IA e machine learning nella sicurezza informatica: nuovi rischi, usi per difendere e per attaccare, deepfake, agenti AI e regole europee sull’IA.
234 articoli
L’IoT forensics deve gestire dispositivi con memoria volatile sovrascritta ciclicamente: pacemaker, sistemi SCADA e veicoli connessi richiedono acquisizione tempestiva, tutele GDPR e correlazione temporale dei log.
Machine learning e deep learning nelle indagini forensi digitali: tempi di analisi ridotti del 57% e accuratezze oltre il 90% nei test, ma restano aperti ammissibilità probatoria, bias ed explainable AI.
Le truffe con AI e deepfake superano il ransomware tra le preoccupazioni dei responsabili della sicurezza: voice phishing in forte aumento, il caso Arup da venticinque milioni di dollari e le perdite per frodi.
Il caso Linwei Ding, accusato del furto di oltre mille file sull’AI di Google, e la strategia cinese di acquisizione tecnologica: costi annui stimati tra duecentoventicinque e seicento miliardi di dollari.
NeRF e sicurezza: l’attacco IPA-NeRF fa vedere cartelli stradali alterati solo da certe angolazioni; il NISTIR 8356 e il caso dell’aeroporto di Vancouver mostrano i rischi dei gemelli digitali.
Sicurezza dei Neural Radiance Fields: come funzionano, perché attaccare un NeRF significa alterare la realtà rappresentata e quali minacce, da IPA-NeRF a NeRFool, riguardano la ricostruzione 3D.
Deepfake detection tra laboratorio e mondo reale: accuratezze del 90-98% su FaceForensics++ scendono al 75-82% sui contenuti social; flusso ottico, modelli temporali, blockchain e watermarking come contromisure.
Prompt injection, vulnerabilità numero uno secondo OWASP: l’attacco universale Policy Puppetry di HiddenLayer, i casi ChatGPT, Gemini ed EchoLeak su Copilot (CVSS 9.3) e i costi di una violazione dei dati.
Unità 8200, progetto Cyber Dome, startup unicorno, acquisizione di CyberArk da parte di Palo Alto Networks e sistemi AI come Gospel e Lavender: potenza e criticità dell’industria cyber israeliana.
Edge computing e IA distribuita moltiplicano la superficie di attacco: botnet come Mirai, endpoint autonomi senza supervisione, difese innovative, casi in sanità, automotive e smart city e quadro normativo europeo.
Gemini 2.5 Flash Image, nome in codice Nano Banana, e i servizi di terze parti come nanobanana.ai: prompt injection, data poisoning, NIST AI RMF, AI Act e buone pratiche per proteggere privacy e immagini caricate.
Zero Knowledge Proofs e crittografia omomorfica a confronto per l’AI imaging: ZK-IMG per verificare le immagini, overhead dell’FHE, più Differential Privacy e Federated Learning come tecnologie privacy-enhancing.
Una volta al mese riceverai gratuitamente la rassegna dei migliori articoli di ICT Security Magazine