chiamata ClickFix. La tecnica persuade un utente a copiare ed eseguire un comando dannoso fingendo di risolvere un problema del browser, di un documento o di verifica.

In una campagna osservata, gli attori della minaccia hanno abusato delle funzionalità di condivisione pubblica dei servizi di AI generativa per ospitare contenuti ingannevoli. Il servizio affidabile forniva la superficie, mentre le istruzioni spingevano il bersaglio verso l’esecuzione di malware.

Questi metodi mettono sotto pressione i filtri email perché il componente pericoloso può rimanere nascosto fino a dopo la consegna. Uno scanner può vedere un PDF, un’immagine QR, una pagina condivisa o un servizio di autenticazione legittimo anziché un eseguibile dannoso evidente.

Anche il tempo gioca a favore dell’attaccante. Una destinazione può comportarsi in modo sicuro durante l’ispezione automatizzata e cambiare dopo la consegna. Le catene di reindirizzamento possono variare in base alla posizione, al dispositivo o al browser.

Ciò crea un confine mobile tra sicurezza delle email e sicurezza delle identità. Un messaggio può attraversare la casella di posta senza un payload rilevabile. Il successivo schema di accesso rivela l’attacco.

I difensori hanno bisogno di controlli che proseguano dopo la consegna del messaggio. Possono rimuovere un messaggio appena identificato da più caselle di posta, revocare sessioni sospette e bloccare destinazioni man mano che cambiano le informazioni di intelligence.

I sistemi di identità dovrebbero inoltre valutare concessioni di consenso insolite, richieste di codici dispositivo, accessi non familiari e comportamento delle sessioni. L’autenticazione a più fattori resta importante, ma gli attaccanti progettano sempre più flussi che inducono gli utenti a concedere accessi autenticati.

L’autenticazione resistente al phishing restringe questa opportunità. Le passkey e le credenziali supportate da hardware legano più strettamente l’autenticazione al servizio legittimo, riducendo l’esposizione a false pagine di accesso.

Non risolvono ogni scenario di ingegneria sociale. Un dipendente può comunque approvare un pagamento fraudolento o divulgare informazioni sensibili durante una conversazione convincente. I controlli tecnici devono corrispondere all’azione richiesta.

Le banche affrontano una versione particolarmente difficile di questo problema. I clienti si aspettano avvisi di frode, controlli d’identità e messaggi urgenti relativi al conto. Gli attaccanti imitano quelle stesse comunicazioni perché l’urgenza appare credibile in un contesto finanziario.

L’indicazione più sicura rimane volutamente scomoda. I clienti dovrebbero aprire l’app nota della banca o digitare direttamente il suo indirizzo consolidato. Dovrebbero contattare l’istituto usando un numero presente su un estratto conto esistente o su una carta di pagamento.

Questo consiglio riguarda il canale della transazione, non la qualità del messaggio. Rimane utile sia che il contenuto provenga da un modello, da un copywriter criminale o da una casella di posta bancaria compromessa.

Ciò che la narrazione sul phishing con AI non può ancora dimostrare

Le prove di sicurezza mostrano un uso crescente dell’AI, ma non dimostrano che l’AI abbia reso ogni campagna di phishing indistinguibile da una comunicazione legittima.

Le affermazioni sulla rilevazione meritano attenzione, perché identificare testo generato dall’AI rimane inaffidabile. Un’email ben rifinita non è una prova dell’uso di un modello. Un’email maldestra non è una prova di paternità umana.

Ricercatori e fornitori misurano spesso elementi diversi. Un dataset può contare i messaggi dannosi, mentre un altro conta incidenti, domini, utenti o richieste bloccate. Le percentuali di crescita possono cambiare drasticamente a seconda del periodo di confronto.

Le cifre di Microsoft descrivono gli attacchi visibili nell’ecosistema Microsoft. La percentuale di Huntress riguarda il phishing tramite codici dispositivo osservato da Huntress. ISACA riporta le percezioni dei professionisti raccolte tramite un sondaggio.

Nel loro insieme, queste fonti mostrano una direzione coerente. Non costituiscono una singola stima globale della diffusione o del successo del phishing con AI.

I risultati di Google forniscono un altro necessario elemento di cautela. I suoi ricercatori sulle minacce hanno osservato guadagni di produttività e abusi nel mondo reale, ma non hanno visto attori avanzati monitorati ottenere una svolta fondamentale alla fine del 2025.

Questa conclusione contrasta con la versione più estrema della narrazione dei titoli. L’AI ha modificato costi, velocità e presentazione. Non ha eliminato gli errori operativi né reso obsolete tutte le difese.

Gli attaccanti possono allucinare fatti, usare il titolo sbagliato o inventare un progetto. Possono scegliere un linguaggio inappropriato per la relazione. Una campagna generata su larga scala può comunque rivelare schemi tra i destinatari.

Anche i fornitori di modelli mantengono punti di intervento. Google afferma di disabilitare risorse dannose e migliorare i classificatori quando le indagini identificano abusi. OpenAI afferma di rilevare e interrompere account collegati a operazioni dannose.

Queste salvaguardie creano attrito, ma gli attori della minaccia possono cambiare modelli, usare sistemi aperti o suddividere le attività tra servizi. OpenAI osserva che le operazioni dannose raramente si limitano a una sola piattaforma.

L’AI difensiva porta con sé la propria incertezza. Un sistema può assegnare un’elevata confidenza all’interpretazione sbagliata. Può non rilevare una nuova tattica o reagire in modo eccessivo a un insolito messaggio legittimo.

Le organizzazioni dovrebbero evitare di sostituire una debole intuizione umana con un’opaca intuizione automatica. Un punteggio dell’AI dovrebbe diventare un segnale all’interno di un processo di risposta documentato.

Un sistema utile può spiegare perché un evento è stato sottoposto a escalation. Potrebbe identificare una relazione non familiare con il mittente, un nuovo dominio, una richiesta di autenticazione insolita e un’azione sensibile.

Queste prove offrono a un analista qualcosa di concreto da investigare. Un’etichetta generica come “probabilmente generato dall’AI” ha meno valore operativo perché la paternità non determina se un messaggio è dannoso.

La privacy introduce un altro compromesso. Il rilevamento contestuale funziona meglio quando i sistemi possono analizzare comunicazioni, registri di identità e storie comportamentali. Questa visibilità può esporre informazioni sensibili su dipendenti e clienti.

I team di sicurezza necessitano di limiti di conservazione, controlli di accesso e una governance chiara per tali dataset. Altrimenti, un programma anti-phishing crea un’altra fonte concentrata di rischio.

L’inquadramento di Google News è più utile quando indirizza l’attenzione verso la verifica. Diventa meno utile quando tratta l’AI come una spiegazione magica per ogni truffa riuscita.

Lo standard pratico dovrebbe rimanere la prova di intento dannoso, infrastruttura o azione richiesta. Il coinvolgimento dell’AI cambia priorità e scala. Non elimina la necessità di un’attenta analisi degli incidenti.

Cosa dovrebbero osservare i team di sicurezza

La prossima fase sarà misurata attraverso l’abuso automatizzato delle identità, la qualità della risposta difensiva e l’adozione di controlli resistenti al phishing.

Il primo segnale è la crescita del phishing basato su codici dispositivo e sessioni. Questi attacchi sono importanti perché prendono di mira flussi di autenticazione legittimi anziché semplici moduli per password.

I team di sicurezza dovrebbero monitorare con quale frequenza gli utenti ricevono codici dispositivo inattesi, approvano sessioni non familiari o concedono accesso tramite flussi insoliti. Un aumento sostenuto rafforzerebbe l’ipotesi che gli attaccanti stiano automatizzando oltre la creazione dei messaggi.

Un calo dopo l’adozione di controlli più efficaci indebolirebbe l’argomento secondo cui la tecnica può scalare senza resistenza. Mostrerebbe inoltre che la telemetria delle identità può interrompere gli attacchi dopo che un’email raggiunge la casella di posta.

Il secondo segnale è se i sistemi difensivi riducono i tempi di risposta senza sovraccaricare gli analisti. Gli strumenti assistiti dall’AI possono collegare segnali relativi a messaggi, identità, endpoint e transazioni, ma solo se le organizzazioni li integrano in modo coerente.

I team dovrebbero misurare il tempo che intercorre dalla prima segnalazione dell’utente alla rimozione del messaggio, alla revoca della sessione e all’identificazione degli utenti coinvolti. Dovrebbero inoltre monitorare i falsi positivi e gli annullamenti ripetuti da parte degli analisti.

Un contenimento più rapido con tassi di errore stabili sosterrebbe il caso difensivo a favore dell’AI. Un arretrato di avvisi in crescita mostrerebbe che la sola classificazione non risolve il problema operativo.

Il terzo segnale è l’adozione di autenticazione resistente al phishing e di verifica indipendente delle transazioni. Questi controlli spostano la protezione dalla capacità dell’utente di valutare lo stile di scrittura.

Google, Microsoft, le banche e i fornitori di identità aziendali influenzano tutti questa transizione. Le organizzazioni dovrebbero osservare l’iscrizione alle passkey, la copertura dell’autenticazione supportata da hardware e le eccezioni che preservano percorsi di accesso più deboli.

Dovrebbero inoltre misurare quante azioni finanziarie o amministrative sensibili richiedono una conferma fuori banda. Un controllo fuori banda utilizza un canale separato e precedentemente affidabile anziché i dettagli forniti dal richiedente.

Una più ampia adozione ridurrebbe il valore delle esche ben confezionate. Un’adozione lenta lascerebbe i dipendenti responsabili di distinguere elementi che i sistemi generativi sono sempre più progettati per rendere indistinguibili.

La sfida nel breve termine non è quindi tra un attaccante IA e un lettore umano. È tra persuasione automatizzata e verifica a più livelli.

Una buona difesa parte dal presupposto che alcuni messaggi malevoli appariranno normali e raggiungeranno i loro destinatari. Limita ciò che un singolo messaggio, un singolo clic o una singola approvazione possono consentire.

Le organizzazioni possono iniziare con una revisione mirata. Individuate le azioni che comportano le perdite maggiori, inclusi cambiamenti nei pagamenti, recupero delle password, approvazione dei token e accesso amministrativo.

Esaminate quindi come ciascuna azione viene autorizzata. Se una semplice email credibile può attivarla da sola, il processo presenta una debolezza che una migliore formazione sulla consapevolezza non può correggere.

Google News continuerà a mostrare esempi allarmanti perché la minaccia è visibile, facilmente comprensibile e in rapida evoluzione. I lettori dovrebbero considerare questi resoconti come inviti alla verifica, non come prova che il rilevamento sia diventato impossibile.

Per i responsabili della sicurezza, la domanda immediata è concreta: quale azione sensibile dipende ancora dal fatto che un dipendente decida se un messaggio ben rifinito “sembra corretto”? Sostituite quel punto decisionale con un controllo affidabile, misuratene il risultato e testate il processo prima che lo faccia un attaccante.