Agenti AI costruiscono exploit dalle patch, senza alcun umano
Il GTIG di Google ha trovato exploit_agent: un framework autonomo che confronta ogni patch, scrive l'exploit e lo lancia senza nessuno che approvi.
Pubblicato da Zero Hunt, un red team AI autonomo su un'appliance on-premise con AI privata: penetration test automatizzato per reti e infrastrutture, in black box o gray box, con una persona che approva ogni passo che conta.
Il Threat Intelligence Group di Google ha trovato un server di staging esposto che faceva girare un framework battezzato exploit_agent. Il framework tiene d'occhio le applicazioni web più diffuse, aspetta che esca una patch di sicurezza, confronta il codice prima e dopo la correzione, capisce cosa la patch stava chiudendo in silenzio, scrive un exploit e lo lancia contro bersagli reali — senza che nessuno approvi un solo passaggio. È la cosa che l'industria diceva mancassero ancora un anno o due. Il GTIG l'ha pubblicata il 16 novembre 2026, e la formulazione è netta: per la prima volta si sono visti avversari automatizzare interamente scoperta e sfruttamento di una vulnerabilità, senza umano nel ciclo.
Notizia in evoluzione — pubblicata alle 18:29 (17:29 UTC) del 16 novembre 2026. Aggiornata man mano che Google, Mandiant e i vendor pubblicano.
La patch diventa l'arma: dentro exploit_agent
Una patch è una divulgazione. Il diff tra la versione vulnerabile e quella corretta dice a chiunque sappia leggerlo dov'era esattamente il bug e come raggiungerlo. Gli attaccanti esperti fanno reverse engineering delle patch a mano da decenni — è questo che chiamiamo exploit "n-day". Ciò che è cambiato è chi legge il diff.
Il GTIG descrive exploit_agent come "un framework multi-agente di ricerca e weaponizzazione delle vulnerabilità" che integra più LLM, sia di frontiera sia locali. Il suo compito, nelle parole di Google, è:
condurre un'analisi differenziale continua del software applicativo web più diffuso. Confronta il codice prima e dopo l'annuncio di una patch, analizza i risultati per individuare potenziali vulnerabilità, abbozza gli exploit e li esegue automaticamente senza intervento umano.
Sullo stesso server il GTIG ha trovato l'output dell'agente: dati esfiltrati dalle vittime, più script per la ricognizione interna, il brute-force, l'installazione di web shell e — un dettaglio che dice quanto sia affollato questo spazio — la rimozione delle web shell di altri attaccanti. Un file di ambiente riportava il commento "LLM API keys for auto-exploitation (exploit_agent pilot)". Un'esecuzione catturata mostrava il framework mentre analizzava una falla di controllo degli accessi nel plugin WordPress Spectra (Ultimate Addons for Gutenberg), versione 2.19.25. La telemetria delle vittime indicava siti francesi di media, intrattenimento e istruzione. Google non ha attribuito il framework a un gruppo o a un Paese.
Il punto non è che exploit_agent sia sofisticato. È che è instancabile. Chi confronta i diff a mano dorme; questo gira di continuo contro ogni release diffusa che riesce a monitorare.
Agenti AI che costruiscono exploit dalle patch, ordinati per ciò che Google ha davvero visto
exploit_agent è una build su misura. Il cambiamento più ampio che il GTIG segnala è che i framework offensivi agentici pronti all'uso sono ormai in intrusioni reali, non solo in dimostrazioni. Il report distingue con cura tra osservato in the wild e visto in test — una differenza che la maggior parte delle sintesi appiattisce, ma che conta quando decidi da cosa difenderti per primo.
| Framework | Cos'è | Osservazione di Google |
|---|---|---|
| CAIRN | Framework di pentest multi-agente; ciclo OODA, agenti che condividono una "blackboard" | Osservato in the wild, anche contro l'aerospazio USA |
| PentAGI | Framework offensivo autonomo; abbassa la soglia per operatori alle prime armi | Osservato in the wild; ricognizione + scanning contro organizzazioni in Asia, fine ago–inizio ott 2026 |
| ARTEX | Piattaforma di pentest + C2 multi-agente LLM in Go, sei sub-agenti | Attivamente sfruttato; tracciato come UNC7228, in sovrapposizione con STORM-0940 (Microsoft, nexus cinese) |
| CyberStrikeAI | C2 LLM-native "single pane of glass" che collega un LLM a oltre 100 tool | Solo sperimentazione |
| HexStrike AI | Harness MCP che espone oltre 150 tool offensivi a più di 12 sub-agenti | Solo sperimentazione |
ARTEX è quello che ha già meritato un report a parte di GTIG e Mandiant: il repository GitHub originale è stato rimosso dal suo stesso autore a ottobre 2026 per quanto si era diffuso tra i threat actor, e ora circola tramite fork e una versione a pagamento "ARTEX PRO". Abbiamo raccontato in dettaglio una campagna ARTEX precedente qui. Il filo comune a tutti è quello che exploit_agent rende letterale: le parti lente e specialistiche di un'intrusione — leggere un diff, scrivere un proof-of-concept funzionante, decidere dove muoversi lateralmente — vengono affidate agli agenti.
Perché il patch diffing a velocità di macchina azzera la finestra
Il conteggio degli zero-day si muove poco: il GTIG nota che gli exploit zero-day mensili sono saliti da una media di 8 nel 2025 a 11 nel 2026, con un picco di 22 ad agosto. La curva pericolosa è quella degli n-day — lo scarto tra l'uscita di una patch e un exploit utilizzabile. È quello scarto che l'AI comprime.
Due casi del report mostrano il meccanismo anche senza alcun agente:
- PaperCut. A fine agosto, CVE-2026-81578 (bypass non autenticato del controllo accessi) e CVE-2026-82078 (caricamento dinamico di classi non sicuro) sono stati concatenati in un RCE non autenticato. GreyNoise ha visto una campagna contro centinaia di organizzazioni quattro giorni dopo la divulgazione, con attaccanti che passavano dal primo accesso ad amministratore di dominio in pochi minuti.
- PHP. Quando CVE-2026-109618 e CVE-2026-109619 sono state corrette il 21 ottobre, sono apparsi un video proof-of-concept e codice già corretto, permettendo a ricercatori e attaccanti di confrontare le versioni — e nel giro di giorni sono seguiti centinaia di PoC, per lo più non funzionanti.
Ora metti un agente su quel ciclo. Il GTIG afferma che gli avversari automatizzano "l'esame differenziale delle patch, il fuzzing dinamico dei protocolli e la weaponizzazione dei proof-of-concept", anche "confrontando versioni del codice sorgente (incluse quelle da canali pre-release o preview)". Lo stesso gateway AI dell'attaccante è un bersaglio: CVE-2026-40217 è un sandbox escape di LiteLLM che promuove una chiave con permessi limitati ad admin. La finestra di patch che il tuo modello di rischio assume lunga settimane, contro un framework che legge il diff nell'ora stessa in cui esce, è di poche ore al massimo.
Barattano furtività con velocità — ed è lì il tuo spazio
Ecco la parte da tenere a mente. Il GTIG è esplicito: questi strumenti "al momento barattano la furtività con la velocità". L'esecuzione autonoma senza freni "genera traffico forense, si affida a identificatori riconoscibili e lascia tracce distintive a livello di codice". Le esecuzioni di ARTEX arrivano a raffiche di circa 2–25 secondi e lasciano detriti riconoscibili — web shell chiamate tipo cl1217.jsp, file con prefisso artex-probe-, account che contengono ArtexProbe.
Quel rumore è un regalo, ma solo se guardi la superficie giusta. La stessa guida di Google avverte che "nomi dei tool, hash, indirizzi IP e altri indicatori statici … non copriranno gran parte di questa attività". Le firme rincorrono l'agente di ieri. Il segnale che dura è comportamentale e volumetrico: un tasso senza precedenti di azioni sul control plane, un host che d'improvviso si dirama verso bersagli interni, raffiche di traffico in uscita verso servizi webhook e di tunneling.
Cosa fare adesso
Qui non ti è dovuta nessuna nuova patch — la difesa è operativa, non un numero di KB:
- Accorcia il tuo orologio al loro. Tratta "patch disponibile" come "exploit imminente" per app web, plugin e gateway esposti su internet. Dai priorità in base all'esposizione reale, non al solo CVSS — le fasce basate sul rischio della BOD 26-04 sono un modello sensato anche se non sei un'agenzia federale USA.
- Inventaria ciò che legge un diff per te. Gateway AI (LiteLLM e simili), piattaforme app-builder ed endpoint MCP sono ormai bersagli di accesso iniziale. Verifica l'autenticazione, elimina le chiavi di default e blocca le server-side request forgery verso i metadata cloud.
- Caccia il comportamento, non gli hash. Stabilisci una baseline della velocità sul control plane e del traffico in uscita dai server. Allerta sulle raffiche di ricognizione a ritmo di macchina, sugli host che raggiungono infrastrutture webhook/OAST/tunneling e sulla diramazione che un host non ha motivo di compiere.
- Verifica prima di darti per salvo. Una stringa di versione sotto la release corretta ti dice che dovresti applicare la patch. Non ti dice se un dato n-day sia davvero portabile fino all'esecuzione di codice sulla tua build e configurazione. Sono domande diverse.
Cosa non si sa ancora
Il GTIG non ha attribuito exploit_agent a un attore o a un Paese, e il suo resoconto nasce da un solo server di staging esposto — rappresentativo delle intenzioni dell'operatore, non un conteggio misurato delle vittime. Se questi framework producano in modo affidabile exploit funzionanti su più bersagli, invece di molti tentativi falliti, resta incerto; l'ondata di PoC non funzionanti di PHP ricorda che "un agente ha scritto un exploit" e "l'exploit funziona" non sono la stessa affermazione. Il quadro si definirà man mano che Mandiant e i vendor coinvolti pubblicheranno.
La risposta simmetrica gira dalla tua parte del filo
Se un framework autonomo può leggere una patch e scrivere l'exploit prima che tu abbia finito di installarla, l'unico modo onesto per conoscere la tua esposizione è eseguire lo stesso processo contro il tuo parco macchine, per primo — governato, on-premise e nei tuoi tempi. Zero Hunt è questo: un red team AI autonomo che gira su un apparato on-premise con AI privata (i nostri modelli, ZeroHunt Apex e Apex Pro), con un umano nel ciclo per ogni azione che conta. Il suo Generative Zero-Day PoC e l'Exploit Forge fanno, sotto il tuo controllo, ciò che exploit_agent fa contro di te — identificano la versione esatta installata, ne analizzano il sorgente alla ricerca di punti deboli raggiungibili dall'input (gray-box, sulle tue macchine) e lasciano che un agente di coding sigillato iteri un proof-of-concept eseguibile in un container effimero e irrobustito che non tocca mai l'host, finché non funziona in modo dimostrabile o dimostrabilmente non può. Poiché i modelli stanno nel tuo rack, sorgente e credenziali non viaggiano mai verso un modello esterno — lo stesso tipo di modello esterno che, altrove in questo stesso report, è proprio ciò che confronta le patch per attaccarti. Una campagna attivata dai cambiamenti può partire nel momento in cui compare un nuovo asset o una nuova patch, che è più o meno la cadenza a cui ora corre l'avversario.
Quando la finestra dell'n-day si misura in ore non puoi applicare tutte le patch insieme, ed è lì che l'AI Remediation Advisor si guadagna il posto: ordina le correzioni per sfruttabilità reale — prima CISA KEV, poi ciò che la tua campagna ha davvero dimostrato raggiungibile, poi CVSS ed EPSS — ti consegna la correzione esatta con note di rollout e rollback e un controllo compensativo per gli host che stanotte non puoi toccare, poi riverifica con la stessa prova che ha dimostrato il problema. Gli attaccanti hanno automatizzato la gara. La mossa difendibile è automatizzare la tua parte, in continuo e alle tue condizioni — non continuare a confrontare le patch a mano contro qualcosa che non dorme mai.
È sfruttabile nel tuo ambiente?
Zero Hunt lo verifica sulla tua rete: un red team AI autonomo su un'appliance on-premise, con AI privata, in black box o gray box e con una persona che approva ogni passo che conta. La prova di cosa è sfruttabile, la correzione e le evidenze firmate — nessun dato esce dal tuo perimetro.