In Breve
- Qual è l'impatto dell'espansione delle applicazioni SaaS?
- Aumenta la superficie di attacco e il rischio di violazioni della sicurezza.
- Cosa sono i tool low-code/no-code?
- Strumenti che facilitano la creazione di agenti autonomi senza adeguata supervisione.
- Come si può migliorare la sicurezza delle integrazioni SaaS?
- Attraverso la visibilità continua su utenti e permessi e l'uso di knowledge graph.
L’espansione delle applicazioni Software as a Service (SaaS) e degli agenti di intelligenza artificiale (AI) sta ampliando la superficie di attacco delle aziende. Ogni nuova applicazione o integrazione introduce identità, ruoli e permessi che possono creare percorsi fidati verso i sistemi aziendali. I dipendenti autorizzano frequentemente applicazioni OAuth di terze parti, le quali possono avere accessi persistenti e permessi estesi, spesso attivi più a lungo del necessario. Nel contempo, agenti AI e flussi automatizzati vengono integrati in piattaforme critiche come CRM e strumenti di gestione dei servizi.
Secondo recenti studi, le violazioni legate al SaaS sono aumentate del 300%. Inoltre, si prevede che il numero di agenti AI in ambiente enterprise possa superare il miliardo entro il 2028, rendendo insostenibile un controllo basato esclusivamente su revisioni manuali.
I tool low-code/no-code facilitano la creazione e il deployment di agenti autonomi, spesso senza adeguata supervisione. Questi agenti possono ereditare accessi reali a sistemi e dati aziendali, mentre le organizzazioni mancano frequentemente di metodi coerenti per scoprirli, tracciare i privilegi e applicare regole di contenimento. Un caso concreto evidenzia il rischio: una vulnerabilità (CVE-2026-40933) in una piattaforma open source per creare agenti e workflow LLM ha permesso a un attaccante, inducendo un utente autorizzato a importare un chatflow malevolo, di ottenere esecuzione remota di codice e compromettere interamente un server. Questo percorso di compromissione ha combinato vari fattori, tra cui l’importazione di workflow condivisi da utenti fidati e permessi che consentivano configurazioni personalizzate.
Le soluzioni tradizionali faticano a scoprire queste integrazioni, valutare i relativi permessi o osservare l’attività cross-app che consente l’escalation e i movimenti laterali. Per conciliare innovazione e sicurezza, è necessario disporre di visibilità continua su utenti, applicazioni, grant OAuth e permessi, per comprendere il rischio in tempo reale e non dopo l’incidente.
Approcci come i knowledge graph possono mappare entità (persone, account, token, risorse) e le loro relazioni, rivelando contesti altrimenti non evidenti. Questo permette di identificare chi ha accesso, cosa può raggiungere e come è stato ottenuto quell’accesso. Con una base di questo tipo, il controllo può diventare adattivo: integrazioni ad alto rischio o comportamenti anomali possono essere automaticamente segnalati o vincolati in base a modelli di accesso e comportamento, mentre le attività affidabili procedono con minore attrito.
In sintesi, la protezione efficace del panorama SaaS e AI richiede strumenti che forniscano evidenza su dove servono guardrail, chi ha accesso, cosa può raggiungere e come evolvono queste relazioni nel tempo. Solo così le aziende possono affrontare le sfide della sicurezza in un contesto in continua evoluzione.
