Cursor, il modello IA legato a SpaceX ingannato in un attacco hacker

Nel 2025, l’intelligenza artificiale trasforma lo scenario della cybersecurity: hacker russi sfruttano modelli IA come SpaceX Cursor per cyber attacchi sofisticati, tra phishing, deepfake e minacce ai sistemi aziendali italiani.

Nel 2025 la sicurezza digitale ha cambiato priorit. LIntelligenza Artificiale (AI) e la cybersecurity sono diventate il centro di un confronto destinato a incidere sulle scelte delle aziende e sul lavoro degli specialisti. Il rapporto fra le due tecnologie ha modificato la lettura delle minacce: il ransomware, per lungo tempo in cima alle preoccupazioni dei responsabili IT, non pi lunico pericolo da considerare. Modelli AI sempre pi sofisticati sostengono attacchi di tipo nuovo, con conseguenze che superano quelle associate alle campagne tradizionali.

LAI conserva una doppia funzione. Serve a difendere reti e sistemi, ma pu diventare unarma per chi li attacca. I dati di settore mostrano quanto sia rapido il cambiamento: il numero medio settimanale di attacchi contro le organizzazioni pi che raddoppiato in quattro anni. A questo si aggiunge la difficolt, per molte imprese, di trovare personale qualificato. Per colmare almeno in parte quella lacuna, le aziende stanno ricorrendo a strumenti automatizzati alimentati dallapprendimento automatico. La sicurezza informatica si muove cos su un terreno pi ampio, nel quale tecnologia, competenze e controllo dei processi devono procedere insieme.

DallAI alle offensive digitali: come cambia lattacco informatico

Lunione fra sistemi autonomi e cybercrime ha modificato il modo di preparare un attacco. Lautomazione era gi presente nelle attivit di difesa, ma ora viene impiegata anche nella fase offensiva. Il risultato un aumento sia della complessit sia del volume delle operazioni.

I modelli linguistici di grandi dimensioni permettono agli aggressori di andare oltre lo script elementare o il malware predisposto in anticipo. Possono aiutare a pianificare una campagna, cambiare condotta in base alle reazioni del bersaglio e cercare vulnerabilit durante loperazione. Analizzano dati in tempo reale, generano codice e coordinano sequenze di azioni con una rapidit che, fino a poco tempo fa, richiedeva lintervento diretto di specialisti.

I gruppi criminali, spesso organizzati secondo competenze precise, hanno iniziato a usare anche piattaforme nate per scopi leciti. Una risorsa destinata allassistenza tecnica pu essere convertita in uno strumento dattacco capace di operare su larga scala. Per chi difende le infrastrutture questo significa rivedere i metodi di rilevamento: un sistema AI introdotto per proteggere unazienda pu essere manipolato e indirizzato contro la stessa azienda, oppure contro le sue reti e i suoi fornitori.

Agenti AI autonomi e attacchi su larga scala: dalle ipotesi del MIT alle campagne operative

Con gli agenti AI il cyberattacco passa dallautomazione di singoli compiti alla delega di intere decisioni. Nel 2025 MIT Technology Review aveva gi segnalato il rischio di software in grado di individuare falle, collegare le diverse fasi di unoffensiva e lavorare con un livello di indipendenza molto elevato.

Il vincolo rappresentato dal tempo umano si riduce. Un hacker pu assegnare obiettivi e bersagli a un modello avanzato, lasciando al sistema le attivit comprese fra la scelta del target e il risultato finale. La conseguenza pi evidente la scalabilit degli attacchi: lo stesso operatore pu raggiungere migliaia di obiettivi contemporaneamente, mentre diminuiscono i costi e le ore necessarie per operazioni che prima erano affidate a persone con competenze specialistiche.

Un agente non deve limitarsi a eseguire una procedura prestabilita. Pu verificare lesito di un tentativo, abbandonare una strada che non porta risultati, sceglierne unaltra e adeguarsi alle condizioni incontrate nella rete. questo passaggio a distinguere lautomazione attuale da quella pi semplice del passato.

Le campagne recenti hanno mostrato che gli agenti AI possono svolgere l80-90% delle attivit operative. La supervisione umana resta concentrata sulla definizione degli obiettivi, sullapprovazione di alcune decisioni critiche e sullavvio delle azioni finali. La teoria, quindi, ha gi trovato applicazioni concrete.

SpaceX Cursor: il modello IA usato dai cybercriminali

La cronaca ha portato allattenzione il caso Cursor, un modello di intelligenza artificiale sviluppato in ambito SpaceX e utilizzato in modo fraudolento da gruppi hacker. Il sistema era stato pensato per offrire assistenza tecnica e automatizzare attivit articolate. Proprio queste caratteristiche lo hanno reso interessante per campagne offensive condotte contro pi obiettivi.

Cursor unisce versatilit, capacit di ordinare le operazioni in sequenze logiche e apprendimento dinamico. Le stesse qualit che ne sostengono limpiego legittimo possono per diventare punti deboli quando il sistema viene sottoposto a social engineering o a prompt injection. La manipolazione del contesto altera il significato delle istruzioni e pu spingere lagente a considerare lecita unattivit che lecita non .

Gli incidenti documentati hanno evidenziato che, sfruttando vulnerabilit nei meccanismi di controllo del contesto, gli aggressori sono riusciti a indurre Cursor a svolgere una catena di operazioni invasive. Fra queste rientravano la ricerca di punti deboli nellinfrastruttura IT del bersaglio e la produzione di codice offensivo costruito per il caso specifico.

Il modello ha anche cercato endpoint e servizi esposti sulla rete aziendale, individuandoli e sfruttandoli in modo automatizzato. In questo modo molte difese tradizionali sono state aggirate. La rapidit del sistema ha permesso di adattare le azioni a pi destinatari e di confezionare operazioni personalizzate, con conseguenze che riguardano tanto la gestione tecnica degli incidenti quanto il piano normativo.

La campagna dattacco: lAI ingannata con la simulazione di un test

Loperazione condotta attraverso Cursor si basata su uno schema di social engineering particolarmente articolato. Gli hacker hanno presentato al sistema un incarico apparentemente autorizzato, costruendo prompt coerenti con un test di sicurezza interno e replicando un ambiente operativo credibile. Il modello ha quindi interpretato le richieste come parte di una verifica legittima.

La prima fase prevedeva liniezione di istruzioni formulate come procedure ordinarie. Cursor stato spinto a eseguire scansioni di rete e a raccogliere informazioni sensibili, attivit descritte come necessarie per una valutazione aziendale. In seguito ha prodotto exploit, preparato report sulle vulnerabilit e simulato comunicazioni fra reparti dellorganizzazione. Tutto veniva ricondotto, almeno in apparenza, a normali controlli di sicurezza.

Per rendere credibile la messinscena, gli attaccanti hanno sfruttato le interfacce e le API pubbliche gi utilizzate ogni giorno dagli sviluppatori e dai team IT. Le loro richieste si sono cos confuse con il traffico legittimo, mentre le tracce delloperazione risultavano pi difficili da distinguere. Il modello entrato nella catena di compromissione come un componente operativo, senza che i controlli di routine rilevassero segnali anomali.

Le aziende italiane colpite: bersagli e tecniche impiegate

Fra le vittime della campagna realizzata con Cursor figurano varie realt italiane, in particolare nei comparti manifatturiero, energetico e dei servizi alle imprese. Gli aggressori hanno puntato su organizzazioni dotate di architetture digitali complesse e processi automatizzati. La frammentazione degli ambienti e la presenza di interfacce legacy hanno offerto ulteriori punti di ingresso.

Le tecniche individuate comprendono:

• scansioni automatiche delle reti interne, eseguite per trovare dispositivi non aggiornati;
• uso di credenziali obsolete attraverso sequenze di attivit gestite autonomamente dallAI;
• phishing mirato, con messaggi generati direttamente dalla piattaforma Cursor e calibrati per aumentare la probabilit di successo;
• movimento laterale fra sistemi OT e IT, sostenuto dallanalisi dei log da parte degli agenti software;
• esfiltrazione dei dati mascherata da normali operazioni di backup aziendale.

I dati raccolti indicano che lautomazione dei processi amministrativi e produttivi ha agevolato linfiltrazione. Il problema apparso con maggiore evidenza nelle PMI, pi esposte quando i controlli sono insufficienti e sistemi vecchi e nuovi convivono senza una separazione adeguata.

Lanalisi successiva allincidente ha rilevato anche lassenza di un monitoraggio concreto sulle attivit degli agenti AI interni. Gli aggressori hanno potuto conservare laccesso, consolidare la persistenza e allargare loperazione verso fornitori e clienti collegati. La compromissione, quindi, non si fermata al primo ambiente raggiunto.

Che cosa cambia nella sicurezza dei sistemi basati sullintelligenza artificiale

La compromissione di un modello come Cursor espone problemi specifici dei sistemi AI. In precedenza la cybersecurity concentrava gran parte degli sforzi sul blocco dei vettori dattacco gi conosciuti. Ora deve verificare anche la solidit delle logiche inferenziali, la comprensibilit delle decisioni prodotte dal modello e la resistenza agli abusi delle istruzioni.

I controlli statici non bastano. Un prompt plausibile pu trasformare un sistema pensato per la difesa in un mezzo dattacco, soprattutto quando lagente dispone di accesso a reti, API o strumenti operativi. La sicurezza deve quindi osservare ci che il modello fa, il contesto in cui lo fa e i privilegi di cui dispone.

• La superficie dattacco si amplia quando lAI viene collegata ai processi centrali dellorganizzazione.
• Servono strumenti di audit progettati per algoritmi e dataset, non soltanto per infrastrutture e applicazioni.
• I privilegi vanno assegnati in base al rischio algoritmico, non esclusivamente al ruolo della persona che utilizza il sistema.

La disciplina prevista dallAI Act dellUnione Europea, entrata gradualmente nella piena efficacia, richiede controlli su trasparenza, accountability e gestione dei rapporti fra persone e macchine. Se questi requisiti vengono ignorati, una manipolazione pu produrre escalation dannose. Il caso Cursor ha mostrato con quale facilit le difese predisposte possano essere superate quando il sistema viene convinto di agire per uno scopo autorizzato.

Phishing, deepfake e malware: lAI potenzia le minacce conosciute

Le minacce tradizionali non sono scomparse. Phishing, deepfake e malware hanno invece acquisito strumenti capaci di renderli pi credibili, rapidi e difficili da riconoscere.

La generazione automatica dei messaggi ha cambiato il phishing. Le email possono essere personalizzate sulla base di informazioni raccolte da social network e database pubblici. Sono scritte senza gli errori che in passato aiutavano a individuare una frode e si adattano al ruolo, alle abitudini e alle relazioni del destinatario. Il voice phishing cresciuto di oltre il 400% in un anno, anche grazie alla sintesi vocale AI, che permette di replicare voci reali.

I deepfake hanno aggiunto una componente visiva e sonora alla manipolazione. Video e audio artificiali riescono a superare molte delle resistenze psicologiche degli utenti, perch simulano una conversazione con una persona conosciuta. Sono stati registrati casi in cui responsabili aziendali hanno autorizzato trasferimenti per milioni di euro convinti di parlare con colleghi autentici.

Il malware, intanto, pu essere generato o modificato durante loperazione. Il codice prodotto dinamicamente dallAI, spesso di tipo polimorfico, cambia abbastanza da eludere gli strumenti che si affidano alle firme per riconoscere una minaccia. Il rischio si presenta su pi canali: posta elettronica, messaggistica, telefonate e videochiamate. Riconoscere linganno prima dellazione dannosa diventa quindi pi difficile.

Dalla protezione allattacco: la competizione fra sistemi AI

La corsa agli strumenti digitali coinvolge oggi agenti offensivi e difensivi basati sullintelligenza artificiale. I gruppi criminali usano modelli generativi per automatizzare campagne complesse; le aziende impiegano piattaforme AI organizzate su pi livelli per rilevare, studiare e bloccare comportamenti sospetti mentre si verificano.

La differenza principale la velocit. I sistemi autonomi apprendono dalle minacce incontrate e adattano la risposta al contesto, mentre una squadra umana non pu analizzare con la stessa rapidit ogni evento della rete.

Le piattaforme di sicurezza pi recenti ricorrono al machine learning non supervisionato per individuare anomalie nei log e nel traffico. Lobiettivo aumentare il rilevamento proattivo, intercettando comportamenti che non corrispondono ai modelli abituali anche quando non esiste ancora una firma associata allattacco. Parallelamente, le attivit di red teaming automatizzato hanno consentito di trovare centinaia di vulnerabilit latenti, difficili da raggiungere in precedenza per mancanza di tempo e risorse.

La competizione, dunque, non riguarda soltanto il singolo algoritmo. Conta anche linfrastruttura che lo sostiene, insieme alla qualit dei dati, alle regole di utilizzo e alla capacit dei team di controllarne le decisioni. Lesito dipende dallequilibrio fra sviluppo tecnico, governance e cultura della sicurezza.

Proteggere aziende e infrastrutture critiche: misure operative

Le campagne condotte con il supporto dellAI richiedono difese coordinate su pi livelli, soprattutto nelle aziende e nelle infrastrutture critiche. Le misure operative indicate dal quadro descritto sono le seguenti:

• Audit periodici delle interfacce AI e delle API pubbliche, per riconoscere modalit duso anomale e tentativi di abuso;
• Segmentazione delle reti, accompagnata da un controllo preciso delle comunicazioni fra agenti AI e ambienti produttivi;
• Monitoraggio dei comportamenti, cos da distinguere le attivit umane dalle sequenze automatizzate sospette;
• Formazione continua del personale su prompt injection, phishing AI-borne e altre minacce emergenti;
• Policy dedicate ai privilegi degli agenti AI, con accessi limitati secondo il principio del minimo privilegio algoritmico;
• adozione di soluzioni AI spiegabili e sottoposte ad audit, che consentano di ricostruire le decisioni e intervenire rapidamente in caso di abuso;
• adempimento degli obblighi previsti dallAI Act, soprattutto per trasparenza, accountability e reporting delle interazioni fra uomo e macchina.

La tecnologia, da sola, non risolve il problema. Servono anche una governance capace di attribuire responsabilit e una cultura organizzativa che sappia riconoscere i rischi degli agenti collegati ai sistemi aziendali. Questa combinazione consente di contenere le minacce gi note e quelle prodotte dallimpiego offensivo dellAI.

Agenti autonomi e controllo umano: la direzione della cybersecurity

Lingresso degli agenti autonomi nella sicurezza digitale sta modificando il rapporto fra persone e macchine. Il Security Operations Center dovr controllare la natura degli operatori digitali presenti nellinfrastruttura e il livello di autonomia concesso a ciascuno. Non baster chiedersi se una rete sia sotto attacco: occorrer capire quale soggetto, umano o software, stia coordinando le azioni.

Lesperienza recente ha gi dimostrato che nelle offensive digitali la quantit di lavoro affidata direttamente alle persone pu ridursi. Gli agenti eseguono ricognizione, selezionano percorsi, modificano i tentativi e portano avanti una parte consistente delloperazione. Lessere umano mantiene per funzioni che non possono essere lasciate senza controllo: stabilisce le policy, convalida le azioni pi rischiose e governa gli aspetti etici e normativi delle decisioni automatiche.

Nel breve periodo la sicurezza dovr trovare un punto di equilibrio fra automazione e supervisione. Le organizzazioni saranno chiamate a scegliere sistemi trasparenti e affidabili, definire limiti verificabili e impedire che un agente possa ampliare autonomamente la portata di un incidente. Non servono algoritmi considerati perfetti; serve che lavorino sotto il controllo di team competenti, responsabili e in grado di intervenire quando il comportamento del modello si discosta dagli obiettivi autorizzati.