Le notifiche di violazione superano il totale dell’anno scorso mentre l’AI agisce su entrambi i fronti

Google News ha messo in luce una netta inversione nelle segnalazioni di violazioni: nella prima metà del 2026 sono arrivate 471,2 milioni di notifiche alle vittime, superando già l’intero 2025. L’Identity Theft Resource Center aveva contato appena 297,5 milioni di notifiche nell’intero anno precedente. Tuttavia, questi numeri non dimostrano che l’AI abbia causato ogni violazione, né la maggior parte di esse.

Rivelano qualcosa di più complesso. L’intelligenza artificiale sta aiutando gli attaccanti a individuare vulnerabilità, produrre impersonificazioni convincenti e automatizzare parti delle loro campagne. Sta inoltre offrendo ai difensori strumenti più rapidi per rilevamento, triage e contenimento. Il conflitto centrale non è più tra persone e macchine. È tra automazione degli attaccanti e automazione difensiva, che operano in sistemi spesso ancora catalogati in modo insufficiente.

Anche il totale delle notifiche richiede un’interpretazione attenta. Una notifica alla vittima rappresenta una comunicazione, non necessariamente una persona unica. Un singolo individuo può ricevere più notifiche dopo incidenti diversi. Grandi eventi della catena di fornitura possono generare notifiche da molte organizzazioni colpite, amplificando una singola compromissione iniziale.

Questa precisazione non rende irrilevante l’impennata. Mostra perché i totali grezzi devono essere collegati ai percorsi d’attacco, alle entità coinvolte e alla qualità delle divulgazioni. Purtroppo, la maggior parte delle notifiche omette ancora i dettagli tecnici necessari per stabilire questo collegamento.

Il risultato è un divario informativo scomodo. Le organizzazioni inviano più avvisi, spiegando però meno su come gli intrusi siano entrati. Nel frattempo, le violazioni dei dati legate all’AI diventano più difficili da distinguere dalle normali violazioni accelerate da ricognizione, ingegneria sociale o malware assistiti dall’AI.

Google News può aver fornito il titolo, ma le prove sottostanti vanno oltre un singolo numero allarmante. Le aziende affrontano sfruttamenti più rapidi, una più ampia esposizione a terze parti e sistemi AI aggiuntivi che richiedono protezione. I consumatori ricevono più avvisi senza ottenere una visione chiara di quali rischi contino di più.

Google News ha evidenziato un numero record di notifiche, non 471 milioni di vittime uniche

Il record del primo semestre misura il volume delle notifiche, mentre l’avvertimento più profondo risiede nella concentrazione e nell’opacità dietro tali notifiche.

L’ITRC ha tracciato 1.803 compromissioni di dati nei primi sei mesi del 2026. Il secondo trimestre ha prodotto 1.029 compromissioni, il suo secondo conteggio trimestrale più alto mai registrato. Se questo ritmo dovesse mantenersi, il totale annuale si avvicinerebbe a 3.600 eventi.

Ciò supererebbe le 3.321 compromissioni registrate nel 2025. L’aumento previsto è rilevante, ma è molto più piccolo della differenza tra i totali delle notifiche alle vittime nei due anni. Questo contrasto mostra come alcuni incidenti eccezionalmente grandi possano dominare il quadro pubblico.

Secondo l’analisi delle violazioni dell’ITRC, fino a giugno sono state emesse 471,2 milioni di notifiche. Il dato per l’intero 2025 era di 297,5 milioni. Il totale del primo semestre ha quindi superato l’anno precedente di 173,7 milioni di notifiche.

Una notifica può raggiungere una persona, un cliente, un dipendente o un titolare di account le cui informazioni sono state esposte. Non conferma che il destinatario abbia subito un furto d’identità. Non indica nemmeno ai ricercatori se una persona compaia ripetutamente in più elenchi di notifica.

Il denominatore è altrettanto importante. Gli Stati Uniti non hanno 471,2 milioni di residenti, quindi il totale non può rappresentare 471,2 milioni di americani diversi. Notifiche duplicate, esposizione internazionale e record sovrapposti aiutano a spiegare perché il conteggio possa superare la popolazione.

Questa distinzione evita un’interpretazione esagerata senza minimizzare il rischio. Una persona che riceve più notifiche affronta comunque più possibili percorsi di esposizione. Password riutilizzate, vecchi indirizzi, cartelle cliniche, numeri di previdenza sociale e informazioni lavorative possono accumularsi tra diversi incidenti.

La concentrazione rende il totale ancora più rivelatore. Le società quotate in borsa rappresentavano il 10,3% delle entità compromesse, ma hanno generato l’83,4% di tutte le notifiche alle vittime. Le grandi aziende detengono più record, dipendono da più fornitori e collegano più servizi tramite infrastrutture condivise.

Gli incidenti della catena di fornitura hanno creato un moltiplicatore ancora più netto. Solo 38 compromissioni iniziali hanno generato 280,6 milioni di notifiche e alla fine hanno coinvolto 206 organizzazioni. In questi attacchi, un singolo fornitore violato diventa una via d’accesso a numerosi clienti o espone dati detenuti per loro conto.

L’impennata delle notifiche non descrive quindi milioni di attacchi isolati. Riflette un’economia connessa, in cui un numero relativamente ridotto di compromissioni può diffondersi tra molte aziende. Fornitori, provider di identità, servizi cloud e piattaforme software concentrano il rischio operativo.

Questa struttura mette sotto pressione anche gli acquirenti aziendali. Una revisione della sicurezza focalizzata soltanto sulla rete di un’azienda non copre più l’intera esposizione. Decisioni di approvvigionamento, integrazioni di servizi, token di accesso e procedure dei fornitori in caso di incidente influenzano ora le conseguenze di una violazione.

Per i consumatori, la stessa struttura rende più difficile valutare le singole notifiche. Una lettera può identificare l’azienda che la invia senza spiegare chiaramente quale fornitore sia stato originariamente compromesso. Il destinatario vede quindi un esito, non la catena di sistemi che lo ha prodotto.

Il titolo è quindi accurato ma incompleto. Le notifiche hanno superato il totale dell’anno precedente entro sei mesi. Il cambiamento più significativo è la rapidità con cui poche violazioni connesse possono produrre ondate di notifiche a livello nazionale.

L’AI sta accelerando percorsi d’attacco esistenti

L’AI sta cambiando la velocità e l’economia dei cyberattacchi, ma debolezze familiari offrono ancora a tali attacchi un punto d’approdo.

L’ITRC ha associato parte dell’aumento del 2026 a strumenti di intelligenza artificiale che aiutano a individuare più rapidamente falle software. Ha contato 14 attacchi zero-day nella prima metà dell’anno. Un attacco zero-day sfrutta una vulnerabilità prima che una correzione efficace sia ampiamente disponibile.

Il conteggio comparabile per l’intero 2025 era di 17. Raggiungere quasi quel totale in sei mesi suggerisce una maggiore pressione sulla ricerca delle vulnerabilità, sulla distribuzione delle patch e sul monitoraggio difensivo. Non dimostra che ogni zero-day sia stato scoperto o sfruttato tramite l’AI.

Questo confine è importante perché il coinvolgimento dell’AI può descrivere diverse attività. Un attaccante potrebbe usare un modello per scrivere messaggi di phishing, tradurre una campagna di impersonificazione, analizzare codice sottratto o modificare malware. Un altro soggetto potrebbe colpire direttamente un’applicazione AI.

Questi casi creano rischi diversi. Il phishing assistito dall’AI aumenta la scala e la qualità di una tecnica consolidata. Un attacco contro un modello, un plug-in o un’interfaccia di programmazione delle applicazioni crea una categoria più recente di infrastrutture esposte.

Lo studio IBM sulle violazioni del 2026 fornisce prove per entrambi gli schemi. La sua ricerca ha rilevato che una violazione dannosa su quattro era abilitata dall’AI, con un aumento del 56% rispetto all’anno precedente. Il costo medio riportato per questi incidenti era di 6 milioni di dollari.

Ciò superava di circa 1 milione di dollari la media globale IBM di 4,99 milioni di dollari per violazione. Lo studio ha coperto violazioni subite da 602 organizzazioni tra marzo 2025 e febbraio 2026. Il Ponemon Institute ha condotto la ricerca, sponsorizzata e analizzata da IBM.

Lo stesso studio sulle violazioni AI ha rilevato che oltre il 20% delle organizzazioni ha segnalato un attacco mirato a un modello o a un’applicazione AI. Interfacce, applicazioni o plug-in compromessi hanno causato il 27% di tali casi. Le configurazioni errate del cloud ne hanno causato un ulteriore 27%.

Questi risultati mostrano perché i rischi di cybersecurity dell’AI non possano essere ridotti a prompt dannosi. I sistemi di identità circostanti, le autorizzazioni cloud, gli archivi di dati, le interfacce e i plug-in restano spesso gli anelli più deboli. Gli attaccanti possono aggirare le protezioni del modello compromettendo l’infrastruttura che lo circonda.

L’impersonificazione tramite deepfake introduce un problema diverso. Gli attaccanti possono imitare dirigenti, fornitori o addetti al supporto senza sfruttare software. Voce, video e testo personalizzato possono rafforzare richieste di credenziali, pagamenti o accesso.

La tattica di fondo rimane l’ingegneria sociale. L’AI riduce i costi di produzione, migliora la qualità linguistica e consente agli attaccanti di creare più varianti. Può inoltre rendere una campagna più facile da adattare dopo che i bersagli hanno respinto il primo approccio.

L’indagine Verizon del 2026 ha rilevato che l’ingegneria sociale mobile riuscita è aumentata del 40%. Ha inoltre segnalato che lo sfruttamento delle vulnerabilità software è diventato il principale punto di ingresso iniziale, comparendo nel 31% delle violazioni. Le credenziali rubate non occupavano più la prima posizione.

Questi risultati collegano l’assistenza dell’AI a una debolezza operativa di lunga data. Le organizzazioni spesso hanno bisogno di tempo per identificare gli asset vulnerabili, testare le patch e distribuire le correzioni. La ricognizione automatizzata può comprimere il lavoro dell’attaccante mentre i difensori seguono ancora processi di approvazione più lenti.

IBM ha rilevato uno squilibrio simile all’interno dei team di sicurezza. Più della metà delle organizzazioni intervistate utilizzava agenti per il rilevamento e il contenimento delle minacce. Solo il 18% applicava agenti alla gestione delle vulnerabilità, lasciando la correzione indietro rispetto al più rapido livello di rilevamento.

Le violazioni dei dati legate all’AI emergono quindi attraverso un’automazione diseguale. Gli attaccanti possono automatizzare scoperta e contatto senza possedere la complessa infrastruttura del bersaglio. I difensori devono inventariare gli asset, testare le modifiche, preservare la disponibilità e coordinare più team prima di chiudere una debolezza.

Questo squilibrio, anziché un singolo modello dannoso, spiega perché l’intelligenza artificiale stia diventando una parte più ampia delle segnalazioni di violazione.

Il moltiplicatore più grande resta la catena di fornitura

L’AI aumenta la velocità degli attacchi, mentre i fornitori interconnessi determinano quanto lontano possa arrivare una compromissione riuscita.

L’esposizione della catena di fornitura ha prodotto la maggior parte delle notifiche alle vittime nei dati dell’ITRC relativi al primo semestre. Le 280,6 milioni di notifiche attribuite a questi attacchi rappresentavano quasi il 60% del totale di 471,2 milioni.

Il numero di eventi iniziali era appena 38. Tali incidenti hanno coinvolto 206 organizzazioni dopo il conteggio delle conseguenze a valle. Una singola intrusione riuscita poteva quindi costringere diverse aziende a indagare, avvisare i clienti e rivedere gli accessi condivisi.

Questo moltiplicatore complica l’attribuzione delle responsabilità. L’organizzazione che detiene il rapporto con il cliente potrebbe non aver gestito il sistema violato. Il fornitore originario potrebbe a sua volta dipendere da un altro provider, creando ulteriori livelli tra l’attaccante e la notifica finale.

L’AI può accelerare la ricognizione attraverso queste connessioni. Può aiutare ad analizzare la documentazione, identificare interfacce esposte e dare priorità a vulnerabilità note. Tuttavia, l’attacco riesce comunque perché i sistemi condividono dati, credenziali o accessi fidati.

Verizon ha riferito che terze parti erano coinvolte nel 48% delle violazioni durante il periodo di studio del 2026. Ciò rappresentava un aumento del 60% nel coinvolgimento di terze parti. La sua indagine sulle violazioni ha inoltre rilevato una crescita del traffico dei bot AI del 21% mese su mese.

Non tutti i bot AI sono ostili. Alcuni raccolgono informazioni per l’addestramento dei modelli, mentre altri recuperano pagine in risposta alle richieste degli utenti. La loro crescita aggiunge comunque traffico, preoccupazioni sulla proprietà intellettuale e lavoro di monitoraggio per i team di sicurezza.

La sfida consiste nel distinguere l’automazione ordinaria dalla ricognizione malevola. Una richiesta può apparire innocua pur raccogliendo informazioni utili a un attacco successivo. Bloccare tutto il traffico automatizzato interromperebbe anche funzioni legittime di ricerca, accessibilità e business.

È qui che emerge il conflitto principale. Gli aggressori traggono vantaggio da una scoperta ampia e da iterazioni rapide. I difensori devono prendere decisioni mirate che preservino l’accesso dei clienti, le integrazioni dei partner e l’affidabilità della produzione.

Le catene di fornitura amplificano ogni errore in questo processo. Un account fornitore con permessi eccessivi può esporre diversi clienti. Un token di integrazione compromesso può continuare a essere valido oltre la permanenza del dipendente o la durata del progetto che lo ha creato. Un servizio trascurato può restare connesso dopo che la sua finalità aziendale è venuta meno.

Le aziende faticano anche a rispondere a una domanda fondamentale: quali sistemi esterni possono accedere a dati sensibili? I contratti possono descrivere la gestione dei dati a un livello generale, mentre i permessi tecnici cambiano continuamente. Le revisioni di sicurezza effettuate una volta all’anno non colgono questi cambiamenti.

L’adozione dell’AI può aggiungere un ulteriore livello di relazioni non tracciate. I dipendenti potrebbero caricare documenti interni su assistenti non approvati o collegare strumenti AI a calendari, repository di codice e unità condivise. Ogni connessione crea un nuovo percorso di movimentazione dei dati.

Verizon ha rilevato che l’uso frequente da parte dei dipendenti di strumenti AI non approvati è salito dal 15% al 45% in un anno. Ha descritto la shadow AI come la terza attività non malevola più comune associata alla fuga di dati.

Per shadow AI si intende l’uso di un servizio AI senza approvazione o supervisione dell’organizzazione. Il rischio non si limita al fatto che un fornitore addestri i propri modelli sulle informazioni inviate. Anche una sicurezza debole degli account, permessi eccessivi dei plug-in e regole di conservazione poco chiare possono esporre materiale riservato.

Questo genera pressione contemporaneamente sui team di sicurezza, procurement e business. Un divieto totale può spingere l’uso ancora più in clandestinità. Un’adozione senza vincoli può disperdere i dati aziendali tra sistemi che i responsabili della risposta agli incidenti non riescono a vedere.

Le organizzazioni hanno bisogno di un inventario dinamico di fornitori, integrazioni, identità macchina e flussi di dati. Hanno inoltre bisogno di controlli di accesso legati alle attività effettive anziché a permessi ampi e permanenti. Queste misure affrontano sia le tradizionali violazioni della supply chain sia i rischi di cybersicurezza legati all’AI.

Per i knowledge worker, anche la gestione locale dei dati merita un’attenzione analoga. Una base di conoscenza personale può ridurre le copie non controllate quando archiviazione, permessi e confini di recupero delle informazioni sono chiaramente compresi.

La questione chiave non è se uno strumento abbia un’etichetta AI. È se l’organizzazione sappia a quali dati lo strumento può accedere, dove tali dati vengono trasferiti e come l’accesso possa essere revocato.

Più notifiche arrivano con meno dettagli utili

L’aumento delle notifiche di violazione si scontra con un problema di disclosure che impedisce ad aziende e consumatori di capire cosa sia realmente fallito.

Solo il 24% delle notifiche monitorate dall’ITRC durante la prima metà del 2026 conteneva dettagli sul vettore di attacco. È stato il tasso di divulgazione più basso mai registrato dall’organizzazione. Tre notifiche su quattro hanno quindi omesso informazioni significative sul metodo di ingresso.

Un vettore di attacco è il percorso utilizzato per ottenere un accesso non autorizzato. Può includere credenziali rubate, sfruttamento di vulnerabilità software, phishing, insider malevoli o un fornitore compromesso. Senza questo dettaglio, i destinatari non possono adattare la propria risposta all’esposizione subita.

La reimpostazione di una password aiuta dopo il furto di credenziali. Non ripristina la riservatezza di una cartella clinica rubata. Il blocco del credito può ridurre le frodi legate all’apertura di nuovi conti, ma non impedisce a un aggressore di usare informazioni lavorative esposte per impersonare qualcuno.

Anche le aziende perdono opportunità di apprendimento. Una notifica che riporta soltanto “accesso non autorizzato” offre poche indicazioni ai pari che gestiscono sistemi simili. Limita inoltre la capacità dei ricercatori di distinguere gli attacchi assistiti dall’AI dalla più ampia crescita del cybercrime.

Questo contesto mancante crea un problema di misurazione. IBM può intervistare organizzazioni colpite da violazioni sul coinvolgimento dell’AI, mentre l’ITRC può contare le notifiche pubbliche. Queste fonti esaminano popolazioni diverse con metodi diversi.

I risultati non dovrebbero essere combinati per affermare che un quarto di tutte le 471,2 milioni di notifiche derivi da violazioni abilitate dall’AI. La ricerca disponibile non stabilisce questa relazione. Conteggi delle notifiche, conteggi delle violazioni e organizzazioni intervistate sono unità distinte.

Anche la definizione di “abilitato dall’AI” richiede cautela. Una campagna non diventa un attacco fondamentalmente nuovo solo perché un intruso ha usato un chatbot per migliorare un’email. Tuttavia, l’assistenza dell’AI può comunque aumentare il volume della campagna o ridurre le competenze necessarie.

Al contrario, una violazione che prende di mira un sistema AI può avvenire senza che l’aggressore utilizzi l’AI. Una credenziale cloud rubata potrebbe esporre dati del modello attraverso una compromissione convenzionale dell’account. Il bersaglio coinvolge l’AI, mentre il metodo no.

Queste distinzioni plasmano regolamentazione e investimenti. Se le organizzazioni trattano ogni incidente correlato all’AI come un nuovo problema di sicurezza dei modelli, possono trascurare identità, patching, segmentazione e controlli sui fornitori. Questi fondamenti determinano ancora molti esiti.

Se liquidano l’AI come linguaggio di marketing, possono ignorare cambiamenti reali nella velocità, nella qualità dell’impersonificazione e nella scala degli attacchi. Possono inoltre non proteggere le interfacce dei modelli, i sistemi di recupero delle informazioni e gli agenti automatizzati con permessi estesi.

Il Cyber AI Profile in fase di sviluppo del NIST separa il problema in tre aree. Le organizzazioni devono proteggere i componenti AI, usare l’AI per la difesa e contrastare gli attacchi abilitati dall’AI. Questa separazione offre un quadro più utile di un’unica ampia etichetta di violazione AI.

Il profilo rimane una guida, non la prova che un controllo specifico avrebbe prevenuto gli incidenti registrati. Tuttavia, rafforza la necessità di mappare i rischi dell’AI sulle funzioni di cybersicurezza consolidate.

L’attività degli insider aggiunge un’altra fonte di incertezza. L’ITRC ha contato 21 eventi di condotta impropria interna nella prima metà dell’anno, sette volte il totale registrato nell’intero 2025. Ha collegato tale aumento in parte ai licenziamenti nel settore tecnologico e agli sforzi di reclutamento da parte di Stati-nazione.

Ventuno eventi restano una quota ridotta delle 1.803 compromissioni. La loro crescita conta comunque, perché gli utenti autorizzati spesso sanno dove risiedono i dati di valore. Gli strumenti AI possono aiutarli a cercare, riassumere o trasferire informazioni in modo più efficiente.

Le organizzazioni non dovrebbero rispondere monitorando ogni dipendente come se fosse un sospetto. Una sorveglianza eccessiva può danneggiare la fiducia e produrre più rumore che prove utili. L’accesso con privilegi minimi e procedure di offboarding chiare offrono salvaguardie più mirate.

La conclusione prudente è diretta. Più notifiche non significano automaticamente maggiore trasparenza. Finché le divulgazioni non spiegheranno i metodi di attacco in modo più coerente, sarà difficile verificare affermazioni sicure sull’esatto contributo dell’AI.

L’AI sta anche riducendo i costi di rilevamento e contenimento

La stessa tecnologia che riduce i costi operativi degli aggressori può aiutare i difensori a limitare i danni, rendendo la governance il fattore decisivo.

IBM ha rilevato che le organizzazioni che utilizzano ampiamente AI e automazione nelle operazioni di sicurezza hanno ridotto i costi medi delle violazioni di quasi 2 milioni di dollari. Questo risultato non significa che il software da solo prevenga gli incidenti. Suggerisce che un rilevamento e una risposta più rapidi possano cambiare ciò che accade dopo l’accesso.

I team di sicurezza elaborano grandi volumi di avvisi provenienti da endpoint, servizi cloud, piattaforme di identità e applicazioni. L’AI può raggruppare segnali correlati, riassumere attività e mettere in evidenza comportamenti insoliti. Gli analisti possono quindi dedicare più tempo alla convalida dei casi ad alta priorità.

L’automazione può inoltre isolare un endpoint, disabilitare un token o avviare la raccolta delle prove. Queste azioni riducono l’intervallo tra rilevamento e contenimento. Il loro valore cresce man mano che gli aggressori automatizzano i propri spostamenti.

Tuttavia, la risposta autonoma introduce rischi operativi. Un sistema configurato male può bloccare utenti legittimi, interrompere la produzione o eliminare contesto utile. Le azioni ad alto impatto richiedono autorità definite, registrazione e percorsi di escalation umana.

L’AI difensiva dipende anche da dati affidabili. Inventari degli asset incompleti, registri delle identità incoerenti e log disconnessi ne indeboliscono le conclusioni. Un modello non può proteggere un’integrazione di cui l’organizzazione non sa nemmeno l’esistenza.

Il risultato è un compromesso, non una semplice corsa tecnologica. Più automazione può migliorare la velocità di risposta. Può anche riprodurre supposizioni errate alla velocità delle macchine quando politiche di accesso e responsabilità restano poco chiare.

Il quadro del NIST riflette questo equilibrio. Considera la difesa abilitata dall’AI come una componente accanto alla protezione dei sistemi AI e alla preparazione contro attacchi abilitati dall’AI. Ogni area sostiene le altre.

Un’organizzazione che usa un agente per indagare sulle minacce deve proteggere le credenziali di quell’agente. Deve limitare i sistemi che l’agente può interrogare e le azioni che può eseguire. Deve inoltre disporre di registri che mostrino perché si è verificata un’azione automatizzata.

Questi requisiti diventano urgenti quando gli agenti vanno oltre le raccomandazioni. Un sistema che può aprire ticket presenta un rischio limitato. Uno che può revocare accessi, distribuire codice o modificare infrastrutture necessita di controlli più rigorosi e procedure di rollback affidabili.

Gli aggressori cercano le stesse capacità. Se compromettono un agente o il suo account circostante, possono ereditare accesso fidato a diversi sistemi. Lo strumento di sicurezza può quindi diventare un altro moltiplicatore della supply chain.

Per questo le violazioni dei dati AI non possono essere risolte sovrapponendo un secondo prodotto AI a un’architettura debole. Identità, crittografia, gestione delle patch, segmentazione, backup e piani di risposta agli incidenti testati restano essenziali.

IBM ha riportato che solo il 37% delle organizzazioni colpite da violazioni cifrava le informazioni sensibili sia a riposo sia in transito. Solo il 34% disponeva di visibilità sui propri asset crittografici. Queste lacune riguardano pratiche di sicurezza consolidate, non minacce future speculative.

Il vantaggio pratico va alle organizzazioni che collegano l’automazione alla governance. Sanno quali agenti esistono, chi ne è responsabile, quali dati possono raggiungere e con quale rapidità possano esserne rimossi i permessi.

I knowledge worker hanno un ruolo in questo modello. Dovrebbero capire se un assistente invia informazioni a un servizio remoto, conserva i prompt o si connette ad altri account. La comodità non dovrebbe rendere invisibili queste decisioni.

Un workflow della conoscenza ricercabile può supportare un recupero controllato delle informazioni quando i team definiscono fonti approvate e confini di accesso. Non può sostituire le politiche di sicurezza organizzative.

I difensori non devono superare ogni aggressore in ogni attività. Devono ridurre l’esposizione, accorciare i tempi di rilevamento e impedire che un singolo account compromesso possa raggiungere tutto il resto.

Tre segnali mostreranno se l’impennata sta diventando un cambiamento duraturo

La fase successiva dipende dalla qualità delle divulgazioni, dalla concentrazione della supply chain e dal fatto che l’automazione difensiva colmi il divario nella mitigazione.

Il primo segnale è il prossimo aggiornamento dell’ITRC su compromissioni e notifiche alle vittime. Il conteggio annuale mostrerà se l’impennata della prima metà dell’anno sia derivata da un gruppo limitato di mega-violazioni o sia proseguita nei trimestri successivi.

Se le notifiche continueranno a crescere mentre i conteggi degli incidenti aumenteranno più lentamente, la concentrazione resterà la spiegazione dominante. Se entrambe le misure accelereranno, le prove di un deterioramento più ampio diventeranno più solide.

Il secondo segnale è la divulgazione del vettore di attacco. L’attuale tasso di dettaglio del 24% impedisce un’attribuzione precisa e indebolisce i confronti. Un tasso più elevato consentirebbe ai ricercatori di separare lo sfruttamento di vulnerabilità software, le credenziali, gli insider, i fornitori e l’attività assistita dall’AI.

Una migliore divulgazione non ridurrebbe da sola il volume delle violazioni. Renderebbe le lezioni difensive più trasferibili e le affermazioni sull'intelligenza artificiale più facili da verificare. Un ulteriore calo lascerebbe i titoli di Google News dipendenti da stime generiche.

Il terzo segnale è il divario tra il rilevamento tramite AI e la correzione delle vulnerabilità. IBM ha riscontrato un uso diffuso degli agenti per il rilevamento, ma solo il 18% di adozione nella gestione delle vulnerabilità. Questo squilibrio dà agli attaccanti il tempo di sfruttare debolezze note.

Se le organizzazioni automatizzano correzioni sicure e riducono i ritardi nell'applicazione delle patch, l'AI potrebbe ridurre i costi delle violazioni nonostante attacchi più rapidi. Se il rilevamento migliora senza una correzione più veloce, i team di sicurezza si limiteranno a identificare più problemi che non riescono a risolvere.

L'esposizione della catena di fornitura rientra in tutti e tre i segnali. Un piccolo numero di compromissioni dei fornitori ha generato la maggior parte delle notifiche del primo semestre. Gli acquirenti dovrebbero verificare se i fornitori limitano i permessi di integrazione, ruotano le credenziali macchina e comunicano tempestivamente gli effetti a valle.

Anche autorità di regolamentazione e organismi di standardizzazione contano. Il profilo del NIST può creare un vocabolario comune per proteggere i sistemi AI, usare l'AI a fini difensivi e affrontare gli attacchi abilitati dall'AI. La sua influenza dipenderà dall'adozione e da cambiamenti operativi misurabili.

I consumatori dovrebbero rimanere cauti nell'interpretare ogni notifica come una catastrofe personale distinta. Dovrebbero comunque intervenire in base alle informazioni esposte. Blocchi del credito, passkey, autenticazione a più fattori e password uniche riducono diverse categorie di rischio.

I leader aziendali devono affrontare una domanda più difficile. Riescono a identificare ogni fornitore, servizio AI, agente e identità non umana con accesso a dati importanti? Se la risposta non è chiara, la prossima notifica di violazione potrebbe rivelare per prima il collegamento.

Google News ha colto un traguardo che merita attenzione, ma non panico. Il totale record delle notifiche riflette sistemi interconnessi, violazioni concentrate, divulgazioni incomplete e metodi di attacco più rapidi. L'AI intensifica ciascuna di queste pressioni, offrendo al contempo strumenti migliori ai difensori.

La risposta utile è misurare ciò che i titoli non possono misurare. Monitorare chi ha accesso, con quale rapidità vengono chiuse le vulnerabilità, quali fornitori creano concentrazione e se le notifiche spiegano il percorso dell'attacco. Questi segnali mostreranno se il 2026 segna un picco temporaneo o un cambiamento duraturo nell'economia delle violazioni.