sicurezza OT

Attacchi hacker alle fabbriche, oltre al danno i rischi legali: come tutelarsi


Indirizzo copiato

Nel manifatturiero l’AI rende più credibili le frodi e amplia gli scenari di attacco. Per le imprese la difesa passa anche da log, accessi remoti e dati di processo: conservarli permette di ricostruire gli incidenti e affrontare contenziosi con fornitori e assicurazioni. Importante prevederlo nei contratti coi fornitori e manutentori

Pubblicato il 11 nov 2026

Nicoletta Pisanu

Giornalista professionista, redazione AgendaDigitale.eu



AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
L’impronta digitale che svanisce (1)




Una fabbrica può tornare a produrre dopo un attacco informatico e scoprire di non avere gli elementi per ricostruirlo. Per la direzione aziendale significa affrontare possibili contestazioni sulla qualità, responsabilità dei fornitori e richieste assicurative senza una cronologia affidabile. Il punto decisivo è la disponibilità di dati attendibili, dagli accessi remoti ai parametri degli impianti, per capire cosa sia successo ma anche per valutare responsabilità e conseguenze. Importante sempre, ma in un contesto di guerra ibrida, dove i tentativi di intrusione e compromissione sono ormai quotidiani, è una priorità.

Come mostra il Rapporto Clusit di ottobre 2026, il manifatturiero al primo posto in Italia come target degli attacchi, con il 18,4% degli incidenti gravi noti nel primo semestre, su un campione nazionale di 245 casi. Secondo Mirko Vicenzotto, responsabile delle Investigazioni scientifiche di Axerta, il settore manifatturiero “paga una caratteristica strutturale: impianti progettati per restare in funzione per decenni, nati per produrre e non per difendersi, che oggi sono collegati alle reti aziendali e ai fornitori che li mantengono da remoto. Molti dispositivi OT dialogano ancora con protocolli industriali privi di autenticazione e non possono essere aggiornati senza fermare la produzione”.

Non solo: “Capita inoltre che registrino pochissimi eventi, ed è l’aspetto che dal mio punto di osservazione pesa di più – commenta -: quando un incidente coinvolge l’ambiente OT, chi deve ricostruirlo scopre spesso che manca proprio il dato con cui stabilire che cosa è accaduto, quando e attraverso quale accesso“. Con conseguenze in termini di tempo, efficienza, produttività e costi.

Manifatturiero18,4%
Obiettivi multipli18%
Governo, militari e forze dell’ordine11%
Informatica e telecomunicazioni8,6%
Commercio all’ingrosso e al dettaglio8,6%
Scala 0-20%. Fonte: Clusit, comunicato del 28 ottobre 2026, p. 3. Selezione di categorie; base: 245 incidenti gravi noti in Italia.; periodo: Primo semestre 2026.

Sicurezza OT: il ruolo dell’AI e il problema delle tracce mancanti

Il contesto è complesso. L’intelligenza artificiale potenzia gli attacchi alla sicurezza OT soprattutto accelerando le attività che precedono l’accesso agli impianti. Può aiutare gli aggressori a individuare sistemi esposti, analizzare informazioni sui fornitori e costruire messaggi di phishing più credibili. Voci e video sintetici rendono plausibili richieste fraudolente rivolte a manutentori e responsabili di stabilimento: autorizzare una sessione remota, condividere credenziali o modificare una configurazione diventa il possibile punto d’ingresso nella rete industriale.

L’automazione può ridurre anche il tempo necessario per combinare vulnerabilità diverse. Gli scenari di agentic hacking prospettano software capaci di coordinare più operazioni e adattarle ai risultati, facilitando il passaggio dalla rete informatica aziendale ai sistemi produttivi quando mancano separazione e controlli sugli accessi. Questo sviluppo va distinto dalla capacità, tutt’altro che scontata, di comprendere e manipolare uno specifico processo industriale.

Il rischio riguarda anche l’integrità dei dati. Letture dei sensori, parametri e registri di qualità alterati possono indurre decisioni sbagliate senza provocare un fermo evidente. In questo scenario, l’AI può assistere la preparazione di manipolazioni plausibili, mentre la verifica richiede competenze sul processo fisico. La difesa deve quindi affiancare segmentazione delle reti, autenticazione robusta e verifica delle richieste a monitoraggio, conservazione dei log e confronto con configurazioni affidabili degli impianti.

Vincenzotto spiega di condividere “la lettura del Clusit, che descrive l’AI come un moltiplicatore delle capacità offensive più che come il fattore determinante della crescita degli attacchi. Rende più credibili il phishing e l’ingegneria sociale, accelera la ricognizione dei sistemi esposti e abbassa la competenza necessaria per colpire. Allo stesso tempo aiuta chi difende, perché il traffico industriale è ripetitivo e un sistema di rilevamento delle anomalie può individuare rapidamente una deviazione, a condizione che l’azienda conservi i dati su cui quel sistema lavora”.

Lo scenario: le tre minacce alla security OT

La scarsità di registrazioni pesa ancora di più quando l’attacco altera dati plausibili. Vicenzotto indica tre scenari che coinvolgono autorizzazioni, accessi e integrità dei processi, su cui le imprese dovrebbero prepararsi:

  • l’ingegneria sociale svolta “con voci e volti sintetici, rivolta a chi può autorizzare un accesso o una modifica: il manutentore che riceve una telefonata apparentemente del responsabile di stabilimento, oppure il fornitore a cui si chiede di aprire con urgenza una sessione remota”.
  • I’agentic hacking, cioè “agenti software che coordinano l’attacco, si adattano ai risultati e concatenano più debolezze, riducendo i tempi con cui un’intrusione nella rete aziendale può arrivare fino agli impianti”.
  • la manipolazione dei dati “invece del loro blocco: un ransomware si vede subito, mentre letture di sensori, registri di qualità o parametri di processo alterati in modo plausibile possono restare inosservati a lungo, con conseguenze sulla sicurezza dei lavoratori, sulla qualità del prodotto e, quando si arriva in giudizio, sull’attendibilità stessa della prova”.

Best practice di sicurezza per le fabbrice

Le contromisure devono quindi collegare controlli tecnici e procedure, preparando anche i dati necessari all’indagine. Le indicazioni di Vicenzotto riguardano l’intero percorso, dall’inventario alla conservazione: “Il punto di partenza è sapere che cosa si deve proteggere. Servono un inventario aggiornato degli asset IT e OT, una separazione effettiva tra le due reti e un controllo rigoroso degli accessi remoti di fornitori e manutentori, con credenziali nominative, autenticazione a più fattori e sessioni abilitate solo quando servono e registrate”.

Oltre alla formazione del personale, per creare consapevolezza sui rischi, “contro l’ingegneria sociale potenziata dall’AI la misura più efficace resta procedurale: ogni richiesta urgente di pagamento, di accesso o di modifica a un impianto va verificata attraverso un canale diverso da quello da cui è arrivata, per esempio richiamando un numero già noto – aggiunge l’esperto -. Le operazioni critiche, inoltre, dovrebbero richiedere sempre una doppia autorizzazione. Serve anche una policy sull’uso interno dell’AI generativa, che indichi quali dati non devono mai essere inseriti in strumenti esterni.

Il valore delle prove digitali per la sicurezza OT

Un’ulteriore raccomandazione è quella di “lavorare sulla forensic readiness, cioè predisporre i sistemi e le procedure in maniera tale da essere capaci di dimostrare, dopo un incidente, che cosa è successo. In pratica significa log centralizzati e conservati per un periodo adeguato, orologi di sistemi e impianti sincronizzati su una fonte comune e copie di riferimento delle configurazioni e dei programmi dei PLC con la relativa impronta hash, da confrontare con lo stato rilevato dopo l’incidente”, precisa l’esperto.

Autenticità e cronologia delle prove

Conservare le registrazioni permette poi di confrontarle. La verifica dell’autenticità richiede di ricostruire origine e coerenza temporale, come chiarisce Vicenzotto: “Nessun singolo indicatore è sufficiente, e nessun software di rilevamento dei deepfake può da solo fondare una conclusione in giudizio. Ciò che regge al contraddittorio è la convergenza di fonti indipendenti“.

Il primo passo è “acquisire il dato alla fonte, cioè dal dispositivo, dal server o dal servizio cloud da cui proviene, con impronta hash e catena di custodia documentata secondo la ISO/IEC 27037, perché uno screenshot o un file inoltrato hanno già perso gran parte delle informazioni utili – precisa -. Su video e audio si verificano la struttura del file e i metadati del contenitore, la coerenza con il dispositivo che lo avrebbe generato, le tracce di ricompressione o montaggio e le registrazioni che il sistema operativo conserva al momento della creazione del file”.

Per le chat invece “si confrontano i database dell’applicazione sul dispositivo con quelli dell’interlocutore o con i backup. Per i dati dei sensori si incrociano historian, log dei controllori e sensori ridondanti, verificando anche la coerenza fisica delle grandezze, perché una pressione o una temperatura non variano in modo arbitrario. Quanto alla coerenza temporale, ogni orario va ancorato a un riferimento esterno al dispositivo, come la rete mobile, un server o una sincronizzazione NTP, e confermato da più fonti che non dipendano l’una dall’altra”, aggiunge.

Fornitori remoti, Nis2 e responsabilità contrattuali

Parte delle tracce può trovarsi presso soggetti esterni. Per acquisirle servono accordi con i fornitori e referenti già individuati: una preparazione che Vicenzotto considera decisiva anche nello scenario della guerra ibrida: “In un contesto di guerra ibrida l’attribuzione di un attacco è spesso incerta, e proprio per questo la qualità della prova diventa decisiva: serve per l’autorità giudiziaria, per le contestazioni contrattuali con fornitori e manutentori e per le assicurazioni; la preparazione, però, va fatta prima dell’attacco”.

Nei contratti con fornitori e manutentori remoti, spiega l’esperto, “vanno previsti l’obbligo di conservare i log degli accessi e di consegnarli su richiesta, e l’azienda dovrebbe registrare in autonomia le sessioni remote, senza dipendere soltanto dai sistemi del fornitore. Il piano di risposta agli incidenti deve contenere una fase di preservazione delle evidenze prima del ripristino, compatibilmente con la sicurezza delle persone e degli impianti, che resta sempre prioritaria: reinstallare o riavviare per tornare subito operativi significa spesso cancellare le tracce dell’intrusione”.

Inoltre, è utile “individuare in anticipo il consulente forense e i referenti interni, così da documentare fin dalle prime ore chi interviene, su quali sistemi e con quali operazioni, e coordinare la raccolta delle evidenze con gli obblighi di notifica previsti per i soggetti NIS2”.

Reato di deepfake: il rischio negli usi aziendali dell’AI

La tracciabilità conta anche quando l’impresa ha a che fare con contenuti sintetici. L’articolo 15 del D.Lgs. 160/2026 ha esteso la responsabilità degli enti al delitto dell’articolo 612-quater. Vicenzotto ne illustra gli effetti: “Dal 30 settembre 2026, con il D.Lgs. 160/2026, il reato previsto dall’art. 612-quater del codice penale, introdotto dalla legge 132/2025, rientra tra i reati presupposto della responsabilità amministrativa degli enti prevista dal D.Lgs. 231/2001″.

In concreto, quindi, “un’impresa può essere chiamata a rispondere se un soggetto in posizione apicale o una persona sottoposta alla sua direzione diffonde, nell’interesse o a vantaggio dell’azienda, immagini, video o voci di una persona reale alterati con l’intelligenza artificiale, senza il suo consenso e causandole un danno ingiusto: si pensi a un contenuto promozionale o a una comunicazione che sfrutti la voce o il volto di qualcuno che non ha mai dato il proprio assenso”.

Per le aziende “questo significa aggiornare la mappatura dei rischi e il modello organizzativo, adottare una policy che stabilisca chi può usare strumenti di AI generativa, per quali finalità e con quali autorizzazioni, e rendere tracciabile la produzione dei contenuti. C’è poi il versante opposto, che a mio avviso viene spesso sottovalutato: l’azienda o i suoi manager possono essere le vittime di un deepfake, e poiché il reato è di regola procedibile a querela, servono procedure per acquisire e conservare subito il contenuto in modo forense, prima che venga rimosso o modificato”.

Dalla fabbrica alla comunicazione, la direzione deve assegnare responsabilità precise: chi autorizza le operazioni, chi conserva le tracce e chi le acquisisce durante l’emergenza. Sono decisioni da prendere quando i sistemi funzionano ancora regolarmente.

Partecipa alla community

guest

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

People&Change

Tutti
CARRIERE
AI E LAVORO
COMPETENZE
Produttività e AI
AI IN AZIENDA
SCENARI
FORMAZIONE
CULTURA AZIENDALE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
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 Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
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