7 sfide con l’AI e la sicurezza dei dati, oltre a suggerimenti per costruire resilienza

L’AI è al tempo stesso spada e scudo nella sicurezza informatica moderna. Consente di analizzare enormi set di dati in pochi secondi, segnala le anomalie in anticipo e acquista ai difensori il tempo necessario per agire. Secondo una nuova ricerca del Ponemon Institute, il 47% delle organizzazioni statunitensi utilizza già l’AI per proteggere la propria risorsa più preziosa: i dati.

Per capire come i team stanno costruendo la resilienza dei dati nello storage, il Ponemon Institute ha intervistato 610 professionisti IT e della sicurezza per lo studio “The State of Cyber Resilience“, sponsorizzato da Pure Storage. I risultati dimostrano che il 45% dei professionisti prevede che le tecnologie di sicurezza basate sull’AI rafforzeranno lo storage di sicurezza dei dati della propria organizzazione. Più della metà (53%) afferma che l’AI semplifica la protezione gestendo le attività precedentemente gestite dai team umani in modo più efficiente e conveniente.

Tuttavia, l’AI introduce anche nuovi rischi per la sicurezza dei dati. Metà dei professionisti intervistati dal Ponemon Institute ha citato l’avvelenamento dei dati come la principale minaccia dello storage basata sull’AI. Altri indicavano una configurazione inadeguata del sistema e configurazioni errate dovute all’eccessiva dipendenza dall’AI per la gestione dei rischi informatici. 

Il punto chiave di partenza da questi risultati: Sebbene gli strumenti di AI possano aiutarti a individuare i problemi prima, ottenere una vera resilienza informatica dipende dalla capacità di proteggere e ripristinare i dati. Tenendo presente questo aspetto, esaminiamo sette problemi di AI e sicurezza dei dati, insieme a esempi di modi pratici per migliorare la resilienza.

1. L’AI non elimina l’elemento umano nella sicurezza informatica

L’AI è in grado di individuare schemi e accelerare il triage, ma il giudizio è ancora a carico delle persone: cosa indagare, quando effettuare l’escalation e come contenere le minacce. Con gli autori degli attacchi che utilizzano l’AI generativa per creare esche più convincenti, il rischio maggiore per la sicurezza dei dati non è “l’AI sostituisce gli esseri umani”, ma i team si affidano all’automazione senza la formazione necessaria, i framework decisionali e i playbook sugli incidenti.

Consigli per costruire resilienza

• Tieni le persone sotto controllo i risultati. Usa il monitoraggio AI per segnalare attività insolite, come eliminazioni impreviste o movimenti di dati atipici, ma devi sottoporti a un esame umano prima di avviare passaggi di contenimento o risposte importanti.
• Formazione per l’escalation. Assicurati che il personale sappia quando inoltrare gli avvisi, come interpretare e utilizzare gli insight basati sull’AI e chi ha l’autorità finale durante un incidente.
• Prova la risposta agli incidenti. Esegui esercizi di simulazione che combinano gli avvisi di AI con le decisioni umane, in modo che i team si esercitino in termini di contenimento e comunicazione in condizioni reali.

2. Anche con l’AI, non c’è nessun punto chiave nella sicurezza

L’AI è utile per gli avvisi precoci, come la segnalazione di letture, eliminazioni e trasferimenti insoliti, ma non mantiene i dati al sicuro né ti riporta a uno stato stazionario da solo. I controlli rigorosi di sicurezza dei dati riducono la probabilità di perdita e le procedure di resilienza informatica disciplinate garantiscono un ripristino rapido in caso di incidente. 

Suggerimenti per costruire resilienza

• Rafforza il livello dei dati. La sicurezza informatica moderna si basa su livelli. Applica autorizzazioni con privilegi minimi, proteggi i caveau delle chiavi e blocca le console di storage per evitare usi impropri o manomissioni.

• Mantieni copie pulite, antimanomissione e indelebili. Conserva le copie protette dei set di dati e delle configurazioni critiche e prova i restore per assicurarti di poter raggiungere in modo affidabile gli obiettivi RPORecovery Point Objective) e RTO (Recovery Time Objective). Questo ti aiuterà a difenderti meglio da manomissioni di backup, crittografia Ransomware ed eliminazioni accidentali o interne.
• Contengono i danni fin dalla progettazione. Segmenta le reti e applica una rigorosa separazione dei compiti per evitare che una singola violazione si diffonda nell’intero ambiente.

Scopri come la resilienza a più livelli protegge l’integrità dei dati e facilita il ripristino rapido su qualsiasi scala.

3. L’AI è ancora più reattiva della prevenzione

L’AI è potente nel far emergere i rischi del data storage, come letture, eliminazioni o movimenti di dati insoliti. Tuttavia, non impedisce le cause principali, come il clic iniziale di phishing o il furto di un token. La buona notizia è che, secondo lo studio “State of Cyber Resilience”, l’AI sta contribuendo a ridurre i workload manuali per i team di sicurezza. Ciò significa che i professionisti hanno più larghezza di banda da investire in misure preventive, come configurazioni più complesse, formazione dei dipendenti e rafforzamento dei sistemi di routine.

Suggerimenti per costruire la resilienza

• Chiudi porte semplici. Mantieni i sistemi aggiornati, rimuovi gli account obsoleti e chiudi i percorsi di accesso inutilizzati per evitare che gli attacchi semplici acquisiscano slancio. Abbinalo a una formazione sulla consapevolezza della sicurezza che insegna ai dipendenti come riconoscere il phishing, i collegamenti dannosi e altri trucchi di social engineering, trasformando gli utenti in difensori in prima linea.
• Affronta i cambiamenti rischiosi. Aggiungi una breve pausa e rivedi rapidamente le azioni che potrebbero cancellare i dati o indebolire le protezioni, come l’eliminazione dei backup o la modifica della conservazione/dei tasti. Le etichette chiare e una breve lista di controllo aiutano le persone a sapere di trovarsi in un territorio rischioso.
• Riprendi l’autopilota, dopo un “go” umano. Prima di implementare aggiornamenti importanti o modifiche alle policy, è necessario eseguire snapshot indelebili, gestire un piano di rollback di una pagina ed eseguire drill di restore rapido sui dati di esempio per assicurarsi che tutti comprendano come tornare a uno stato di sicurezza.

4. I modelli di AI devono evolversi, o rischiare chiamate sbagliate

L’AI è utile solo se apprende dai dati puliti e attuali. Se lasciati incontrollati, i modelli di AI possono deviare, segnalando le normali attività come sospette o senza nuovi schemi. E, come sappiamo dallo studio del Ponemon Institute, i professionisti IT e della sicurezza considerano l’avvelenamento intenzionale dei dati, che danneggia i dati o le etichette di formazione, come il rischio più significativo di storage basato sull’AI.

Suggerimenti per costruire resilienza

• Aggiorna i modelli con dati affidabili. Riaddestra i modelli regolarmente utilizzando dataset controllati e rappresentativi e annota l’origine dei dati. Non lasciarti sfuggire nulla che non puoi fare.
• Guarda i segnali. Monitora i falsi allarmi e gli errori. In caso di aumento del rumore, perfeziona gli avvisi o riaddestrati e tieni sempre a portata di mano un modello di fallback in caso di modifiche errate.
• Proteggi la pipeline. Limita chi può modificare i dati di formazione, le etichette o le regole di rilevamento. Per gli aggiornamenti in blocco, è necessario un rapido peer review e tenere un semplice registro delle modifiche.

5. La supervisione è essenziale per prevenire l’automazione senza supervisione

L’AI può generare o modificare le regole di sicurezza in tempo reale. Senza guardrail, può essere eccessivamente sicuro (bloccando l’accesso business-critical) o sottosicuro (mancando minacce reali). Secondo la ricerca del Ponemon Institute su Pure Storage, i sistemi mal configurati rappresentano il secondo rischio di storage basato sull’AI, sottolineando il pericolo dell’automazione senza un’adeguata supervisione.

Suggerimenti per costruire resilienza

• Definisci prima i confini. Spiega cosa l’AI può ottimizzare da solo (ad es. soglie di avviso), cosa deve confermare una persona e cosa è fuori limite (ad es. policy di eliminazione).
• Prova prima della fiducia. Lascia che le modifiche proposte dall’AI vengano eseguite in modalità shadow (consigliato/solo avviso). Inoltre, utilizza modifiche limitate nel tempo che scadono a meno che un essere umano non confermi che deve continuare; questo aiuta a garantire che le regole non verificate non persistano.
• Implementa in sicurezza, quindi rivedi. Aggiorna le fasi di un piccolo gruppo di utenti, ripristina automaticamente gli errori in caso di picco ed esegui una rapida revisione settimanale delle modifiche apportate o regolate dall’AI per decidere le modifiche.

6. Esigenze di rilevamento delle anomalie efficaci (molto) Contesto ampio

Per individuare gli attacchi “needle in a haystack”, l’AI ha bisogno di contesto tra utenti, sistemi e archivi di dati. In altre parole, ha bisogno di enormi quantità di dati provenienti da diverse origini. Ma la scalabilità riduce entrambi i modi: Senza i guardrail appropriati, il data firehose può facilmente sorpassare gli strumenti e le persone.

Suggerimenti per costruire resilienza

• Monitora ciò che conta. Tieni traccia di un breve elenco di segnali di allarme, come eliminazioni insolite e trasferimenti di grandi dimensioni. Assicurati che ci sia un proprietario designato di ogni sistema e set di dati per accelerare le decisioni.
• Mantieni i dati gestibili. Deduplica all’arrivo dei dati, mantieni record dettagliati per un breve periodo e riepiloghi più a lungo, e mantieni una linea di base chiara dell’attività normale.
• Rendi utili gli avvisi. Correla gli eventi correlati, imposta soglie sensibili e invia solo avvisi ad alta priorità alle persone, soprattutto quando le modifiche potrebbero potenzialmente distruggere o esporre i dati.

Scopri in che modo Pure Storage fornisce le informazioni CVE fruibili di cui i clienti hanno bisogno per comprendere e mitigare le vulnerabilità. 

7. La fame di dati dell’AI aumenta i rischi per la privacy e la conformità

I sistemi di AI generativi spesso hanno bisogno di accedere a dati sensibili per fornire risultati rilevanti. Ciò aumenta le probabilità di esposizione accidentale e di errori di conformità, soprattutto ai sensi del Regolamento generale sulla protezione dei dati (GDPR), del California Consumer Privacy Act (CCPA) e delle regole di responsabilità dell’AI emergenti. L’obiettivo è abilitare l’AI senza ampliare la superficie di attacco alla privacy.

Suggerimenti per costruire resilienza

• Limita ciò che l’AI può vedere. Etichetta i dati sensibili e fornisci ai modelli solo le informazioni necessarie. Per impostazione predefinita, maschera o rimuovi le informazioni personali e, quando possibile, esegui test con dati di esempio falsi o più piccoli.
• Integra la privacy nello storage. Usa controlli di accesso rigorosi, autorizzazioni limitate nel tempo e copie bloccate e invariabili (immutabili/bloccate in modalità di conservazione) in modo che i dati sensibili non possano essere modificati o esposti. Inoltre, assicurati che i dati siano crittografati sia a REST che in transito.
• Imposta i guardrail per l’utilizzo e la condivisione. Decidere dove verranno utilizzati i prompt, i risultati e i log, chi può accedervi e per quanto tempo conservarli. Adotta un approccio con privilegi minimi in modo che solo gli utenti o i sistemi autorizzati possano visualizzare gli output sensibili. Mantieni un audit trail e disattiva qualsiasi funzionalità che consenta di salvare prompt o risultati, a meno che non sia realmente necessario.

La resilienza è la strada da seguire per l’AI e la sicurezza dei dati

L’AI sta già semplificando la sicurezza dei dati automatizzando le attività ripetitive, riducendo i costi e offrendo ai team tempo prezioso. ma introduce anche nuovi rischi. Il percorso ragionevole verso il futuro con l’AI è dare priorità alla resilienza in ogni momento, integrando la sicurezza nella tua base con difese a più livelli, dati immutabili e un’infrastruttura a più livelli pronta per il ripristino. Pure Storage aiuta le organizzazioni a raggiungere questa resilienza semplificando le operazioni a livello di dati e consentendo un ripristino rapido e prevedibile quando è più importante.

Mentre le sfide di AI e sicurezza dei dati descritte sopra persistono tutto l’anno, il Mese della consapevolezza sulla sicurezza informatica serve come promemoria tempestivo per valutare il tuo livello di sicurezza, rivedere le tue strategie di ripristino e garantire che le tue ambizioni di AI siano costruite su una data platform sicura, conforme e resiliente come Pure Storage. Guardando al 2026 e oltre, queste sfide si aumenteranno, il che rende il momento di prepararsi.

The State of Cyber Resilience

Learn how 620 US-based IT security practitioners are approaching data storage security in the age of AI.

Read the Report