sicurezza

Da Creeper all’AI: la corsa infinita tra malware e antivirus


Indirizzo copiato

Da Creeper e Reaper ai ransomware e al machine learning, malware e antivirus si sono sviluppati in una corsa continua tra attacco e difesa. Reti, posta elettronica e cybercrime hanno accelerato le minacce, mentre firme, analisi euristica, cloud e intelligenza artificiale hanno trasformato gli strumenti di protezione

Pubblicato il 21 ott 2026

Tom Vazdar

Professore di Cybersecurity, OPIT – Open Institute of Technology



AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
ChatGPT Image 14 ott 2026, 10_20_06




La storia della cybersecurity può essere letta come una lunga dinamica di adattamento reciproco. Da una parte, malware sempre più capaci di sfruttare le possibilità offerte dall’evoluzione dei sistemi informatici; dall’altra, strumenti di difesa costretti a cambiare continuamente per riconoscere minacce nuove e più sofisticate. Non si tratta di due percorsi separati: ogni innovazione offensiva mette sotto pressione le difese esistenti e ogni miglioramento della protezione spinge gli attaccanti a cercare nuove tecniche per aggirarla.

Comprendere questa relazione significa andare oltre l’idea dell’antivirus come semplice software chiamato a bloccare un programma malevolo. La sicurezza informatica contemporanea è il risultato di una corsa evolutiva iniziata molto prima dell’Internet di massa e destinata a proseguire finché continueranno a cambiare tecnologie, reti e modalità di utilizzo dei sistemi digitali.

Alle origini dell’evoluzione di malware e antivirus

Le radici del malware precedono l’esistenza stessa dei virus informatici. Già negli anni Quaranta, gli studi di John von Neumann sugli automi e sulla riproduzione automatica mostrarono teoricamente la possibilità per una macchina di generare copie di se stessa. Non esisteva ancora una minaccia informatica nel significato contemporaneo del termine, ma era stato individuato un principio fondamentale: la capacità di un programma di replicarsi.

Il passaggio dalla teoria alla pratica arriva nel 1971 con Creeper, un programma sviluppato da Bob Thomas e capace di spostarsi tra le macchine collegate su ARPANET; sarà una versione successiva, realizzata da Ray Tomlinson, a renderlo autoreplicante. Creeper non era progettato per distruggere dati o sottrarre informazioni, ma dimostrava che un software poteva spostarsi autonomamente tra sistemi collegati in rete.

La risposta arrivò quasi immediatamente con Reaper, sviluppato da Ray Tomlinson per individuare Creeper ed eliminarlo. In questa sequenza è già contenuta la logica che caratterizzerà i decenni successivi: una nuova capacità di propagazione produce la necessità di una capacità di rilevamento e contrasto. Nasce così la dinamica di co-evoluzione tra attacco e difesa.

Personal computer e reti cambiano malware e antivirus

Negli anni Ottanta la diffusione dei personal computer cambia lo scenario. Aumentano macchine, utenti e scambi di dati, mentre i floppy disk diventano un efficace vettore di propagazione. Il codice malevolo può così raggiungere con maggiore facilità ambienti domestici e aziendali.

Nuove famiglie di malware e il Morris Worm

Emergono diverse categorie che anticipano molte logiche del malware contemporaneo: i boot sector virus infettano il settore di avvio dei dischi; i file infector si legano agli eseguibili; più avanti, già negli anni Novanta, i macrovirus sfrutteranno applicazioni diffuse come Microsoft Word; i trojan horse si presentano invece come software legittimi per indurre l’utente ad avviarli. Persistenza, propagazione e mascheramento diventano caratteristiche ricorrenti.

Uno spartiacque arriva nel 1988 con il Morris Worm, capace di diffondersi su larga scala attraverso Internet e infettare migliaia di computer. Un difetto nel codice contribuì a trasformare l’esperimento in un evento dalle conseguenze molto più ampie del previsto. Il caso mostrò chiaramente una caratteristica destinata a diventare centrale nella cybersecurity: una rete interconnessa può amplificare rapidamente gli effetti di un problema locale.

Come gli antivirus inseguono l’evoluzione del malware

Tra la fine degli anni Ottanta e l’inizio dei Novanta prende forma l’industria antivirus commerciale. Il paradigma dominante è inizialmente quello della signature-based detection: i file vengono confrontati con firme associate a minacce già conosciute. È un approccio efficace quando il malware è stato precedentemente identificato e catalogato, ma presenta un limite strutturale di fronte a minacce nuove o modificate.

Internet e posta elettronica accelerano gli attacchi

Negli anni Novanta, inoltre, Internet e la posta elettronica cambiano radicalmente la velocità di distribuzione degli attacchi. Non è più necessario spostare fisicamente un supporto tra computer: allegati, link e rubriche permettono al malware di raggiungere utenti in tutto il mondo in tempi molto rapidi.

Casi come Melissa nel 1999 e ILOVEYOU nel 2000 mostrano quanto possa essere efficace combinare propagazione automatica e comportamento degli utenti. CIH/Chernobyl dimostra invece che il malware può compromettere informazioni critiche e arrivare a rendere l’hardware inutilizzabile sovrascrivendone il firmware. La minaccia non è più soltanto un fastidio tecnico: assume progressivamente le caratteristiche di un rischio sistemico.

La risposta difensiva deve quindi evolvere. Alla rilevazione tramite firme si affianca in misura crescente l’analisi euristica, che cerca indizi di attività sospette anche senza una corrispondenza con malware già catalogati, e il real-time scanning, che monitora continuamente le attività del sistema. È un cambiamento concettuale importante: l’antivirus non cerca più soltanto di riconoscere una minaccia nota, ma prova a interpretare il comportamento del software.

Malware e antivirus nell’era del cybercrime

Negli anni Duemila la complessità aumenta ulteriormente. Spyware e adware introducono minacce legate alla raccolta di informazioni e alla privacy, spesso nascoste all’interno di programmi apparentemente innocui. I rootkit spingono ancora più avanti la capacità di occultamento, operando a livelli profondi del sistema per nascondere il malware e mantenere un accesso persistente.

Dal malware dimostrativo al profitto

Ma il cambiamento più significativo riguarda le motivazioni. La stagione del malware come esperimento, dimostrazione tecnica o provocazione lascia progressivamente spazio a un cybercrime orientato al profitto. Ransomware, banking trojan e botnet trasformano il malware in uno strumento economico: i dati vengono cifrati per ottenere un riscatto, le credenziali finanziarie vengono sottratte e i computer compromessi possono essere aggregati in reti utilizzabili per attacchi su vasta scala.

Il movente economico rende la minaccia più organizzata, persistente e professionalizzata. Se esiste un incentivo stabile a sviluppare nuovi strumenti offensivi, anche la difesa deve trasformarsi in un processo continuo, capace di aggiornarsi con una velocità comparabile a quella degli attaccanti.

L’antivirus contemporaneo tra cloud e machine learning

L’antivirus contemporaneo è quindi molto diverso dai primi strumenti basati esclusivamente sulle firme. La protezione integra servizi cloud, intelligence in tempo reale, aggiornamenti automatici, analisi comportamentale e tecniche di machine learning per contribuire a classificare rapidamente minacce sconosciute. L’obiettivo non è soltanto costruire un catalogo sempre più ampio di malware, ma riconoscere comportamenti anomali, correlare segnali differenti e reagire mentre l’attacco è ancora in corso.

Fileless malware e intelligenza artificiale

Anche questo stadio non rappresenta però un punto di arrivo. Il fileless malware, progettato per ridurre le tracce lasciate sul disco, e gli attacchi potenziati dall’intelligenza artificiale indicano come ogni evoluzione tecnologica possa produrre contemporaneamente nuove possibilità di difesa e nuovi strumenti offensivi.

La co-evoluzione di malware e antivirus richiede resilienza

È proprio qui che la storia di malware e antivirus offre la sua lezione più attuale. La cybersecurity non può essere interpretata come una condizione definitiva nella quale, una volta installata la tecnologia corretta, il problema è risolto. Attaccanti e difensori partecipano a una corsa evolutiva nella quale cambiano continuamente strumenti, vettori e capacità.

La prevenzione rimane fondamentale, ma la storia dimostra quanto sia difficile immaginare una difesa capace di anticipare ogni possibile minaccia. Una strategia di cybersecurity deve quindi includere anche la capacità di osservare ciò che accade, adattarsi rapidamente e reagire quando le protezioni preventive vengono superate.

Dalla prevenzione alla resilienza

È in questa prospettiva che la resilienza diventa centrale. Vigilanza, ricerca e aggiornamento costante non sono attività accessorie, ma componenti strutturali della sicurezza. L’obiettivo non può essere soltanto impedire qualsiasi incidente, ma costruire sistemi e capacità difensive in grado di confrontarsi con un ambiente che cambia continuamente.

Guardare alle origini del malware, quindi, non significa semplicemente ricostruire una successione di virus, worm e antivirus. Significa comprendere il meccanismo che continua a governare il presente: ogni espansione dell’ecosistema digitale crea nuove possibilità e, insieme, nuove vulnerabilità. La sicurezza non è un prodotto statico, ma un processo continuo di adattamento.

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
Produttività e AI
AI IN AZIENDA
AI E LAVORO
SCENARI
FORMAZIONE
CULTURA AZIENDALE
COMPETENZE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership

Articoli correlati

0
Lascia un commento, la tua opinione conta.x