Se l'AI offensiva domina i titoli, la sua controparte difensiva sta silenziosamente cambiando il lavoro quotidiano di chi protegge i sistemi. Gli stessi modelli che trovano zero-day possono trovarli prima degli attaccanti, proporre la correzione e verificarla. La domanda non è più "l'AI può difendere?", ma "dove finisce l'automazione e dove serve ancora il giudizio umano?".
Gli agenti difensivi sono già operativi
| Strumento | Chi | Cosa fa | Risultati dichiarati |
|---|---|---|---|
| Aardvark | OpenAI (GPT-5) | Analizza i repository, valuta la sfruttabilità, propone patch via Codex e le riscansiona | 92% di vulnerabilità note/iniettate individuate; almeno 10 CVE in progetti open |
| CodeMender | Google DeepMind | Debugga e corregge vulnerabilità con Gemini Deep Think | 72 patch inviate a progetti open in ~6 mesi, alcuni fino a 4,5 M di righe |
| CRS di AIxCC | Team DARPA | Trovano e correggono in autonomia, ora open source | 18 bug reali alla finale, patch in ~45 minuti |
Un dettaglio ricorrente e importante: tutte le patch di CodeMender passano da una revisione umana prima di essere inviate. Non è un limite, è il modello operativo giusto.
Il vero collo di bottiglia non è trovare, è correggere
I dati di Project Glasswing raccontano il paradosso della nuova era: oltre 10.000 vulnerabilità gravi individuate, ma delle 530 comunicate ai manutentori solo 75 corrette al momento del primo aggiornamento, con una media di due settimane per patch. Il NVD, dal canto suo, da aprile 2026 arricchisce in modo completo solo le CVE a rischio più alto perché non regge il volume (+263% di segnalazioni tra il 2020 e il 2025). Tradotto: saper trovare i bug più in fretta non serve, se poi restano aperti. Il valore si è spostato a valle, verso verifica, prioritizzazione e rollout.
Triage degli alert e riduzione dei falsi positivi; generazione e affinamento di regole di detection; sintesi di log e correlazione durante un incidente; proposta di patch e di configurazioni di hardening. Sempre con l'analista che decide, non che esegue a scatola chiusa.
Attenzione alla frontiera frastagliata
La ricerca di AISLE ha mostrato che la capacità dei modelli in sicurezza non cresce in modo lineare con dimensione, prezzo o generazione: su compiti diversi vince un modello diverso, e modelli piccoli ed economici a volte producono meno falsi positivi di quelli di frontiera. Due conseguenze pratiche: non esiste "il modello migliore" universale, e il valore sta nel sistema (lo scaffold, i controlli, la validazione) costruito attorno al modello. Distribuire modelli economici su tutto il codice batte l'uso sporadico di un modello costosissimo.
Il rovescio: l'AI slop
La stessa facilità che aiuta i difensori genera rumore. Il caso curl è emblematico: sommerso da segnalazioni di vulnerabilità generate dall'AI e prive di sostanza, il progetto ha chiuso il bug bounty a fine gennaio 2026, eliminando le ricompense in denaro. Quando il costo di produrre un report scende a zero, la triage umana diventa la risorsa scarsa. Una pipeline difensiva basata sull'AI deve avere, fin dall'inizio, un filtro di validazione automatico e una soglia di fiducia, altrimenti si auto-avvelena.
Un playbook realistico
- Fondamenta prima dell'AI: inventario, SBOM, pipeline di patch testabili. L'AI amplifica un processo che funziona; non ne crea uno.
- Porta gli agenti sul tuo codice: i CRS di AIxCC sono open source. Usarli internamente ti mette allo stesso tavolo degli attaccanti.
- Prioritizza con EPSS e CISA KEV: la sfruttabilità reale, non il solo CVSS, decide cosa correggere per primo.
- Umano nel ciclo per le decisioni: l'AI propone la patch, la persona la valida. Mai merge automatico su codice critico.
- Misura i falsi positivi: scegli il modello sul compito, non sul nome; monitora la qualità nel tempo.
La promessa dell'AI difensiva non è sostituire il Blue Team, ma spostarne l'attenzione: meno tempo a cercare l'ago nel pagliaio, più tempo a decidere quali aghi contano e a chiudere davvero le falle. Il vantaggio andrà a chi costruisce il sistema migliore attorno al modello — e mantiene una persona competente nel punto in cui si prende la decisione.