Il modello Zero Trust per gli agenti IA parte dopo l’accesso
Il modello Zero Trust Γ¨ stato introdotto con l’obiettivo di ripensare una vecchia assunzione: trovarsi all’interno della rete equivaleva a essere considerati affidabili. Successivamente, il Cloud, il SaaS e il lavoro da remoto hanno invalidato questo approccio; quindi, la sicurezza si Γ¨ orientata verso l’identitΓ , i controlli dei dispositivi, l’MFA, il principio del privilegio minimo e la verifica continua.
Ma ora, con gli agenti, la parte complicata inizia dopo l’accesso. L’agente legge un prompt, estrae il contesto, sceglie uno strumento, chiama un’API e avvia un flusso di lavoro. L’accesso dice se l’agente Γ¨ βaffidabileβ, non se l’azione successiva ha senso.
Gli agenti ereditano il problema dell’identitΓ delle macchine
I team di sicurezza hanno giΓ avuto modo di assistere a una versione piΓΉ silenziosa di questo problema con le identitΓ delle macchine. Account di servizio, chiavi API, token e certificati vengono creati per un progetto, dotati di accesso e mantenuti attivi anche molto tempo dopo l’esecuzione delle modifiche al progetto stesso.
Si tratta di un problema piΓΉ che noto: privilegi permanenti, proprietΓ obsoleta e log che vengono aperti solo dopo che qualcosa va storto.
Gli agenti complicano l’annoso problema con il loro giudizio. In genere, un account di servizio segue il codice: un agente interpreta un obiettivo, legge il contesto in tempo reale, sceglie uno strumento e decide come proseguire.
La sicurezza ora deve coprire ogni sistema che l’agente puΓ² raggiungere e qualsiasi azione stia per intraprendere.
L’autonomia determina il livello di controllo necessario
La nota di Gartner di maggio 2026 si rivela particolarmente utile, poichΓ© marca una netta distinzione tra due elementi che spesso vengono confusi: il grado di autonomia e il livello di accesso di cui dispone un agente.
La combinazione Γ¨ importante. Un agente che riassume documenti necessita di accesso in lettura limitato e log puliti; allo stesso tempo, un agente che aggiorna record, scrive codice o modifica flussi di lavoro necessita di passaggi di approvazione, barriere di protezione piΓΉ solide, monitoraggio, proprietΓ e un percorso di rollback.
La scala dell’autonomia di Gartner Γ¨ un buon punto di partenza: osservare, consigliare, agire previa approvazione, operare autonomamente. Ogni passaggio dovrebbe comportare un maggiore controllo, perchΓ© l’agente si avvicina progressivamente a un’azione legata al business.
Questo Γ¨ il passaggio verso la Zero Trust per gli agenti. L’identitΓ rivela chi agisce. Il contesto in cui agisce indica se l’azione si adatta alla situazione.
La decisione sulla policy richiede dei dettagli che la sicurezza solitamente perde dopo l’accesso: quali dati sono coinvolti, quale strumento viene interrogato, quale istruzione ha generato la richiesta e qual Γ¨ il successivo sistema interessato.
Cosa dovrebbero fare ora i team di sicurezza
Partire da un semplice inventario. Elencare gli agenti giΓ in uso, dove vengono eseguiti, su e con cosa operano e chi li possiede.
Raggruppare gli agenti in base alla loro ubicazione: agenti di codifica sugli endpoint, agenti gestiti all’interno di piattaforme SaaS, agenti personalizzati creati da team interni e agenti personali o di terze parti connessi tramite OAuth.
Classificare l’autonomia. L’agente osserva, consiglia, agisce previa approvazione o opera di propria iniziativa? Collegare questo aspetto all’accesso ai dati, agli strumenti, alle operazioni consentite, al proprietario e all’approvatore.
Avvalersi del livello di autonomia come primo limite di controllo, come suggerito di seguito:
Limitare i privilegi in base all’operazione. assegnare a ciascuna operazione un trattamento specifico in termini di policy e leggere un record ed eliminarlo comportano conseguenze assai diverse l’azienda.
Inserisci guardrail nel percorso di runtime e tratta i prompt e i contenuti recuperati come input non attendibili. Controlla le risposte prima che i dati sensibili vengano divulgati e convalida i parametri delle chiamate agli strumenti prima dell’esecuzione. Richiedi l’approvazione umana per operazioni ad alto impatto come l’eliminazione di record, movimenti finanziari, comunicazioni di massa o chiamate API esterne.
Rendi utile l’audit trail. Hai bisogno di prompt, risposte, chiamate agli strumenti, dati toccati e decisioni sulle policy per comprendere il risultato. Se l’agente agisce in modo imprevedibile, la sicurezza ha bisogno di prove sufficienti per interdire l’azione successiva e offrire una descrizione esaustiva dell’episodio.
L’architettura deve vedere l’azione
La sicurezza ha bisogno di un posto per ispezionare il prompt, la risposta, la chiamata agli strumenti, il trasferimento dei dati e il passaggio del flusso di lavoro mentre il lavoro viene eseguito.
Cato βAI Security for Agentsβ si adatta esattamente a questo punto del flusso. Scopre l’attivitΓ dell’agente, gestendo l’utilizzo degli strumenti e dei flussi di dati e mantenendo una visibilitΓ pronta per l’audit su strumenti, API, dati e flussi di lavoro.
Il valore risiede nel contesto attorno all’azione. Quando il comportamento dell’agente si affianca allβutente, lβapplicazione, la rete, il SaaS e la telemetria della sicurezza, l’indagine comincia con le prove. Quale agente Γ¨ stato eseguito. Chi possiede l’agente. Quali dati sono stati trasferiti. Quale strumento Γ¨ stato chiamato.
Per i leader, ciΓ² si traduce in una governance piΓΉ trasparente tra utenti, applicazioni e agenti. Per i team di sicurezza, significa che il modello Zero Trust puΓ² seguire l’agente nel lavoro anzichΓ© svanire dopo l’accesso.
Si parte da un flusso di lavoro
Si sceglie un flusso di lavoro dell’agente che Γ¨ giΓ in uso o prossimo alla messa in produzione. Si mappa l’identitΓ , il livello di autonomia, l’accesso ai dati, gli strumenti, le azioni consentite, i punti di approvazione, i log e il percorso di rollback.
Ecco cosa serve per individuare le lacune; allo stesso tempo, se non riesci a vedere ciΓ² che Γ¨ in corso nΓ© ad approvarlo, arrestarlo o descriverlo, allora il controllo Γ¨ ancora troppo distante.
Il modello Zero Trust per gli agenti AI inizia dopo l’accesso perchΓ© soltanto dopo quella fase viene presa la decisione piΓΉ importante: questa azione deve essere eseguita a queste condizioni e proprio ora?
Scopri come Cato puΓ² aiutarti a applicare controlli Zero Trust alle azioni, agli strumenti e ai dati utilizzati dagli agenti IA.
LβUE AI Act Γ¨ entrato in vigore. Il tuo ambiente IA Γ¨ pronto?
