In questo articolo4
Ascolta
Voce del browser e privacy
Parte solo quando premi Ascolta. Alcune voci possono usare un servizio online. La nuova velocità può applicarsi dal passaggio successivo. Il testo non viene tradotto.
Cos'è CAIRN
Cisco Talos ha presentato CAIRN (Cognitive Artifact Intelligence Research Network), un toolkit open source progettato per la caccia, la classificazione e il monitoraggio del malware che integra l'intelligenza artificiale. L'annuncio è stato pubblicato il 22 settembre 2026 sul blog ufficiale di Talos.
L'approccio si basa sull'analisi dei cosiddetti "artefatti cognitivi": stringhe e metadati lasciati dagli sviluppatori di malware quando integrano modelli di IA, come template di prompt, endpoint di provider, chiavi API e termini di jailbreak. CAIRN estrae e correla questi elementi senza mai scaricare o eseguire il binario analizzato.
Come funziona l'analisi
CAIRN opera interamente sui metadati, combinando rilevamento basato su regole, clustering semantico e analisi dei grafi di relazione. Il sistema utilizza fino a 24 filtri di acquisizione per individuare campioni sospetti, cercando indicatori come endpoint di provider LLM (api.openai.com, api.anthropic.com, api.deepseek.com), import di framework AI (langchain, litellm, openai), stringhe di evasione dell'analisi AI e runtime di inferenza locale (ollama, llama.cpp, vllm).
I campioni raccolti vengono classificati tramite una ontologia a tre livelli: il Tier 1 identifica la presenza di artefatti AI primitivi, il Tier 2 aggiunge il contesto comportamentale e il Tier 3 attribuisce i campioni a famiglie operative note. Le regole YARA vengono rieseguite offline sull'intero corpus dopo ogni modifica, consentendo di attribuire retroattivamente campioni già acquisiti a nuove famiglie identificate.
Le prime osservazioni di Talos
Le prime campagne di caccia condotte con CAIRN hanno preso di mira lo sviluppo attivo di malware dal luglio 2025, quando sono stati segnalati i primi campioni con AI integrata (LAMEHUG, CERT-UA). Talos ha osservato una rapida evoluzione verso l'autonomia: in un solo anno si è passati da modelli LLM come funzionalità opzionale a orchestratori multi-modello completamente autonomi senza operatore umano.
È stata inoltre documentata la diffusione di tecniche specifiche di evasione dell'analisi AI: una tecnica che incorpora testo di soppressione naturale indirizzato ai sandbox LLM è stata fatta risalire a un istruttore di red team e poi ritrovata in campioni indipendenti entro 12 mesi dal primo utilizzo confermato, passando da script interpretati a malware compilato.
Limiti e prospettive
Talos avverte che i risultati di Tier 1 e Tier 2 senza una reale integrazione AI sono comuni: i bundle PyInstaller espongono l'intero ambiente virtuale dello sviluppatore come stringhe visibili a YARA, e le app basate su Tauri o alcune strutture PE in Go accumulano firme di rilevamento per sola somiglianza strutturale. Gli analisti devono quindi aspettarsi un rumore di fondo elevato.
Il toolkit è un progetto di ricerca, non un segnale di minaccia attiva puro. Talos sottolinea che i verdetti finali richiedono sempre la validazione tramite reverse engineering e che l'approccio dovrà evolvere dall'enfasi sulla presenza di stringhe AI verso lo scopo dell'integrazione, man mano che l'IA diventa pervasiva nel software legittimo.
