Disclamier
Questo articolo è destinato esclusivamente a scopi educativi e di sensibilizzazione sulla cybersicurezza. NG Security analizza le minacce informatiche basate sull'AI per aiutare le organizzazioni a comprendere come l'AI venga sfruttata dagli attaccanti per automatizzare, potenziare e ampliare la portata dei cyberattacchi.
Le informazioni fornite hanno lo scopo di aumentare la consapevolezza sulle minacce emergenti abilitate dall'AI, rafforzare la comprensione della sicurezza all'interno delle organizzazioni e promuovere strategie di difesa informatica proattive.
AI: Da Strumento ad arma cibernetica autonoma
Immagina di guidare un'auto su un'autostrada trafficata.
Le tue mani sono sul volante.
I tuoi occhi osservano costantemente la strada.
Ogni curva, ogni frenata, ogni decisione: sei tu a controllare tutto.
Ora passa alla guida autonoma.
Inserisci la destinazione... e l'auto prende il controllo.
Legge la strada, regola la velocità, evita gli ostacoli e reagisce più rapidamente di quanto potresti fare tu.
All'inizio sembra impressionante.
Poi diventa comodo.
E alla fine... smetti di prestare attenzione.
Ora immagina qualcosa di ancora più inquietante.
E se l' AI non fosse stata progettata per proteggere, ma per dare la caccia?
Trova le vulnerabilità, prevede le mosse e colpisce nel momento perfetto.
Nessuna esitazione. Nessuna stanchezza.
Solo una precisione incessante.
È esattamente ciò che sta accadendo nel campo della cybersecurity.
Gli attacchi informatici non sono più controllati interamente passo dopo passo da attaccanti umani. Al contrario, si affidano a sistemi intelligenti che operano in modo autonomo.
Questi sistemi non si limitano a seguire istruzioni: osservano, analizzano, decidono e agiscono in tempo reale.
In parole semplici, gli attacchi informatici stanno entrando in modalità autopilota.
- Gli attaccanti definiscono il bersaglio... l'AI guida l'attacco.
L'AI analizza gli ambienti, identifica le vulnerabilità e si adatta istantaneamente senza richiedere un intervento umano costante.
Questo segna un cambiamento cruciale:
L'AI non si limita più ad assistere gli attacchi: li sta guidando attivamente.
La weaponization dell'intelligenza artificiale
Non molto tempo fa, in ambito Cybersecurity, l'Intelligenza Artificiale era solo uno strumento.
Operava dietro le quinte, aiutando i team a rilevare le minacce, analizzare i modelli e rispondere più velocemente. Rendeva i difensori più forti, più intelligenti e più efficienti.
Ma qualcosa è cambiato.
La stessa tecnologia creata per proteggere i sistemi viene ora utilizzata per violarli.
Gli attaccanti hanno portato l'AI fuori dallo strato di difesa e l'hanno integrata direttamente negli attacchi informatici, trasformandola in un'arma.
Ciò che un tempo richiedeva impegno manuale, tempo e attaccanti esperti ora viene gestito da sistemi intelligenti e automatizzati in grado di operare su larga scala.
Grazie all'AI, gli attacchi non sono più lenti o prevedibili.
Ora possono:
• scoprire vulnerabilità in pochi secondi
• generare payload di attacco adattivi e in continua evoluzione
• lanciare attacchi di ingegneria sociale altamente personalizzati
• adattare istantaneamente le strategie in base alle risposte
Questo è il vero cambiamento.
Gli attacchi informatici non vengono più semplicemente eseguiti,
ma sono progettati per pensare, adattarsi ed evolversi.
- L'AI non sta cambiando il cybercrimine: lo sta potenziando.
AI come moltiplicatore di forza per gli attaccanti informatici
L’Intelligenza Artificiale non sostituisce gli attaccanti - li amplifica.
Dove un singolo attaccante era un tempo limitato a pochi obiettivi, l’AI oggi consente:
• migliaia di percorsi di attacco simultanei
• processi decisionali in tempo reale
• ottimizzazione continua delle strategie di attacco
Strumenti ispirati a sistemi come ChatGPT mostrano quanto facilmente, linguaggio, ragionamento e automazione possano essere combinati - capacità che possono anche essere riutilizzate per scopi malevoli.
Il risultato: gli attaccanti non sono più gli operatori - l’AI stessa è diventata l’arma.
All'interno di un attacco guidato dall'AI: come si svolge davvero
I tradizionali attacchi informatici si basavano su operatori umani che controllavano manualmente ogni fase dell’attacco.
Gli attacchi guidati dall’AI funzionano in modo diverso.
Una volta avviato, l’attacco può osservare, analizzare, decidere e adattarsi autonomamente - operando più come un sistema intelligente che come uno strumento di hacking tradizionale.
Invece di seguire uno script fisso, l’attacco evolve continuamente attraverso un ciclo di:
Questo trasforma gli attacchi informatici da operazioni manuali in sistemi di attacco autonomi e in continua ottimizzazione.
Fase 1: Ricognizione intelligente
L’attacco inizia in modo silenzioso.
Utilizzando motori OSINT, crawler automatizzati, modelli NLP e fonti di dati pubbliche, l’AI inizia a raccogliere informazioni sull’ambiente del bersaglio, tra cui:
• attività dei dipendenti
• asset esposti
• portali di accesso (login)
• API e servizi cloud
• credenziali trapelate
• struttura organizzativa
Ma l’AI non si limita a raccogliere informazioni - le correla.
Analizzando le relazioni tra sistemi, utenti, tecnologie e pattern di accesso, costruisce una mappa d’attacco dettagliata progettata per identificare il punto di ingresso più vulnerabile.
Gli attacchi guidati dall’AI non colpiscono sempre direttamente le organizzazioni.
Analizzano anche fornitori terzi, piattaforme cloud, servizi SaaS e sistemi aziendali connessi per individuare punti di ingresso più deboli.
Negli ambienti interconnessi, un partner esterno vulnerabile può diventare il percorso più semplice verso il bersaglio principale.
A differenza delle scansioni tradizionali, questo processo è mirato, adattivo e spesso difficile da rilevare.
Prima ancora che l’attacco inizi, l’AI comprende già come funziona l’ambiente.
Fase 2: Ingegneria sociale potenziata dall'AI
Una volta selezionato il bersaglio, l’AI passa dalla ricognizione all’inganno.
Utilizzando Large Language Models (LLM), gli attaccanti generano email di phishing altamente convincenti che imitano:
• lo stile di comunicazione dei dirigenti
• la terminologia interna
• il contesto aziendale reale
• il tono aziendale affidabile
A differenza dei tentativi di phishing tradizionali, questi messaggi risultano legittimi, personalizzati e scritti in modo professionale.
Attacchi reali hanno già utilizzato email di phishing generate dall’AI e tecnologie di clonazione vocale per imitare dirigenti e manipolare i dipendenti, inducendoli ad approvare transazioni fraudolente o a condividere informazioni sensibili.
In scenari più avanzati, la clonazione vocale generata dall’AI e la tecnologia dei deepfake possono persino imitare manager o dirigenti per aggirare le verifiche basate sulla fiducia. Di seguito un esempio di Template usato da NG Security durante una simulazione di Phishing
Fase 3: Esecuzione adattiva del payload
Dopo l’interazione, il payload malevolo viene consegnato.
Ma il malware moderno guidato dall’AI non è più statico.
I payload avanzati possono:
• modificare parti del proprio codice
• eludere il rilevamento basato sulle firme
• rilevare ambienti sandbox o virtualizzati
• rimanere inattivi durante l’analisi
Gli attaccanti utilizzano sempre più spesso l’AI per generare varianti di malware, automatizzare la modifica dei payload e migliorare le tecniche di evasione contro gli strumenti di sicurezza tradizionali.
Alcuni malware possono persino analizzare il proprio ambiente prima di attivarsi completamente, riuscendo così a rimanere nascosti all’interno dei sistemi aziendali.
-Il malware non si limita a eseguire: studia l’ambiente prima di agire.
Fase 4: Movimento laterale autonomo
Una volta all’interno della rete, l’AI inizia a navigare l’ambiente in modo strategico.
Utilizzando analisi comportamentale, mappatura basata su grafi e analisi dei privilegi, il sistema identifica:
• account con privilegi elevati
• sistemi sensibili
• relazioni di fiducia interne
• percorsi ottimali di movimento
Invece di muoversi in modo casuale, l’AI calcola il percorso più efficiente all’interno dell’ambiente.
Se un percorso viene bloccato, l’attacco si adatta automaticamente e cerca percorsi di accesso alternativi.
L’attacco si comporta meno come un malware tradizionale e più come un sistema intelligente che opera all’interno della rete.
Fase 5: Esfiltrazione adattiva dei dati e persistenza
L’obiettivo finale è mantenere l’accesso ed estrarre informazioni sensibili senza attivare i sistemi di rilevamento.
Invece di generare picchi di traffico evidenti, l’AI integra l’attività malevola nelle operazioni legittime:
• trasferendo i dati lentamente
• operando durante l’orario lavorativo
• imitando il comportamento normale degli utenti
• utilizzando canali crittografati affidabili
Alcuni attacchi moderni esfiltrano lentamente i dati rubati durante i periodi di picco dell’attività aziendale, in modo che il traffico malevolo sembri una normale comunicazione crittografata.
Altri attacchi eliminano le tracce dell’attività rimuovendo i log, modificando i pattern operativi o nascondendo i meccanismi di persistenza dopo l’esecuzione.
Analizzando continuamente le risposte del sistema, l’attacco adatta il proprio comportamento in tempo reale per rimanere non rilevato il più a lungo possibile.
Dalla ricognizione all'esfiltrazione dei dati, l'AI apprende, si adatta e ottimizza continuamente ogni fase del ciclo di vita dell'attacco.
Oltre la violazione: il vero impatto degli attacchi guidati dall'AI
Gli attacchi basati sull’AI non si limitano ad “hackerare i sistemi” -
impattano silenziosamente le reali operazioni aziendali prima che qualcuno se ne accorga.
1. Accesso non autorizzato tramite utenti fidati
Gli attacchi guidati dall’AI spesso ottengono l’ingresso attraverso interazioni apparentemente legittime.
I dipendenti concedono inconsapevolmente l’accesso tramite email, approvazioni o login.
Nessuna violazione forzata - solo accesso fidato usato in modo malevolo.
2. Perdite finanziarie e frodi
Le comunicazioni generate dall’AI possono attivare:
• pagamenti fraudolenti
• transazioni non autorizzate
• approvazioni manipolate
Poiché tutto appare reale, le perdite avvengono prima che sorgano sospetti.
3. Esposizione silenziosa dei dati
Invece di un furto immediato, gli attaccanti si muovono lentamente e in modo strategico.
Esplorano i sistemi, accedono a dati sensibili e li estraggono nel tempo.
La perdita di dati avviene senza segnali chiari di intrusione.
4. Interruzione operativa senza visibilità
I sistemi non si bloccano - continuano a funzionare in uno stato compromesso.
• i processi vengono manipolati
• i flussi di dati vengono alterati
• le decisioni si basano su input corrotti
L’azienda continua a operare - ma in modo non accurato.
5. Presenza prolungata non rilevata
L’AI permette agli attaccanti di mimetizzarsi nell’attività normale e rimanere nascosti.
Più a lungo restano all’interno, maggiore è l’impatto e il danno.
6. Danno alla fiducia e alla reputazione
Poiché gli attacchi imitano comunicazioni reali:
• i dipendenti si fidano di richieste malevole
• clienti e partner perdono fiducia
La violazione sembra un errore interno, non un attacco esterno.
7. Impatto normativo e legale
La rilevazione ritardata aumenta:
• sanzioni regolatorie
• violazioni di conformità
• esposizione legale
Ciò che inizia come un incidente informatico diventa una responsabilità legale e finanziaria.
Esempi concreti di attacchi informatici basati sull’AI
Gli attacchi informatici guidati dall’intelligenza artificiale non sono più concetti teorici. Negli ultimi anni, gli aggressori hanno iniziato a utilizzare l’IA per migliorare l’inganno, scalare le tecniche di social engineering e aumentare il tasso di successo di frodi finanziarie e campagne di phishing. Invece di sostituire gli attaccanti, l’IA sta diventando uno strumento potente che rafforza i metodi di attacco esistenti.
Esempio 1: Frode finanziaria tramite deepfake – Caso Arup (2024)
Nel 2024, un importante caso di frode finanziaria ha preso di mira un dipendente dell’ufficio di Hong Kong della società Arup utilizzando la tecnologia deepfake.
Il dipendente è stato invitato a quella che sembrava una legittima videoconferenza con dirigenti senior, incluso il direttore finanziario (CFO). Durante la chiamata, i “dirigenti” hanno istruito il dipendente a eseguire una serie di trasferimenti finanziari riservati.
Tutto appariva estremamente credibile: le voci, le espressioni facciali e lo stile comunicativo corrispondevano perfettamente a quelli reali della dirigenza interna.
In realtà, l’intera riunione era un attacco di impersonificazione basato su deepfake, realizzato tramite audio e video generati dall’IA.
Fidandosi delle istruzioni ricevute, il dipendente ha trasferito circa HK$200 milioni (circa 25 milioni di dollari USA) verso conti controllati dagli aggressori.
La frode è stata scoperta solo dopo il completamento delle transazioni.
Punto chiave: gli aggressori non hanno violato i sistemi informatici, ma hanno sfruttato la fiducia umana attraverso l’impersonificazione digitale generata dall’IA.
Esempio 2: Phishing avanzato e Business Email Compromise (BEC) basato su IA
I ricercatori di sicurezza hanno osservato una crescente diffusione di attacchi di phishing e di Business Email Compromise (BEC) in cui l’IA generativa viene utilizzata per migliorare la qualità dei messaggi e il livello di targeting.
In questi attacchi, l’IA viene utilizzata per:
- Scrivere email di phishing altamente convincenti
- Riprodurre il tono e lo stile comunicativo aziendale
- Eliminare errori grammaticali e incoerenze
- Personalizzare i messaggi utilizzando informazioni pubblicamente disponibili
A differenza delle email di phishing tradizionali, che spesso contengono errori evidenti o formulazioni sospette, i messaggi generati dall’IA appaiono professionali, coerenti e contestualmente credibili.
Questo rende molto più difficile per i dipendenti identificarli come malevoli, soprattutto nei reparti finanziari, delle risorse umane e nelle comunicazioni dirigenziali. Punto chiave: l’IA sta rendendo gli attacchi di phishing più realistici, scalabili e difficili da rilevare.
Esempio 3: Attacchi di social engineering basati sulla clonazione vocale
In diversi casi di frode segnalati in varie regioni, gli aggressori hanno utilizzato la sintesi vocale basata su IA per condurre truffe telefoniche.
Utilizzando brevi campioni audio provenienti da social media, interviste o registrazioni pubbliche, gli attaccanti creano versioni sintetiche di voci reali appartenenti a:
- Dirigenti aziendali
- Membri della famiglia
- Contatti fidati
Queste voci clonate vengono poi utilizzate in telefonate urgenti che richiedono:
- Trasferimenti di denaro immediati
- Condivisione di informazioni riservate
- Bypass delle procedure di sicurezza
Le vittime spesso reagiscono rapidamente a causa della pressione emotiva e dell’apparente autenticità della voce.
Punto chiave: la clonazione vocale tramite IA sta trasformando le tradizionali truffe telefoniche in attacchi di impersonificazione altamente credibili.
Sviluppo di malware assistito dall’IA
La ricerca in ambito cybersecurity ha dimostrato che i sistemi di IA generativa possono assistere gli aggressori in alcune fasi dello sviluppo di malware quando utilizzati in modo improprio.
In esperimenti controllati, l’IA è stata in grado di aiutare a:
- Generare logiche di scripting di base
- Modificare e riscrivere frammenti di codice
- Analizzare il comportamento del malware
- Suggerire tecniche semplici di offuscamento
Tuttavia, l’IA da sola non è in grado di creare autonomamente campagne malware avanzate. L’intervento umano rimane necessario per la pianificazione, il targeting e l’esecuzione.
La principale preoccupazione non è l’automazione completa, ma l’aumento della velocità e dell’efficienza nello sviluppo.
Punto chiave: l’IA agisce come un moltiplicatore di forza, accelerando lo sviluppo e l’evoluzione del malware.
Il vero rischio degli attacchi informatici guidati dall’AI
La sicurezza tradizionale è stata progettata per minacce prevedibili - gli attacchi basati sull’AI non lo sono.
La maggior parte dei sistemi si basa su regole, firme e modelli passati, mentre gli attacchi AI creano nuovi schemi in tempo reale.
- Non ripetono il comportamento, ma lo modificano continuamente.
Il problema della velocità
I team di sicurezza e gli strumenti seguono un processo:
rilevamento → analisi → risposta
Gli attacchi AI seguono un modello diverso:
osservazione → decisione → azione → adattamento
- Nel momento in cui un allarme viene analizzato…
- l’attacco ha già cambiato comportamento ed è già andato avanti.
Il punto debole umano
La sicurezza tradizionale si concentra su:
reti, endpoint, sistemi
Gli attacchi AI si concentrano sulle persone.
Utilizzano comunicazioni personalizzate e affidabili che sembrano reali.
- Quindi, invece di forzare l’ingresso…
vengono invitati all’interno.
Il problema della visibilità
Gli strumenti di sicurezza cercano:
attività anomale, pattern malevoli conosciuti
Ma gli attacchi AI:
• si comportano come utenti normali
• operano all’interno di pattern attesi
• utilizzano strumenti legittimi
- Dal punto di vista del sistema, nulla sembra anomalo.
4. Il divario di apprendimento
Le difese tradizionali reagiscono dopo gli attacchi.
Gli attacchi AI imparano durante l’attacco - e si adattano istantaneamente.
- Mentre i difensori cercano di recuperare…
l’AI sta già migliorando.
Il vero pericolo
Non si tratta solo di un divario -
è il punto in cui gli attacchi basati sull’AI iniziano a prevalere.
Il cambiamento che non possiamo ignorare
Ciò che un tempo era manuale e prevedibile…
oggi è automatizzato, adattivo e in continua evoluzione.
- Gli attacchi tradizionali stanno rallentando.
- Gli attacchi guidati dall’AI stanno accelerando rapidamente.
Non si tratta solo di una crescita -
è un cambAImento completo nel modo in cui operano gli attacchi informatici.
Come NG Security si difende dagli attacchi informatici guidati dall’AI
Gli attacchi basati sull’AI non aspettano.
Non ripetono schemi.
E non si fermano quando vengono bloccati.
Per questo motivo, difendersi da essi non può dipendere da regole statiche o risposte ritardate.
- Richiede un modello di sicurezza che si muova alla stessa velocità, pensi in modo altrettanto dinamico, e si adatti continuamente come l’attacco stesso.
È qui che NG Security cambia approccio: dal reagire alle minacce… all’interromperle mentre sono in corso.
Il comportamento prima degli allarmi
Invece di aspettare gli allarmi, NG Security, attraverso il suo SOC, analizza il comportamento - piccoli cambiamenti come orari di accesso insoliti, pattern di accesso anomali o attività apparentemente normali ma che non tornano del tutto.
Perché gli attacchi AI spesso sembrano normali, non malevoli.
L’identità come nuovo perimetro
Gli attacchi moderni non violano i sistemi - effettuano il login.
NG Security monitora continuamente sessioni utente, comportamenti di accesso e utilizzo dei privilegi, per garantire che anche i login validi vengano costantemente verificati.
Difesa dell’AI contro l’AI
Per contrastare minacce adattive, NG Security utilizza analisi intelligenti per elaborare enormi volumi di attività in tempo reale, individuare pattern nascosti e rilevare le minacce prima che vengano completamente eseguite.
La difesa evolve alla stessa velocità dell’attacco.
Interrompere l’attacco sul nascere
Gli attacchi AI seguono una catena: ricognizione, accesso, movimento, esecuzione.
NG Security si concentra sull’interruzione di questa catena nelle fasi iniziali, bloccando attività sospette prima che si diffondano nel sistema.
Risposta alla velocità della macchina
Quando emergono le minacce, la velocità è fondamentale.
NG Security consente isolamento istantaneo, contenimento e azioni di risposta in tempo reale per ridurre al minimo i danni.
Protezione del fattore umano
Poiché molti attacchi si basano sull’inganno, NG Security rafforza anche la consapevolezza degli utenti, aiutando i team a riconoscere phishing e tentativi di impersonificazione generati dall’AI.
NG Security non si limita a difendersi dagli attacchi -
bensì li rileva, li interrompe, e li supera prima che abbiano successo.
La crescente realtà delle minacce guidate dall’AI
Gli attacchi basati sull’AI stanno rapidamente evolvendo da incidenti isolati a una realtà crescente della cybersecurity.
Le organizzazioni stanno già osservando:
• attacchi di phishing generati dall’AI sempre più convincenti
• tentativi di impersonificazione basati su deepfake
• adattamento più rapido del malware
• attacchi più intelligenti focalizzati sul furto di credenziali
Con il continuo avanzamento dell’AI, gli attaccanti acquisiscono la capacità di automatizzare, scalare e migliorare gli attacchi più velocemente di quanto le difese tradizionali possano rispondere.
- La vera preoccupazione non è più se l’AI cambierà gli attacchi informatici - ma quanto rapidamente gli attaccanti supereranno le organizzazioni che non riescono ad adattarsi.
Come le Organizzazioni Devono Evolversi per Affrontare gli Attacchi AI
I modelli di sicurezza tradizionali sono stati progettati per affrontare minacce prevedibili.
Gli attacchi guidati dall’intelligenza artificiale operano in modo diverso: si adattano, si evolvono e prendono decisioni in tempo reale.
Per difendersi non bastano nuovi strumenti. Serve un cambiamento nel modo in cui le organizzazioni gestiscono fiducia, accesso, rilevamento e risposta.
Dall’accesso singolo → alla verifica continua
La sicurezza non può più fermarsi al momento del login. Le organizzazioni devono verificare continuamente il comportamento degli utenti, il contesto dei dispositivi e le attività di accesso durante l’intera sessione. La fiducia deve essere dinamica, non permanente.
Dalla fiducia perimetrale → allo Zero Trust
Gli attacchi moderni utilizzano sempre più spesso credenziali legittime e percorsi autorizzati. Le decisioni di sicurezza non devono dipendere esclusivamente dalla posizione nella rete o dall’autenticazione iniziale. Ogni richiesta, identità e interazione deve essere rivalutata costantemente.
Dai sistemi → alle identità
Gli attaccanti non prendono più di mira solo l’infrastruttura, ma soprattutto le identità digitali. La protezione deve concentrarsi su chi accede alle risorse, come si comporta e se le sue azioni rimangono coerenti nel tempo.
Dalle firme → al comportamento
Gli attacchi basati sull’IA modificano continuamente schemi e tecniche per eludere i controlli tradizionali. Le organizzazioni devono andare oltre il rilevamento basato su indicatori noti e identificare anomalie comportamentali prima che generino impatti reali.
Dall’errore umano → alla protezione della fiducia
L’intelligenza artificiale rende phishing, impersonificazione e social engineering sempre più credibili. Le persone non devono essere considerate il punto debole, ma una componente attiva della difesa attraverso consapevolezza e verifica continua.
Dalla difesa manuale → alla protezione con IA
Una risposta esclusivamente umana non può operare alla velocità delle minacce moderne. I team di sicurezza devono integrare rilevamento intelligente, automazione e risposta rapida per ridurre il tempo di esposizione.
Dalla risposta tardiva → all’interruzione anticipata
Intervenire dopo la compromissione non è più sufficiente. Le organizzazioni devono individuare e interrompere le minacce nelle fasi iniziali: ricognizione, abuso delle credenziali e accesso iniziale.
Dai tempi lenti → alla risposta immediata
Anche ritardi minimi possono permettere agli attacchi di espandersi rapidamente. Le operazioni di sicurezza devono puntare su isolamento, contenimento e mitigazione in tempo reale.
Dalla formazione → alla simulazione continua
La preparazione non deve limitarsi alla formazione teorica. Le organizzazioni devono testare regolarmente persone, processi e capacità di risposta attraverso simulazioni di phishing, esercitazioni operative e attività di red teaming.
Le organizzazioni che adottano tempestivamente questo cambiamento non risponderanno soltanto più velocemente agli attacchi, ma ridurranno le opportunità di successo prima ancora che le minacce possano concretizzarsi.
Conclusione
Gli attacchi informatici basati sull’AI non irrompono con rumore: si insinuano silenziosamente, si adattano all’istante e si mimetizzano così bene che tutto sembra normale… finché non lo è più. In questa nuova era, il rischio più grande non sono gli attacchi evidenti, ma quelli che sembrano completamente legittimi.
Ecco perché la cybersecurity non consiste più nel reagire alle minacce, ma nell’individuare il cambiamento invisibile prima che si verifichi il danno.
NG Security si colloca in questo spazio, leggendo continuamente i modelli nascosti, interrompendo precocemente il flusso dell’attacco e rispondendo alla velocità delle minacce moderne.
Perché oggi la vera domanda non è: “C’è stato un attacco?”
Ma: “Per quanto tempo era già in corso prima che qualcuno se ne accorgesse?”
