Il panorama della sicurezza digitale è stato recentemente scosso da due eventi paralleli: l’amministrazione statunitense ha imposto ad Anthropic il ritiro temporaneo dei suoi modelli di intelligenza artificiale più avanzati, Mythos 5 e Fable 5, sollevando critiche sulla sicurezza nazionale, mentre l’azienda cinese Z.ai ha rilasciato il modello open-weight GLM-5.2. Se il provvedimento governativo contro Anthropic è scaturito dalla scoperta di vulnerabilità nei protocolli di protezione di Fable 5, la comparsa di GLM-5.2 introduce una variabile di rischio incontrollata, poiché quest’ultimo è liberamente scaricabile ed eseguibile senza intermediari, sfidando direttamente la capacità di difesa delle infrastrutture digitali globali.
Sicurezza informatica e intelligenza artificiale: il caso Anthropic e la sfida del modello GLM-5.2
Da parte sua, Anthropic aveva inizialmente adottato un approccio prudente, limitando l’accesso a Mythos 5 a una selezione ristretta di enti per rafforzare le proprie difese digitali, prima che l’intervento federale imponesse una pausa forzata. La situazione si è parzialmente stabilizzata con il via libera alla ripresa del lancio limitato di Mythos 5, ma l’attenzione si è rapidamente spostata verso la proliferazione di sistemi come GLM-5.2, capaci di identificare falle nel software con una precisione paragonabile ai modelli di frontiera occidentali.
Questa nuova configurazione del settore evidenzia come la competizione tecnologica stia accelerando la disponibilità di strumenti avanzati per attori non autorizzati. La tensione tra l’innovazione dei sistemi chiusi, soggetti a regolamentazione, e la diffusione di modelli open-weight, come il GLM-5.2, solleva interrogativi urgenti su come bilanciare lo sviluppo tecnologico con la necessità di prevenire usi impropri che potrebbero compromettere la cybersicurezza nazionale e privata su scala globale.
La diffusione di modelli open-weight e le nuove minacce
A differenza dei sistemi di Anthropic, il modello GLM-5.2 è progettato per essere eseguito su hardware comune, privo di intermediari che possano monitorare o limitare l’operatività degli utenti. Tale assenza di controlli centralizzati eleva considerevolmente il profilo di rischio, poiché l’intera potenza di analisi del modello è posta nelle mani di chiunque decida di scaricarlo. L’efficacia di questo sistema nel campo della programmazione è stata confermata da autorevoli società di sicurezza, che hanno riscontrato prestazioni paragonabili ai modelli di punta americani.
Il fatto che GLM-5.2 possa identificare rapidamente bug e vulnerabilità lo rende uno strumento estremamente pericoloso se impiegato con intenzioni dolose. Il consolidarsi di simili tecnologie al di fuori di qualsiasi perimetro regolatorio rende vana gran parte della protezione offerta dai sistemi monitorati. Senza la possibilità di imporre filtri a livello di fornitore, le aziende di sicurezza si trovano costrette a confrontarsi con una minaccia che non risiede più in un server remoto, ma potenzialmente in ogni terminale connesso.
Esistono inoltre fondati sospetti che la rapidità nello sviluppo di GLM-5.2 derivi da pratiche di distillazione controversa, tramite le quali il modello cinese avrebbe appreso da sistemi preesistenti, quali GPT-5.5 di OpenAI e Opus 4.8 di Anthropic. Questa modalità di addestramento solleva interrogativi etici e strategici, confermando come la competizione tecnologica stia accelerando la disponibilità di strumenti avanzati anche per attori che operano in ambiti digitali meno trasparenti, portando la minaccia di attacchi informatici a livelli di complessità senza precedenti.
L’ascesa dei jailbreak e il rischio di operazioni locali
Le evidenze raccolte confermano che la minaccia è già concreta: forum specializzati, in particolare in lingua russa, ospitano lo scambio di metodi per aggirare le restrizioni, i cosiddetti jailbreak, applicabili proprio al modello GLM-5.2. Questo mercato nero dell’informazione dimostra come la disponibilità di intelligenze artificiali non regolate favorisca la nascita di una cooperazione criminale internazionale, volta a ottimizzare l’uso dell’IA per attività illecite. La velocità di adattamento di questi gruppi criminali supera spesso la capacità delle istituzioni di implementare contromisure efficaci.
Travis Lanham, CTO e fondatore dell’azienda Armadin, ha sottolineato la gravità del problema derivante dall’esecuzione locale di questi modelli. Operando autonomamente sul computer dell’attaccante, l’IA può essere ottimizzata per obiettivi specifici, sottraendosi a ogni forma di visibilità da parte dei fornitori di servizi o dei difensori della rete. Questa invisibilità operativa impedisce l’implementazione di alert tempestivi, poiché non vi è traccia delle interazioni o degli intenti malevoli tra l’utente e il modello durante le fasi di preparazione dell’attacco.
L’indipendenza dai cloud provider trasforma l’intelligenza artificiale in una risorsa tattica che può essere sfruttata in contesti off-line o protetti. L’incapacità dei difensori di monitorare o bloccare l’utilizzo di simili software pone una sfida senza precedenti per la cybersicurezza. Senza un quadro normativo internazionale e una cooperazione tecnologica stringente, il potenziale offensivo delle IA open-weight rischia di superare definitivamente la capacità di protezione delle organizzazioni statali e private, rendendo necessaria una revisione radicale delle strategie di difesa digitale.
Per maggiori informazioni, visita il sito ufficiale della Z.ai.
