L’Ascesa del SaaS e il Rischio di Sprawl: La Necessità di Maggiore Controllo e Visibilità

L’espansione delle applicazioni Software as a Service (SaaS) e degli agenti di intelligenza artificiale (AI) sta ampliando la superficie di attacco per le aziende. Ogni nuova applicazione o integrazione introduce identità, ruoli e permessi che possono creare percorsi fidati verso i sistemi aziendali. In questo contesto, i dipendenti autorizzano frequentemente applicazioni OAuth di terze parti, spesso con accessi persistenti e permessi estesi che rimangono attivi più a lungo del necessario. Inoltre, gli agenti AI e i flussi automatizzati vengono integrati in piattaforme critiche come i sistemi di gestione delle relazioni con i clienti (CRM) e gli strumenti di collaborazione.

Le violazioni legate al SaaS sono aumentate del 300% negli ultimi anni e si prevede che il numero di agenti in ambiente enterprise possa superare il miliardo entro il 2028. Questo scenario rende insostenibile un controllo basato esclusivamente su revisioni manuali. La crescente complessità delle integrazioni richiede un approccio più strategico e automatizzato per garantire la sicurezza.

I tool low-code e no-code hanno facilitato la creazione e il deployment di agenti autonomi senza adeguata supervisione. Questi agenti possono ereditare accessi reali a sistemi e dati aziendali, mentre le organizzazioni spesso mancano di metodi coerenti per scoprirli, tracciare i privilegi e applicare regole di contenimento. Un caso concreto mette in evidenza il rischio: una vulnerabilità (CVE-2026-40933) in una piattaforma open source per creare agenti e workflow LLM ha permesso a un attaccante di ottenere l’esecuzione remota di codice compromettendo un server, inducendo un utente autorizzato a importare un chatflow malevolo.

Il percorso di compromissione ha combinato diversi fattori, tra cui l’importazione di workflow condivisi da utenti fidati, permessi che consentivano configurazioni personalizzate e accesso a credenziali, API, database e servizi cloud collegati. Le soluzioni tradizionali faticano a scoprire queste integrazioni, valutare i relativi permessi o osservare l’attività cross-app che consente l’escalation e i movimenti laterali.

Per conciliare innovazione e sicurezza, è necessario disporre di visibilità continua su utenti, applicazioni, grant OAuth e permessi. Questo approccio consente di comprendere il rischio in tempo reale, piuttosto che dopo un incidente. Tecniche come i knowledge graph possono mappare entità (persone, account, token, risorse) e le loro relazioni, rivelando contesti altrimenti non evidenti e permettendo di identificare chi ha accesso, cosa può raggiungere e come è stato ottenuto quell’accesso.

Con una base di questo tipo, il controllo può diventare adattivo. Integrazioni ad alto rischio o comportamenti anomali possono essere automaticamente segnalati o vincolati in base a modelli di accesso e comportamento, mentre le attività affidabili procedono con minore attrito. La protezione efficace del panorama SaaS e AI richiede quindi strumenti che forniscano evidenza su dove servono guardrail, chi ha accesso, cosa può raggiungere e come evolvono queste relazioni nel tempo.