A novembre 2026 lo schema è evidente. A marzo la CISA ha inserito n8n e Langflow nel suo catalogo Known Exploited Vulnerabilities (KEV); all'inizio di novembre l'elenco degli strumenti AI e per agenti con vulnerabilità sfruttate comprendeva anche Marimo, LiteLLM, Ray, MLflow e GPUStack. I workflow builder, i gateway LLM e le piattaforme di machine learning installati durante i progetti pilota sull'intelligenza artificiale sono entrati a far parte della superficie di attacco esterna, e gli attaccanti li trattano esattamente così. In questo articolo ricostruiamo cosa è stato sfruttato nel corso del 2026, spieghiamo perché questi servizi sono bersagli così appetibili e indichiamo le misure che chiudono gran parte del problema. È un approfondimento della nostra guida all'External Attack Surface Management, perché il primo ostacolo è quasi sempre la visibilità: non puoi proteggere un servizio AI che nessuno ti ha detto essere online.
- Tra marzo e novembre 2026 la CISA ha aggiunto al catalogo KEV 13 vulnerabilità in strumenti AI e per agenti: cinque in Langflow, tre in LiteLLM e una ciascuna in n8n, Marimo, Ray, MLflow e GPUStack.
- Questi servizi sono bersagli di grande valore perché custodiscono le API key dei provider e le credenziali cloud, e perché molti di loro eseguono codice per definizione.
- Secondo la Cloud Security Alliance, la vulnerabilità di Langflow CVE-2026-33017 è stata sfruttata circa 20 ore dopo la pubblicazione.
- Nello studio IBM 2026 sui data breach, oltre il 20% delle organizzazioni ha segnalato una violazione rivolta a modelli o applicazioni AI, spesso tramite API, applicazioni o plug-in compromessi e configurazioni cloud errate.
- Dopo l'Omnibus digitale sull'AI, gli obblighi di trasparenza dell'AI Act si applicano comunque dal 2 agosto 2026, ma l'AI Act non ti chiede di aggiornare Langflow: la sicurezza dell'infrastruttura resta materia di NIS2 e GDPR.
Gli strumenti AI nel catalogo KEV: l'elenco del 2026
Il catalogo KEV elenca solo le vulnerabilità per cui la CISA ha prove di sfruttamento reale. È quindi un segnale utile e prudente: una voce non indica un rischio teorico, ma qualcosa che gli attaccanti hanno già usato. La tabella raccoglie tutte le voci relative a strumenti AI, LLM e per agenti aggiunte tra marzo e inizio novembre 2026, con la descrizione pubblicata dalla CISA.
| Inserita nel KEV | Prodotto | CVE | Cosa consente (secondo la CISA) |
|---|---|---|---|
| 11 marzo | n8n | CVE-2025-68613 | Esecuzione di codice da remoto tramite il sistema di valutazione delle espressioni nei workflow |
| 25 marzo | Langflow | CVE-2026-33017 | Code injection che permette di eseguire la build di flow pubblici senza autenticazione |
| 23 aprile | Marimo | CVE-2026-39987 | Esecuzione di codice da remoto prima dell'autenticazione, con accesso a una shell |
| 8 maggio | LiteLLM | CVE-2026-42208 | SQL injection che legge, e può modificare, il database del proxy e le credenziali che gestisce |
| 21 maggio | Langflow | CVE-2025-34291 | CORS troppo permissivo e cookie di refresh SameSite=None: una pagina web malevola ottiene i token e può arrivare all'esecuzione di codice |
| 8 giugno | LiteLLM | CVE-2026-42271 | Command injection sull'host da parte di qualsiasi utente autenticato, anche con chiavi interne a basso privilegio |
| 7 luglio | Langflow | CVE-2026-55255 | Un utente autenticato può eseguire il flow di un altro utente indicandone l'ID |
| 21 luglio | Langflow | CVE-2026-0770 | Esecuzione di codice da remoto tramite funzionalità incluse da una fonte non attendibile |
| 4 agosto | Langflow (elencato sotto IBM) | CVE-2026-9198 | Esecuzione di codice da remoto senza autenticazione sulle installazioni di default |
| 17 agosto | Ray | CVE-2025-62593 | Code injection con esecuzione di codice da remoto, raggiungibile tramite Firefox e Safari quando Ray è usato come strumento di sviluppo |
| 19 agosto | MLflow | CVE-2026-64849 | Server-side request forgery verso servizi interni e metadati cloud, con restituzione della risposta |
| 2 settembre | LiteLLM | CVE-2026-59822 | Bypass dell'autenticazione sull'endpoint MCP Streamable HTTP con un Bearer token arbitrario |
| 9 novembre | GPUStack | CVE-2026-102895 | Accesso amministrativo senza autenticazione, esposizione dei segreti dei worker e del provider cloud, esecuzione di codice |
Due elementi saltano all'occhio. Il primo è la velocità. Secondo una nota di ricerca della Cloud Security Alliance, la CVE-2026-33017 di Langflow è stata sfruttata circa 20 ore dopo la sua pubblicazione. Un ciclo di patch mensile non regge questi tempi. Il secondo è la ripetizione: Langflow compare cinque volte in otto mesi, LiteLLM tre. Sono progetti open source giovani e in rapida evoluzione, e lo stesso prodotto torna più volte. Se ne usi uno, dai per scontato che dovrai aggiornarlo di nuovo a breve.
Se vuoi vedere dove si collocano queste voci rispetto a tutto l'anno, la nostra analisi delle vulnerabilità sfruttate nel 2026 le mette accanto a firewall, VPN e server di collaborazione.
Perché questi servizi custodiscono le chiavi
Un web server esposto con una vulnerabilità nota è un problema. Un servizio AI esposto con una vulnerabilità nota spesso è un problema più grande, per via di ciò che contiene.
Un gateway LLM è una cassaforte di API key
Strumenti come LiteLLM fanno da proxy tra le tue applicazioni e i fornitori di modelli. Per farlo conservano le API key dei provider, emettono chiavi virtuali per i team interni e registrano i consumi in un database. Per questo la descrizione della CISA per la CVE-2026-42208 è rilevante: una SQL injection che legge il database del proxy dà accesso alle credenziali che gestisce. Un gateway compromesso può significare API key rubate, fatture inattese, accesso a ogni prompt e risposta che passa di lì e un punto d'appoggio nella rete in cui gira.
Gli strumenti di orchestrazione eseguono codice per definizione
Langflow, n8n e ambienti notebook come Marimo esistono per permettere di costruire flussi che chiamano API, eseguono script e si collegano ai dati. L'esecuzione di codice è una funzione, protetta dall'autenticazione. Quando l'autenticazione cede o si può aggirare, come in diverse voci della tabella, l'attaccante eredita un motore di esecuzione remota già pronto, di solito con accesso di rete ai sistemi interni e ai segreti di connessione salvati.
Piattaforme ML e cluster GPU portano all'account cloud
MLflow, Ray e GPUStack girano di solito in ambienti cloud, accanto a dati di addestramento, registri dei modelli e storage a oggetti. La SSRF di MLflow presente nel KEV raggiunge i servizi di metadati cloud, la strada classica verso credenziali cloud temporanee. La voce di GPUStack cita esplicitamente l'esposizione dei segreti dei worker e del provider cloud. In entrambi i casi il servizio vulnerabile è una porta verso l'intero account cloud.
Cosa fanno davvero gli attaccanti: gli honeypot di Wiz
La visione più concreta del comportamento degli attaccanti nel 2026 è arrivata da Wiz Threat Research, che per 90 giorni ha gestito honeypot che imitavano servizi AI. La Cloud Security Alliance ha sintetizzato lo studio il 1° settembre 2026. Le esche imitavano LiteLLM, Flowise, LangChain, Langflow, ChromaDB, Ollama, OpenWebUI e Node-RED. Tra le attività riportate:
- Configurazioni MCP malevole. Gli attaccanti hanno inviato configurazioni di server MCP di tipo stdio che avviavano cryptominer camuffati da processi ordinari, pur rispondendo correttamente all'handshake del protocollo.
- Bypass dell'autenticazione di LiteLLM. Bearer token inventati, in alcuni casi la sola lettera
x, sono stati usati contro la falla poi tracciata come CVE-2026-59822 per raggiungere gli strumenti MCP senza una chiave valida. - Prompt injection alla cieca. I payload inviati ai framework per agenti venivano confermati tramite callback DNS fuori banda: gli attaccanti verificano se un agente esegue istruzioni iniettate anche quando non ne vedono l'output.
- Furto di credenziali dalla memoria. Gli attaccanti hanno letto la master key di LiteLLM direttamente dal processo in esecuzione.
La nota registra anche ciò che non si è visto: nel periodo non sono stati osservati attacchi specifici contro Ollama o ChromaDB. Le raccomandazioni sono concrete: aggiornare LiteLLM alla versione 1.83.7 o successiva, verificare che i Bearer token malformati o di un solo carattere vengano rifiutati, tenere gli endpoint MCP stdio lontani dall'accesso pubblico e riservati agli amministratori, ruotare le chiavi dei provider emesse tramite il proxy se non si può escludere un'esposizione, invece di affidarsi solo all'analisi dei log, richiedere l'autenticazione di default, limitare il traffico in uscita e i permessi IAM, e sorvegliare i processi figli anomali nelle directory dei framework AI.
Shadow AI: il progetto pilota su un IP pubblico
La maggior parte dei servizi AI esposti che ci preoccupano non è stata installata dal team di sicurezza. Sono proof of concept: un data scientist avvia Langflow su una VM cloud per una demo, uno sviluppatore mette un proxy LiteLLM davanti a tre provider per confrontare i costi, un team innovazione accende un nodo GPU per un hackathon. Il servizio riceve un IP pubblico perché è il modo più rapido per condividerlo, gira con le impostazioni di default e nessuno lo aggiunge all'inventario degli asset. È lo stesso meccanismo che abbiamo descritto nell'articolo sullo shadow IT, con una differenza: questi pilota di solito contengono API key vere e si collegano a dati veri.
Il Cost of a Data Breach Report 2026 di IBM dà un'idea delle dimensioni. Secondo il comunicato di IBM, oltre il 20% delle organizzazioni ha segnalato una violazione rivolta a modelli o applicazioni AI. Le cause più comuni non erano attacchi sofisticati ai modelli, ma debolezze ordinarie dei sistemi intorno: API, applicazioni o plug-in compromessi (27%) e configurazioni cloud errate che riguardavano i carichi di lavoro AI (27%). Trovi il resto del report nel nostro articolo sul costo di un data breach nel 2026.
La conseguenza pratica: prima di mettere in sicurezza il tuo stack AI ti serve un inventario, e va costruito sia dall'interno sia dall'esterno. Chiedi ai team cosa hanno installato, ma verifica anche cosa risponde davvero sui tuoi range IP e sui tuoi account cloud.
Hardening: cinque controlli che chiudono gran parte del problema
1. Autenticazione ovunque, a partire dai default
Diversi di questi strumenti sono stati distribuiti, in qualche momento, con l'autenticazione opzionale o disattivata nella configurazione di default, oppure con endpoint pubblici che la aggirano. Controlla ogni istanza: login obbligatorio, nessun flow anonimo o pubblico se non lo vuoi davvero, account di default e di demo rimossi, API amministrative separate da quelle utente. Per i gateway, rifiuta i token malformati e assegna a ogni team una chiave con perimetro limitato, invece di condividere la master key.
2. Una rete privata, non un IP pubblico
Uno strumento di orchestrazione o un gateway LLM raramente deve essere raggiungibile da tutta internet. Mettilo dietro una VPN, un proxy di accesso zero trust o almeno una allowlist di IP. Se un'applicazione deve chiamarlo dall'esterno, esponi solo l'API di quell'applicazione tramite un reverse proxy con autenticazione, mai l'interfaccia di amministrazione. Sulle piattaforme cloud, cerca nei security group e nelle regole firewall le porte aperte a 0.0.0.0/0 durante il pilota e mai richiuse.
3. I segreti fuori dall'applicazione
API key dei provider, password dei database e credenziali cloud devono stare in un secrets manager, non in file di ambiente sulla VM o nel database dello strumento. Dai a ogni chiave il perimetro più stretto e il limite di spesa più basso che funzionano, e pianifica la rotazione: se una versione vulnerabile è stata esposta, ruota le chiavi che conteneva anche se i log sembrano puliti. Sugli host cloud, richiedi IMDSv2 o la protezione equivalente del servizio di metadati, che attenua le SSRF come quella di MLflow.
4. Controllo del traffico in uscita e monitoraggio dei processi
Molti degli attacchi visti sopra si concludono con il server che scarica un cryptominer o un payload di secondo livello, o che contatta un dominio dell'attaccante. Limitare il traffico in uscita ai soli provider e servizi necessari interrompe la catena. Monitorare quali processi avvia il servizio AI, con allarmi su shell o binari inattesi nelle sue directory, intercetta ciò che passa comunque.
5. Versioni tracciate rispetto al KEV
Questi progetti rilasciano spesso e vengono sfruttati in fretta. Tieni un inventario di quale versione di ogni strumento gira e dove, iscriviti agli advisory di sicurezza su GitHub dei progetti che usi e tratta una voce KEV sul tuo stack come una priorità da gestire in giornata. Il nostro articolo sulla prioritizzazione delle vulnerabilità con KEV, EPSS e SSVC spiega come inserirlo in un processo più ampio senza affogare negli alert.
Cosa chiede e cosa non chiede l'AI Act dal 2 agosto 2026
Molte aziende si aspettavano che il 2 agosto 2026 fosse la grande scadenza dell'AI Act. L'Omnibus digitale sull'AI ha cambiato il quadro. Secondo le sintesi pubblicate da studi legali come Lewis Silkin e Cuatrecasas, il regolamento di modifica, il Regolamento (UE) 2026/1744, è stato pubblicato in Gazzetta Ufficiale dell'UE il 24 luglio 2026 ed è entrato in vigore il 27 luglio 2026. Le date principali, come descritte in quelle sintesi:
| Obbligo | Si applica dal |
|---|---|
| Obblighi di trasparenza dell'articolo 50, come informare le persone che stanno interagendo con un sistema di AI | 2 agosto 2026 (invariato) |
| Marcatura in formato leggibile dalle macchine dei contenuti generati, per i sistemi immessi sul mercato prima del 2 agosto 2026 | 2 dicembre 2026 |
| Sistemi di AI ad alto rischio autonomi elencati nell'allegato III | 2 dicembre 2027 (rinviato dal 2 agosto 2026) |
| AI ad alto rischio integrata in prodotti regolati dall'allegato I | 2 agosto 2028 |
| Alfabetizzazione in materia di AI (articolo 4) | Attenuata: fornitori e deployer devono adottare misure che la favoriscano, senza un "livello sufficiente" imposto per ogni persona |
Prima di basarti su una singola data, verifica il testo definitivo in Gazzetta Ufficiale: queste sono sintesi, e i tuoi obblighi dipendono dal tuo ruolo di fornitore o deployer e dai sistemi che usi. La nostra guida all'AI Act (PDF) approfondisce ruoli e classi di rischio.
Il punto importante per i team IT e sicurezza è ciò che l'AI Act non fa. Non ti chiede di aggiornare Langflow, chiudere una porta di LiteLLM o ruotare una API key. La sicurezza dell'infrastruttura su cui girano i tuoi strumenti AI è governata dalle regole che già conosci: se rientri nell'ambito della NIS2, le misure di gestione del rischio dell'articolo 21 coprono gestione delle vulnerabilità, controllo degli accessi e sicurezza della supply chain anche per questi sistemi, come per tutti gli altri; e se gli strumenti trattano dati personali, l'articolo 32 del GDPR richiede una sicurezza adeguata al rischio. Una violazione di un gateway AI esposto si notifica e si valuta secondo quei regimi, non secondo l'AI Act. Il rinvio degli obblighi ad alto rischio al 2027 non rinvia nulla su questo fronte.
Checklist: mettere in sicurezza l'infrastruttura AI
- Costruisci l'inventario. Elenca ogni strumento AI in uso (workflow builder, gateway LLM, notebook, registri dei modelli, vector store, cluster GPU, server MCP), chi ne è responsabile, dove gira e in quale versione.
- Verifica l'esposizione esterna. Analizza domini, range IP e account cloud alla ricerca di servizi AI che rispondono da internet, compresi quelli non dichiarati.
- Chiudi l'elenco KEV. Conferma che nessuna istanza di n8n, Langflow, Marimo, LiteLLM, Ray, MLflow o GPUStack giri in una versione colpita dalle voci della tabella.
- Imponi l'autenticazione. Nessun accesso anonimo, nessun flow pubblico di default, interfacce di amministrazione separate, token malformati rifiutati.
- Togli le interfacce di amministrazione da internet. VPN, proxy di accesso o allowlist; nessuna regola 0.0.0.0/0 rimasta dai pilota.
- Sposta i segreti in un vault e ruota quelli esposti. Chiavi dei provider con perimetro stretto e limiti di spesa; rotazione dopo qualsiasi esposizione di una versione vulnerabile.
- Limita il traffico in uscita e proteggi i metadati. Traffico in uscita solo verso i servizi necessari; IMDSv2 o equivalente sugli host cloud.
- Blinda MCP. Endpoint stdio solo per amministratori e mai pubblici; rivedi quali strumenti può chiamare ogni agente.
- Monitora processi e log. Allarmi su shell e binari inattesi avviati dai servizi AI; conserva i log di accesso e dei prompt dove servono per un'indagine.
- Mappa gli obblighi. Registra quali obblighi dell'AI Act ti riguardano dal 2 agosto 2026 e gestisci il rischio infrastrutturale dentro le tue misure di sicurezza NIS2 e GDPR.
Come può aiutarti Orizon
La maggior parte dei servizi AI esposti si trova come la trova un attaccante: dall'esterno. RECON External parte dal tuo nome di dominio e trova ogni sottodominio, porta e servizio che esponi su internet, compresi quelli che non conoscevi. Identifica server, framework e prodotti, riconosce i pannelli di login e di amministrazione dalla favicon anche su porte insolite, associa i prodotti alle CVE note pesandole con CISA KEV ed EPSS, e poi verifica ogni risultato da un server isolato, classificandolo come Provato, Da verificare o Chiuso con le evidenze. Per i carichi di lavoro AI negli account cloud che colleghi tramite connettori in sola lettura, RECON Cloud aggiunge l'AI Security Posture Management: endpoint di inferenza, vector store, registri dei modelli e server MCP aperti senza autenticazione, modelli non attendibili o in formato pickle, strumenti degli agenti con privilegi eccessivi, dati di addestramento sensibili e shadow AI, mappati sull'OWASP Top 10 for LLM Applications e sul NIST AI RMF. Per il metodo completo della scoperta continua, torna alla nostra guida all'EASM.