SaaS Sprawl: Rischi Crescenti e la Necessità di Controllo sulle Integrazioni
In Breve
- Qual è l'impatto dell'espansione delle applicazioni SaaS?
- L'espansione delle applicazioni SaaS aumenta la superficie di attacco delle aziende.
- Cosa sono i tool low-code/no-code?
- I tool low-code/no-code facilitano la creazione di agenti autonomi senza adeguata supervisione.
- Come si può migliorare la sicurezza nelle integrazioni SaaS?
- È necessaria una visibilità continua su utenti, applicazioni e permessi per gestire i rischi in tempo reale.
L’espansione delle applicazioni SaaS (Software as a Service) e degli agenti AI sta ampliando la superficie di attacco delle aziende. Ogni nuova applicazione o integrazione introduce identità, ruoli e permessi che possono creare percorsi fidati verso i sistemi aziendali. È comune che i dipendenti autorizzino applicazioni OAuth di terze parti con accessi persistenti e permessi estesi, spesso mantenuti attivi più a lungo del necessario. Inoltre, gli agenti AI e i flussi automatizzati vengono integrati in piattaforme critiche come CRM e strumenti di gestione dei servizi, aumentando il rischio di violazioni.
Le violazioni legate al SaaS sono aumentate del 300%, e si prevede che gli agenti in ambiente enterprise possano superare il miliardo entro il 2028. Questo rende insostenibile un controllo basato esclusivamente su revisioni manuali. I tool low-code/no-code, che facilitano la creazione e il deployment di agenti autonomi, possono ereditare accessi reali a sistemi e dati aziendali. Tuttavia, molte organizzazioni mancano di metodi coerenti per scoprirli, tracciare i privilegi e applicare regole di contenimento.
Un caso concreto evidenzia 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 esecuzione remota di codice, compromettendo un server. Questo attacco ha sfruttato 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 e a valutare i relativi permessi. Per conciliare innovazione e sicurezza, è necessario disporre di visibilità continua su utenti, applicazioni, grant OAuth e permessi, al fine di comprendere il rischio in tempo reale e non dopo l’incidente. Approcci come i knowledge graph possono mappare entità (persone, account, token, risorse) e le loro relazioni, rivelando contesti altrimenti non evidenti.
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.
