Microsoft in affanno mentre Mythos di Anthropic sommerge gli ingegneri di bug di sicurezza

Microsoft si è trovata in una “corsa frenetica” dopo che Mythos di Anthropic ha segnalato centinaia di bug di sicurezza più rapidamente di quanto i suoi ingegneri riuscissero a correggerli. Il conflitto è emerso attraverso una voce su google news, ma il reportage alla base descrive un problema molto più ampio. L'AI può ora accelerare l'individuazione delle vulnerabilità oltre la velocità della correzione umana.

La pressione immediata ha colpito i team responsabili di SharePoint, Microsoft 365, Teams e Copilot. Documenti interni esaminati da ProPublica indicavano che molte segnalazioni ad alta priorità restavano irrisolte a metà maggio. Il triage di sicurezza tradizionale è apparso improvvisamente meno affidabile, perché Mythos può collegare diversi difetti minori in un grave percorso di attacco.

Mozilla offre un confronto importante. Anche il team di Firefox ha ricevuto un'ondata di segnalazioni da Mythos, eppure ogni patch pertinente richiedeva comunque un autore e un revisore umani. Il nuovo collo di bottiglia non è più trovare codice sospetto. È convalidare ogni segnalazione, comprenderne il contesto, sviluppare una correzione sicura, testarla e distribuirla prima che gli aggressori replichino lo stesso lavoro.

Cosa hanno effettivamente rivelato i documenti di Microsoft

Mythos ha trasformato la scoperta delle vulnerabilità da un'attività di sicurezza periodica in una coda di produzione continua.

A metà maggio, decine di ingegneri e responsabili Microsoft si sono riuniti per discutere Project Glasswing, l'iniziativa controllata di cybersecurity di Anthropic. Anthropic aveva fornito a organizzazioni selezionate l'accesso a Claude Mythos Preview prima che sistemi con capacità simili diventassero ampiamente disponibili.

Secondo i documenti interni di Microsoft, un responsabile ha detto ai partecipanti che Mythos stava trovando bug più rapidamente di quanto Microsoft riuscisse a correggerli. Il responsabile ha descritto la risposta come una “corsa frenetica”.

Una slide della presentazione mostrava la portata del problema all'interno di SharePoint. Secondo quanto riferito, solo ad aprile Mythos ha scoperto 90 bug classificati come critici e 141 classificati come importanti. Ha individuato ulteriori problemi nella prima metà di maggio.

Queste classificazioni sono rilevanti. Microsoft usa “critico” per vulnerabilità il cui sfruttamento può causare conseguenze gravi, inclusi attacchi auto-propaganti. Una vulnerabilità “importante” può compromettere dati degli utenti o interrompere risorse informatiche.

La presentazione interna prevedeva che gli ingegneri di SharePoint sarebbero rimasti impegnati per mesi. I team pianificavano di affrontare prima le segnalazioni critiche, poi quelle importanti e successivamente circa 300 segnalazioni moderate.

I documenti descrivevano inoltre centinaia di bug critici o importanti in Microsoft 365, Teams e Copilot. Secondo quanto riportato, la maggior parte restava senza patch a metà maggio. Microsoft ha rifiutato di comunicare quante segnalazioni di Mythos avesse corretto dopo la presentazione.

Le segnalazioni non rappresentavano necessariamente nuove classi spettacolari di attacco. Secondo quanto riferito, un responsabile ingegneristico ne ha caratterizzate molte come vulnerabilità ordinarie ma reali. Questo dettaglio rende l'evento più significativo, non meno.

I prodotti software accumulano difetti ordinari attraverso anni di sviluppo di funzionalità, decisioni di compatibilità e componenti ereditati. I ricercatori umani di sicurezza hanno tempo limitato per ispezionare questa superficie. Un modello in grado di esaminare continuamente il codice espone debolezze rimaste nascoste anche perché nessuno disponeva di attenzione sufficiente per trovarle.

Microsoft ha dichiarato che le sue decisioni di sicurezza considerano la sfruttabilità e il potenziale impatto sui clienti. L'azienda ha inoltre affermato che lo sfruttamento accelerato non è una novità, pur riconoscendo un forte senso di urgenza.

Entrambe le affermazioni possono essere vere. I team di sicurezza hanno sempre gareggiato contro gli aggressori dopo che una vulnerabilità diventa nota. Ciò che è cambiato è il numero di corse che possono iniziare contemporaneamente.

Secondo quanto riferito, Microsoft aveva distribuito l'accesso a Mythos a circa 50 dipendenti a tempo pieno. Quel gruppo limitato poteva generare una coda sufficientemente ampia da occupare i team di prodotto per mesi. Strumenti comparabili nelle mani di più ricercatori, clienti e avversari moltiplicherebbero il flusso in entrata.

Ecco perché questa storia merita più attenzione di quanto suggerisca il suo inquadramento su google news. Microsoft non sta affrontando un singolo pericoloso zero-day, cioè una vulnerabilità sfruttabile precedentemente sconosciuta. Sta affrontando un sistema di produzione capace di scoprire ripetutamente nuovi candidati in enormi codebase.

Quel sistema non ha bisogno di riposo, vuoti di pianificazione o motivazione personale. Può continuare a cercare finché un'organizzazione fornisce risorse di calcolo e un ambiente di test efficace.

Il risultato è uno squilibrio strutturale. La scoperta ha iniziato a scalare come il software, mentre la correzione continua a scalare in larga misura attraverso il lavoro di esperti umani.

Perché l'attenzione di Google News sottovaluta il cambiamento nella sicurezza

L'inversione centrale è che un rilevamento difensivo migliore può temporaneamente far apparire i fornitori di software meno sicuri.

Anthropic ha introdotto Project Glasswing per dare a difensori selezionati il tempo di trovare e correggere le debolezze prima che capacità simili si diffondessero. Microsoft ha aderito allo sforzo e ha reso Mythos disponibile ai clienti approvati di Project Glasswing attraverso Microsoft Foundry.

Questo accordo ha dato ai difensori un vantaggio iniziale. Tuttavia, un vantaggio iniziale ha valore limitato quando il modello produce segnalazioni più rapidamente di quanto i team possano assorbirle.

Un programma di sicurezza convenzionale considera la scoperta una risorsa scarsa. Le organizzazioni eseguono test, accettano segnalazioni esterne e ordinano la coda risultante. Le vulnerabilità più pericolose ricevono attenzione immediata, mentre le segnalazioni di minore gravità attendono.

Claude Mythos Preview ha modificato il lato dell'offerta di questo processo. Il dashboard di disclosure di Anthropic riportava 23.019 segnalazioni candidate al 22 maggio. Società di sicurezza esterne ne avevano esaminate 1.900, confermandone 1.726 come valide.

Anthropic aveva divulgato 1.596 vulnerabilità in 281 progetti open source. A quel punto, solo 97 risultavano corrette a monte. Anthropic ha identificato esplicitamente il triage e la revisione umani come il passaggio che limita la velocità.

Queste cifre riguardano il lavoro open source monitorato da Anthropic, non la coda privata di Microsoft. Illustrano comunque lo stesso meccanismo. Il modello genera candidati a una velocità, gli esperti esterni li convalidano a un'altra e i manutentori applicano le patch a una terza.

Una segnalazione candidata non è automaticamente una vulnerabilità sfruttabile. I revisori devono riprodurre il comportamento, eliminare i falsi positivi, valutare condizioni di attacco realistiche e determinare se il codice interessato è raggiungibile.

Anche un bug valido può trovarsi al di fuori del modello di minaccia di un progetto. Altri possono duplicare segnalazioni note. Una spiegazione raffinata generata dall'AI non elimina la necessità di giudizio ingegneristico.

Tuttavia, Mythos non si limita a produrre il consueto flusso di segnalazioni AI vaghe e di bassa qualità. Tra le segnalazioni Anthropic esaminate esternamente, il tasso di veri positivi riportato era del 90,8%. Tale tasso proveniva dalle società di sicurezza assunte da Anthropic, anziché da tutti i manutentori interessati, quindi non dovrebbe essere considerato una prova universale.

Il volume delle segnalazioni resta comunque abbastanza grande da modificare il comportamento organizzativo. I team di sicurezza devono prepararsi a ricevere più segnalazioni valide insieme a falsi positivi, duplicati e problemi che non possono produrre danni significativi.

La pressione diventa acuta quando i fornitori mantengono prodotti con decenni di codice accumulato. I componenti più vecchi spesso includono assunzioni che avevano senso nelle architetture del passato. Le funzionalità moderne possono esporre tali assunzioni a nuovi input e percorsi di attacco.

La scala di Microsoft amplifica il problema. Windows, Microsoft 365, SharePoint, Teams e Azure operano presso governi, scuole, ospedali e aziende. Un difetto in un componente ampiamente distribuito offre agli aggressori un potenziale ritorno maggiore.

La popolarità amplia anche il carico di lavoro difensivo. Gli ingegneri devono valutare molteplici versioni dei prodotti, configurazioni cloud, controlli di accesso e ambienti dei clienti. Una patch che chiude una debolezza non può compromettere le distribuzioni esistenti né creare un'altra vulnerabilità.

La stessa AI che scopre un bug non può ancora garantire una correzione sicura in produzione. Generare codice plausibile è diverso dal comprendere ogni dipendenza e conseguenza operativa.

Questa distinzione tende a scomparire nei riepiloghi di google news sull'AI che trova migliaia di difetti. Il numero in evidenza misura la capacità di scoperta. Non misura quante segnalazioni siano sfruttabili, quante patch siano sicure o quanto rapidamente i clienti installino tali patch.

La corsa di Microsoft riflette quindi al contempo successo e fallimento. Mythos offre ai difensori una visibilità che non possedevano in precedenza. Quella visibilità rivela anche quanto lavoro di sicurezza irrisolto esistesse già.

Il triage tradizionale si rompe quando piccoli bug formano catene di attacco

L'AI mette in discussione l'assunto secondo cui ogni vulnerabilità possa essere prioritizzata come elemento isolato.

Il triage di sicurezza normalmente classifica le segnalazioni in base al loro probabile impatto e alla loro sfruttabilità. Un difetto sfruttabile da remoto che offre a un aggressore il controllo merita più attenzione di un bug locale con conseguenze limitate.

Questa gerarchia resta necessaria. Nessuna azienda può correggere immediatamente ogni difetto software. Microsoft gestisce migliaia di segnalazioni di vulnerabilità ogni anno, secondo il suo piano di risposta alla sicurezza.

La complicazione è il chaining delle vulnerabilità, una tecnica che combina debolezze separate in un unico attacco. Una fuga di informazioni di bassa gravità potrebbe esporre dati necessari per sfruttare un errore di controllo degli accessi. Un altro difetto potrebbe poi aiutare l'aggressore a uscire da un ambiente ristretto.

Considerati singolarmente, questi bug possono apparire tollerabili. Insieme, possono creare un percorso verso dati sensibili o il controllo del sistema.

Vinh Nguyen, consulente tecnico senior di Anthropic e fellow del Council on Foreign Relations, ha avvertito che quattro difetti di basso livello possono combinarsi in un esito di elevata gravità. Ha sostenuto che l'attuale strategia di triage di Microsoft potrebbe sottostimare tale rischio.

Microsoft ha risposto che il chaining ha da tempo fatto parte della sua valutazione delle vulnerabilità. Questa risposta affronta la questione se l'azienda comprenda la tecnica. Non risolve pienamente se il suo personale, i suoi modelli e i suoi processi di correzione possano valutare catene in una coda in rapida espansione.

I revisori umani faticano a considerare ogni possibile relazione tra centinaia di segnalazioni. Il numero di combinazioni cresce rapidamente con l'aumentare della coda. Un sistema come Mythos può cercare ripetutamente tali combinazioni e costruire dimostrazioni in più fasi.

Questo rende più difficile liquidare le segnalazioni moderate senza patch. La loro gravità individuale può restare moderata, ma il loro valore cambia quando un altro bug fornisce il passaggio mancante.

La sfida indebolisce anche i punteggi statici di gravità. Il rischio pratico di una vulnerabilità dipende dalle condizioni di distribuzione, dai privilegi disponibili, dai servizi raggiungibili e dalla sua interazione con altre debolezze.

Microsoft ha affermato di rivalutare continuamente se i problemi con classificazione inferiore debbano essere elevati di priorità. Questo approccio adattivo diventa essenziale quando l'AI scopre nuove relazioni più rapidamente di quanto i team di revisione riescano a mapparle.

L'azienda sta aggiungendo automazione per convalidare la qualità e la gravità delle segnalazioni. Prevede inoltre di integrare test di sicurezza basati su agenti nello sviluppo, affinché gli ingegneri possano rilevare vulnerabilità mentre scrivono il codice.

Spostare l’individuazione dei problemi più a monte è sensato. Uno sviluppatore che conosce ancora il componente modificato può spesso ripararlo più efficacemente di un team di risposta agli incidenti distante mesi dopo. Test più precoci riducono inoltre il numero di versioni rilasciate che richiedono patch.

Eppure, spostare Mythos nello sviluppo non elimina l’arretrato nel software esistente. Microsoft deve proteggere i prodotti attuali mentre modifica il processo che crea le versioni future.

Deve anche evitare di automatizzare giudizi errati. Un agente di triage che sovrastima ogni segnalazione esaurisce la capacità ingegneristica. Uno che sottostima un collegamento utile in una catena di attacco crea una falsa sensazione di sicurezza.

Le organizzazioni avranno bisogno di report ricchi di evidenze che includano comportamenti riproducibili, configurazioni interessate, prerequisiti realistici per l’attacco e correzioni proposte. Hanno inoltre bisogno di una registrazione durevole che colleghi ogni segnalazione alle decisioni progettuali, ai test e agli incidenti successivi.

Per i team di ingegneria, una base di conoscenza ricercabile può preservare quel contesto tra codice, note sugli incidenti e documenti tecnici. Non può decidere la gravità di una vulnerabilità, ma può ridurre lo sforzo necessario per ricostruire decisioni precedenti.

La vera sfida non è quindi Mythos contro gli ingegneri Microsoft. È l’individuazione alla velocità delle macchine contro un sistema organizzativo costruito attorno a report più lenti e revisionati individualmente.

Microsoft può acquistare maggiore capacità di calcolo quasi immediatamente. Espandere il gruppo di ingegneri esperti che comprendono un componente legacy richiede molto più tempo.

Mozilla mostra perché per correggere servono ancora ingegneri umani

Firefox dimostra che l’AI può moltiplicare le scoperte utili senza automatizzare la parte più difficile della correzione.

L’esperienza di Mozilla offre il confronto pubblico più chiaro, perché i suoi ingegneri hanno descritto sia i vantaggi sia il carico di lavoro.

Nell’aprile 2026, Firefox ha distribuito 423 correzioni di bug, rispetto alle 31 dell’aprile 2025. Mythos ha contribuito a individuare vulnerabilità ad alta gravità, inclusi difetti rimasti nel browser per più di un decennio.

Secondo quanto riferito, il modello ha trovato problemi nella sandbox di Firefox, un livello di isolamento pensato per limitare i danni causati da codice dannoso. Le vulnerabilità della sandbox sono particolarmente preziose perché sfruttarle richiede spesso una sequenza creativa di azioni.

Gli ingegneri di Mozilla hanno dichiarato ai ricercatori di sicurezza di Firefox che i sistemi recenti erano migliorati sostanzialmente rispetto ai precedenti strumenti di scansione AI. Flussi di lavoro migliori per gli agenti potevano testare le segnalazioni candidate e filtrare alcuni risultati deboli prima dell’invio.

Tuttavia, Mozilla non consentiva all’AI di distribuire le patch risultanti. Ogni bug rilevante richiedeva ancora che un ingegnere scrivesse la correzione e un altro la revisionasse.

Il team ha chiesto all’AI di proporre patch, ma tali output servivano di solito come punti di partenza. Non erano sostituti pronti per la produzione del lavoro umano.

Quel divario spiega l’arretrato di Microsoft. Individuare un percorso di codice sospetto è un compito circoscritto. Riparare un prodotto enterprise ampiamente distribuito richiede una catena di responsabilità più ampia.

Un ingegnere deve confermare la segnalazione rispetto alla versione software corretta. Il team deve stabilire se il difetto interessa i servizi cloud, le installazioni locali o entrambi. Deve creare test di regressione e ispezionare i componenti adiacenti.

La patch passa quindi attraverso revisione, integrazione, test di qualità, preparazione al rilascio e comunicazione ai clienti. I dettagli sensibili devono rimanere controllati finché i clienti non possono installare la protezione.

I grandi fornitori affrontano un ulteriore vincolo. Un aggiornamento di sicurezza può introdurre problemi operativi in innumerevoli ambienti. Affrettare una patch può scambiare un rischio di sicurezza con interruzioni del servizio, dati corrotti o problemi di compatibilità.

I sistemi di coding AI possono assistere in diversi punti. Possono proporre test, identificare funzioni correlate, riassumere la cronologia delle modifiche e confrontare potenziali correzioni. Nessuna di queste azioni trasferisce la responsabilità lontano dagli ingegneri.

La precedente ricerca di Microsoft rafforza questo limite. Uno studio del 2025 ha rilevato che i modelli principali faticavano ancora a eseguire il debug di molti compiti in SWE-bench Lite, un benchmark costruito su problemi software reali. I ricercatori hanno sostenuto che i modelli necessitassero di dati di interazione più ricchi, che mostrassero come gli agenti usano i debugger prima di proporre correzioni.

I modelli cyber sono migliorati rapidamente dopo quello studio, ma la validazione resta centrale. Gli ambienti reali contengono comportamenti non documentati e vincoli aziendali che i benchmark non possono rappresentare pienamente.

Anche il panorama competitivo si sta ampliando. OpenAI ha sviluppato modelli focalizzati sulla cybersecurity, mentre Microsoft ha descritto un sistema di sicurezza multi-modello che ha trovato 16 vulnerabilità nei componenti di rete e autenticazione di Windows.

Secondo quanto riferito, Palo Alto Networks ha trovato 75 bug durante i test dei modelli Anthropic e OpenAI, rispetto alla sua consueta media mensile da cinque a dieci. I suoi ricercatori hanno comunque osservato un tasso di falsi positivi vicino al 30% tra i prodotti prima che l’ottimizzazione per l’ambiente migliorasse i risultati.

Il maintainer di Curl Daniel Stenberg ha riportato un esito più modesto. Mythos ha trovato un bug a bassa gravità, diversi falsi positivi e un altro problema che il progetto ha considerato insignificante.

Questi casi impediscono una conclusione semplicistica secondo cui Mythos travolge sempre ogni bersaglio. Le prestazioni dipendono dalla base di codice, dagli strumenti, dai prompt, dal contesto disponibile e dall’operatore umano.

Microsoft dispone inoltre di una superficie di prodotti molto più ampia e varia rispetto a un singolo progetto open source. Un’ondata di segnalazioni su SharePoint, Microsoft 365, Teams e Copilot può mettere sotto pressione diversi team specialistici contemporaneamente.

L’incertezza conta perché Anthropic controlla gran parte dei dati pubblici sulle prestazioni. Maintainer indipendenti e partner di test hanno fornito evidenze preziose, ma nessun audit comune misura ancora la qualità dell’individuazione, i tempi di correzione e gli esiti in produzione tra i fornitori.

La dashboard di Anthropic conta inoltre bug reali che potrebbero essere già noti o che i maintainer decidono di non correggere. La sua metrica dei veri positivi non va confusa con la percentuale di segnalazioni che diventano avvisi pubblici gravi.

La conclusione prudente resta significativa. Mythos ha superato una soglia in cui le organizzazioni esperte ricevono abbastanza segnalazioni utili da modificare i piani di organico e rilascio.

Non ha superato la soglia in cui il modello può chiudere in sicurezza la coda che crea.

Il rischio è la capacità di correzione, non un singolo modello AI

La vulnerabilità più profonda di Microsoft è il divario tra rilevamento scalabile e conoscenza di prodotto scarsa.

L’interpretazione più ovvia presenta Anthropic come lo sfidante e Microsoft come l’operatore storico sopraffatto. Questa rivalità conta, ma può distogliere l’attenzione dal vincolo più ampio.

Anthropic vuole che Mythos aiuti i difensori a proteggere sistemi importanti prima che gli attaccanti ottengano un accesso equivalente. Microsoft ospita inoltre l’accesso autorizzato tramite Foundry. Le due aziende collaborano anche mentre il modello di Anthropic espone debolezze nei prodotti Microsoft.

Il conflitto principale è tra la promessa di una difesa alla velocità dell’AI e la realtà di una correzione alla velocità umana.

Gli ingegneri di sicurezza esperti fanno più che modificare codice difettoso. Comprendono i confini del sistema, i modelli di minaccia, le dipendenze dei clienti e le conseguenze dei rilasci. Gran parte di quella conoscenza è specifica di un prodotto o componente.

Il codice legacy intensifica la scarsità. Gli autori originali potrebbero non esserci più. La documentazione potrebbe omettere le ipotesi progettuali. I test potrebbero coprire il normale funzionamento senza rappresentare input ostili.

Il debito tecnico, ovvero il lavoro ingegneristico accumulato e creato da compromessi precedenti, diventa debito di sicurezza quando tali compromessi nascondono comportamenti sfruttabili. L’AI può rivelare il debito molto più rapidamente di quanto un’organizzazione riesca a ripagarlo.

Il Security Response Center interno di Microsoft ha storicamente gestito centinaia o migliaia di segnalazioni nei periodi più intensi. ProPublica aveva precedentemente riportato preoccupazioni per la carenza di personale, mentre Microsoft ha dichiarato di valutare continuamente le risorse necessarie per la risposta alla sicurezza.

Gli incentivi aziendali sono difficili. Le nuove funzionalità possono generare ricavi visibili e attenzione da parte dei clienti. La manutenzione della sicurezza di solito previene perdite che non diventano mai osservabili.

L’individuazione basata sull’AI rende più difficile sostenere questo squilibrio. Ogni nuova funzionalità amplia il codice che le macchine possono ispezionare. Ogni refactoring rimandato crea interazioni aggiuntive che i modelli futuri possono analizzare.

La preoccupazione va oltre Microsoft. I maintainer volontari supportano librerie open source integrate in prodotti commerciali e infrastrutture pubbliche. Un piccolo team può ricevere una segnalazione tecnicamente valida senza avere il tempo di riprodurla o ripararla.

La divulgazione responsabile aiuta ritardando i dettagli pubblici. Non crea capacità ingegneristica. Una finestra di divulgazione può diventare un conto alla rovescia che progetti sottofinanziati non riescono a rispettare.

L’avvertimento dei Five Eyes affermava che le capacità avanzate dell’AI per le vulnerabilità si sarebbero diffuse e invitava le organizzazioni a prepararsi. L’importanza dell’avvertimento risiede meno in una singola data prevista che nella direzione del cambiamento.

Gli attaccanti non hanno bisogno del servizio Mythos esatto. Hanno bisogno di modelli e strumenti in grado di ispezionare il codice, testare ipotesi e combinare debolezze con uno sforzo umano decrescente.

L’accesso al codice sorgente è utile ma non sempre necessario. Gli attaccanti possono ispezionare componenti open source, effettuare il reverse engineering di binari, studiare codice precedente trapelato o testare servizi esposti.

Microsoft ha dichiarato che i suoi processi di sicurezza presuppongono che avversari determinati possano ottenere il codice. Questo modello di minaccia è appropriato. La questione operativa è se l’azienda possa riparare le segnalazioni risultanti prima che gli attaccanti le trasformino in tecniche affidabili.

Esiste anche il rischio di una reazione eccessiva. Se Microsoft devia gli ingegneri verso ogni segnalazione AI senza una validazione disciplinata, può ritardare prezioso lavoro di sicurezza e manutenzione dei prodotti.

I team hanno quindi bisogno di una prioritizzazione migliore, non dell’abbandono della prioritizzazione. I punteggi di gravità devono incorporare catene di attacco, esposizione reale delle distribuzioni, sfruttamento noto e disponibilità di controlli compensativi.

Devono inoltre misurare il throughput delle correzioni. Contare i bug individuati premia il modello per l’espansione della coda. Contare i ticket chiusi può premiare classificazioni affrettate. Una metrica utile deve riflettere una riduzione del rischio convalidata senza incoraggiare patch superficiali.

La trasparenza verso i clienti conterà. Gli acquirenti devono sapere se i fornitori stanno riducendo le finestre di esposizione, migliorando la qualità delle patch e diminuendo le classi di difetti ricorrenti. Un alto numero di scoperte da solo non dimostra né progresso né fallimento.

Il ciclo di notizie di Google passerà al prossimo annuncio di modello. La coda di Microsoft resterà, insieme alla conoscenza del prodotto e al lavoro di test necessari per chiuderla.

Cosa osservare dopo che il ciclo di notizie di Google sarà passato oltre

Tre segnali mostreranno se Microsoft sta adattando il proprio sistema di sicurezza o sta semplicemente sopravvivendo alla prima ondata di Mythos.

Il primo segnale è il record delle patch di Microsoft per l’arretrato segnalato di SharePoint. Il piano interno prevedeva mesi di lavoro, con segnalazioni importanti che si estendevano fino ad agosto e bug moderati successivi in seguito.

Microsoft non ha pubblicato un conteggio completo che colleghi gli aggiornamenti di sicurezza alle scoperte di Mythos. I futuri avvisi potrebbero rivelare se le segnalazioni ad alta priorità stanno diminuendo e se difetti correlati ricompaiono negli stessi componenti.

Una riduzione sostenuta sosterrebbe l’affermazione di Microsoft di poter combinare l’individuazione AI con una correzione efficace. Un accumulo continuo indicherebbe che la capacità di individuazione supera ancora il throughput ingegneristico.

Il secondo segnale è se Microsoft cambierà il modo in cui classifica le vulnerabilità connesse. L’azienda afferma che il concatenamento informa già l’analisi del rischio, ma Mythos può testare combinazioni su una scala che mette alla prova la revisione caso per caso.

Cercate nuove linee guida sulla gravità, analisi automatizzata delle catene o report che raggruppino le falle correlate in percorsi di attacco. Questi cambiamenti indicherebbero che Microsoft sta riprogettando il triage attorno alle effettive capacità dell’AI.

Se le segnalazioni con priorità inferiore continueranno ad aspettare senza un’analisi relazionale visibile, resteranno le preoccupazioni sui rischi delle catene sottovalutati.

Il terzo segnale riguarda le prestazioni dei modelli cyber concorrenti nei test indipendenti. OpenAI, Microsoft, Anthropic, i fornitori di sicurezza e i laboratori governativi stanno tutti sviluppando o valutando sistemi che individuano vulnerabilità.

Risultati comparabili tra diversi modelli confermerebbero che Microsoft si trova di fronte a un cambiamento di capacità esteso all’intero settore, non a un picco temporaneo legato a un’anteprima di Anthropic. Grandi differenze nei falsi positivi o nella convalida degli exploit mostrerebbero invece che la progettazione operativa conta quanto l’intelligenza grezza del modello.

Gli sviluppatori dovrebbero verificare se i fornitori pubblicano misurazioni end-to-end. Report utili includerebbero potenziali segnalazioni, vulnerabilità confermate, gravità accettata, tempo mediano di riparazione, regressioni e copertura del deployment.

Gli acquirenti enterprise dovrebbero porsi una domanda correlata: i loro fornitori sono in grado di trasformare la scoperta automatizzata in protezione verificata per i clienti? Un fornitore che trova più bug ma non riesce a correggerli in sicurezza ha migliorato la visibilità senza completare il lavoro di sicurezza.

Anche i knowledge worker e i leader di prodotto hanno un ruolo. I registri degli incidenti, le decisioni architetturali e i vincoli dei clienti devono rimanere accessibili agli ingegneri che valutano le segnalazioni dell’AI. Una migliore memoria organizzativa riduce il tempo tra l’avviso di un modello e una correzione difendibile.

Il prossimo titolo di Google News probabilmente metterà in evidenza un numero maggiore di vulnerabilità o un modello più potente. Il risultato più significativo emergerà nei dati operativi meno visibili.

Microsoft può ridurre la coda, preservare la qualità delle patch e identificare combinazioni pericolose prima degli aggressori? I lettori dovrebbero monitorare questi tre segnali e chiedere prove che la scoperta alla velocità dell’AI stia producendo una difesa assistita dall’AI, non semplicemente un elenco più rapido di rischi irrisolti.