Come l'IA sta cambiando la sicurezza della catena di fornitura del software

La sicurezza della catena di fornitura del software si è concentrata a lungo su ciò che finisce in un'applicazione: pacchetti, dipendenze e percorsi che questi componenti seguono fino alla produzione. Con l'integrazione degli strumenti di codifica basati sull'IA nello sviluppo quotidiano, questo ambito si sta ampliando. I sistemi di IA aiutano ora a scrivere codice, scegliere librerie e attivare strumenti nelle pipeline di build, creando nuovi punti in cui la fiducia può venir meno.

I team di sicurezza hanno già visto come il software di terze parti possa essere sfruttato attraverso incidenti come SolarWinds, Log4Shell, XZ Utils e, più recentemente, la campagna di pacchetti malevoli Shai-Hulud. La preoccupazione emergente è che l'IA introduca un ulteriore livello di dipendenza. Il modello, l'agente, i prompt che riceve e gli strumenti che invoca possono tutti influenzare ciò che viene sviluppato e distribuito.

Perché il rischio sta cambiando

Secondo gli analisti, non è più sufficiente trattare l'output generato dall'IA come normale codice ed esaminarlo a posteriori. Un prompt iniettato in un modello, uno strumento suggerito da un agente autonomo o un servizio connesso tramite MCP raggiunto senza controlli adeguati possono influenzare la catena di fornitura del software prima ancora che il codice venga sottoposto a commit.

Questo significa che la questione della provenienza si è ampliata. I team devono ora chiedersi non solo da dove provenga un pacchetto, ma anche come sia stato configurato un modello, quale agente abbia preso una decisione e quali strumenti fossero disponibili in quel momento.

Cosa stanno cambiando le organizzazioni

I programmi di sicurezza che si stanno adattando allo sviluppo guidato dall'IA hanno iniziato a concentrarsi su due aree principali:

• Tracciabilità end-to-end: monitorare modelli, agenti, configurazioni, prompt e altri input insieme alle tradizionali dipendenze del codice.
• Prioritizzazione basata sull'exploitability: utilizzare il contesto di runtime per determinare quali risultati siano effettivamente raggiungibili, invece di limitarsi ad aumentare il numero di avvisi.

La sfida non è la mancanza di dati, ma la loro eccessiva quantità. Aggiungere ulteriori scansioni a flussi di lavoro di sicurezza già sovraccarichi può aggravare l'arretrato senza migliorare la resilienza. L'obiettivo più ampio è comprendere quali componenti legati all'IA siano affidabili, quali siano osservabili e quali possano essere controllati a runtime.

Il tema ha attirato anche l'attenzione del mercato. A giugno, Gartner ha pubblicato il suo primo Magic Quadrant per la sicurezza della catena di fornitura del software, riflettendo la crescente domanda di approcci strutturati in questo ambito. Separatamente, i ricercatori di OX discuteranno l'impatto dell'IA sulla sicurezza della catena di fornitura in un webinar previsto per il 22 luglio, presentando anche i primi risultati sui server MCP attivi sul campo e sul modo in cui le organizzazioni stanno adeguando i propri controlli.