1,2 milioni per 948 exploit: il conto vero delle scansioni IA

Il lunedì inizia con un avviso di sicurezza ancora aperto. Nella casella di posta ci sono aggiornamenti da installare, un fornitore esterno aspetta l’autorizzazione e nessuno sa con certezza quali sistemi controllare per primi. OpenAI riferisce che, durante un’analisi di Linux, GPT-6 Cyber ha generato 948 exploit funzionanti per ottenere privilegi locali più elevati. Secondo l’azienda, la sessione è costata 1.213.430 dollari in crediti API. La cifra sembra un listino prezzi. Non lo è. Il suo significato dipende da cosa il vostro team è in grado di verificare e dai limiti che impone al modello.
La cifra non è un listino
1.213.430 dollari in crediti API per una sessione e 948 exploit per l’escalation locale dei privilegi generati: sono i numeri che OpenAI riporta per la sua ricerca su Linux. Dividendo il costo per il numero di exploit si ottengono circa 1.279 dollari ciascuno. Il calcolo, però, descrive una specifica procedura di ricerca, non un costo valido in generale per ogni vulnerabilità individuata.
La sessione ha analizzato 2.308 potenziali problemi del kernel Linux e ha riprodotto dinamicamente 1.724 vulnerabilità. In questo caso, «riprodurre dinamicamente» significa verificare se un sospetto può essere effettivamente riprodotto in un ambiente controllato e in esecuzione. Solo in seguito la pipeline ha generato gli exploit. OpenAI stessa afferma che i costi dipendono dai modelli, dalla configurazione dell’obiettivo e dal flusso di lavoro. Una maggiore orchestrazione tecnica potrebbe ridurli.
Per una PMI con un piccolo reparto IT, la domanda più importante non è quindi se 1.279 dollari per ogni risultato siano sostenibili. È un’altra: chi sa distinguere i rischi reali da una lunga lista di possibili segnalazioni e chi interviene quando una di queste diventa una patch urgente?
Dal sospetto al risultato verificato
Un modello IA che cerca vulnerabilità nel codice produce inizialmente dei sospetti. Una segnalazione non dimostra ancora che qualcuno possa sfruttarla. Per questo la pipeline descritta da OpenAI procede per fasi: seleziona alcune parti di codice, cerca possibili errori, li esamina in isolamento e poi crea un cosiddetto proof of concept. È una dimostrazione del fatto che l’errore può essere riprodotto in determinate condizioni.
Nell’ultima fase, un ricercatore di sicurezza verifica i risultati. La pipeline può anche proporre patch, cioè modifiche al codice pensate per correggere un errore. Una proposta fa risparmiare tempo solo dopo essere stata valutata da un esperto, testata e approvata per il proprio ambiente. Applicare in fretta una patch senza verificarla può causare nuovi problemi o entrare in conflitto con modifiche locali.
OpenAI riferisce di aver condiviso con i manutentori 304 risultati critici relativi a Linux, insieme a possibili patch. È un esempio di quanto conti il passaggio dalla scoperta alla correzione. Per la vostra azienda, il lavoro di scansione non chiude il processo di sicurezza. Può aprire una nuova coda di attività, che qualcuno dovrà gestire.
Anche testare un attacco costa meno
Quando uno strumento può trovare vulnerabilità e generare exploit, cambia il quadro della sicurezza su entrambi i fronti. Un exploit per l’escalation locale dei privilegi può consentire a un utente con permessi inizialmente limitati di ottenere l’accesso root a un sistema Linux. Si tratta di un livello di autorizzazione elevato. Per le aziende con server interni, ambienti di sviluppo o sistemi condivisi, un errore di questo tipo non è un dettaglio tecnico trascurabile.
OpenAI riferisce inoltre che GPT-6 Cyber avrebbe identificato in Firefox 81 vulnerabilità gravi finora sconosciute. Mozilla avrebbe già pubblicato correzioni per molte di queste. Altri 30 problemi noti di Firefox sarebbero stati valutati come più gravi di quanto si pensasse in precedenza. Sono risultati che OpenAI attribuisce alla propria ricerca, non una garanzia che ogni modello possa esaminare con la stessa efficacia qualsiasi browser o sistema aziendale.
Secondo OpenAI, GPT-6 Cyber ha raggiunto il 48,5% in ExploitGym, un ambiente di test con esercizi legati allo sfruttamento delle vulnerabilità. GPT-5.6 Cyber, il modello precedente, aveva ottenuto il 32,1%. Il progresso è significativo, ma quel dato non dice quanto sia sicura la vostra applicazione. Un progetto pilota deve colmare proprio la distanza tra i risultati dei test e il vostro ambiente.
I controlli fanno parte dello strumento
Durante un test di sicurezza, un modello non deve cercare ovunque solo perché ne ha la capacità tecnica. OpenAI afferma che, nei suoi test, GPT-6 Cyber non ha attaccato il 99,93% dei servizi fuori dall’ambito previsto, anche senza istruzioni aggiuntive. Con una specifica indicazione di configurazione, la percentuale sarebbe arrivata al 100%.
Sono dati dichiarati dal produttore sulla base dei propri test, non una garanzia valida per ogni configurazione. Un perimetro definito male può coinvolgere sistemi di terzi. Anche una verifica condotta con le migliori intenzioni può interrompere servizi in uso. Per questo le autorizzazioni scritte, gli obiettivi delimitati con precisione e un ambiente di test isolato vanno predisposti prima della prima sessione, non durante il resoconto finale.
Nel proprio Preparedness Framework, OpenAI classifica GPT-6 Cyber come «Critical» per la cybersicurezza, un livello sopra «High», attribuito a GPT-5.6 Cyber. È la valutazione dell’azienda secondo il suo quadro di sicurezza. Non è una certificazione indipendente e non autorizza a lasciare carta bianca al modello. Più la ricerca diventa efficace, più è necessario definire con precisione il perimetro dell’incarico.
Cosa cambia per la vostra azienda
Un’azienda con un team di sicurezza interno può inserire un approccio di questo tipo nelle procedure di verifica e approvazione già esistenti. Nelle PMI, spesso sono poche persone a occuparsi contemporaneamente degli aggiornamenti, delle richieste dei fornitori e della continuità operativa. Il lavoro aggiuntivo di verifica non è un dettaglio secondario: determina se una segnalazione dell’IA porta a una correzione più rapida o si trasforma soltanto in un’altra lista nella casella di posta.
Iniziate quindi con un test circoscritto e autorizzato, non con l’intero parco informatico. Scegliete un sistema il cui responsabile approvi la verifica e documentate quali obiettivi il modello può esaminare. Decidete prima chi convalida una segnalazione, chi testa una patch e chi ne autorizza l’applicazione.
Durante il progetto pilota, registrate anche tre elementi: tempi e costi della sessione con il modello, numero di risultati confermati e impegno richiesto per verificarli e correggerli. Stabilite quando interrompere il test, per esempio se il modello esce dal perimetro concordato o interferisce con l’operatività. Il lunedì successivo dovrà essere chiaro chi valuta il primo risultato e in quale ambiente di test verrà provata una patch. Solo così potrete capire se il metodo riduce davvero il carico di lavoro del vostro team.
- Autorizzate per iscritto gli obiettivi e il periodo del test.
- Tenete l’ambiente di verifica separato da quello di produzione.
- Prima di iniziare, nominate una persona responsabile della verifica dei risultati e dell’approvazione delle patch.
- Confrontate costi complessivi e tempi di gestione con il metodo di verifica che usate già.
La patch non chiude il lavoro
Il valore di una vulnerabilità individuata dipende anche dalla rapidità con cui i manutentori e chi gestisce i sistemi riescono a intervenire. OpenAI afferma che, mentre era in corso la scansione di Linux, in dieci giorni sono state corrette più di 100 vulnerabilità di escalation locale dei privilegi, oppure erano in preparazione le relative patch. Altre 300 circa erano oggetto di discussione pubblica.
Sono osservazioni relative alla ricerca di OpenAI, non la promessa che il vostro fornitore di servizi o il produttore del software agirà con la stessa rapidità. La tendenza, però, incide sulle aspettative: se più verifiche producono più risultati concreti, diventano ancora più importanti responsabilità chiare e un processo realistico per applicare le patch. Il collo di bottiglia può spostarsi dalla ricerca alla valutazione, al test e all’installazione.
Chiedete quindi al vostro reparto IT o al fornitore di sicurezza non solo se l’IA può trovare vulnerabilità. Domandate come viene documentato un risultato confermato, chi lo mette in priorità e come saprete quando una patch sarà disponibile per la vostra versione. Senza queste risposte, anche una segnalazione rapida resta un ticket aperto.
Domande frequenti
Che cos’è GPT-6 Cyber?
GPT-6 Cyber è un modello presentato da OpenAI per attività di ricerca in ambito cybersicurezza. Secondo l’azienda, può esaminare vulnerabilità software, generare exploit come prova di fattibilità e supportare la preparazione di patch. I risultati dei test pubblicati non dimostrano automaticamente quanto il modello sia efficace in uno specifico ambiente aziendale.
Quanto costa una scansione di sicurezza Linux con l’IA?
OpenAI quantifica in 1.213.430 dollari in crediti API una propria sessione di ricerca su Linux. Secondo l’azienda, sono stati generati 948 exploit per l’escalation locale dei privilegi. Il costo riguarda i modelli, le configurazioni degli obiettivi e le procedure usati in quella sessione. OpenAI afferma che una maggiore orchestrazione tecnica potrebbe ridurlo. Non è quindi un prezzo generale per una scansione di sicurezza con l’IA.
L’intelligenza artificiale trova le vulnerabilità in modo affidabile?
L’IA può identificare possibili vulnerabilità e verificarne la sfruttabilità in un ambiente controllato. Nella ricerca di OpenAI su Linux, secondo l’azienda, 1.724 dei 2.308 possibili problemi sono stati riprodotti dinamicamente. È un risultato specifico di ricerca, non una garanzia di affidabilità per altri sistemi. I sospetti, gli exploit e le proposte di patch vanno verificati da professionisti.
Quali controlli servono per fare test di sicurezza con l’IA?
Prima del test, definite per iscritto quali sistemi possono essere esaminati e quando avverrà la sessione. Usate un ambiente di test isolato e stabilite chi conferma i risultati, chi verifica le patch e chi autorizza le modifiche. Prevedete anche di interrompere il test se esce dal perimetro concordato o interferisce con l’operatività.
GPT-6 Cyber può correggere da solo le vulnerabilità che trova?
OpenAI afferma che la propria pipeline Linux può generare possibili patch. Una proposta non è ancora una correzione approvata. Una persona deve verificare che la patch risolva davvero il problema e non ne crei altri nell’ambiente specifico. Prima di applicare la modifica in produzione, servono un test controllato e un’autorizzazione chiara.
Interessato?
Vuole sapere cosa significa per la Sua azienda?
Fonti
- GPT‑6 Cyber: Advancing the frontier of aligned cybersecurity agents · openai.com, 2026-11-05
- A thousand fewer paths to root · openai.com, 2026-11-04
- GPT-6 Cyber, OpenAI automatizza la caccia ai bug: cosa cambia per le imprese - AI4Business · ai4business.it, 2026-11-06
- En medio de una crisis de ciberseguridad, OpenAI estrena GPT-6 Cyber, su nuevo modelo "crítico" · xataka.com, 2026-11-06
Questo articolo è stato ricercato e scritto con il supporto dell’IA e verificato automaticamente sulle fonti citate prima della pubblicazione. Di più sulla nostra trasparenza IA
Guida gratuita · PDF
La bussola dell'IA per piccole e medie imprese
Nove attività che il vostro team può affidare all’IA da lunedì.
Richiedi gratis
Klarframe AI Readiness Check
Quanto è pronta la Sua azienda per l’IA?
Circa dieci minuti, risultato immediato con il Suo livello, un piano di 90 giorni, soluzioni adatte e note sull’AI Act.


