Apple limita l'accesso completo al disco per fermare gli agenti AI che leggono i messaggi
Il 3 ottobre Apple ha annunciato modifiche ai permessi di Accesso completo al disco di macOS per impedire alle app di terze parti, agenti AI compresi, di leggere dati sensibili come messaggi e cronologia di navigazione senza il consenso esplicito dell'utente.

Apple ha stretto le maglie della sicurezza su macOS. L'azienda ha citato i rischi legati ad agenti AI sempre più autonomi.
Il 3 ottobre la società ha dichiarato che gli sviluppatori usavano male i privilegi di Accesso completo al disco (FDA). L'abuso esponeva dati degli utenti: file, posta, messaggi e cronologia di navigazione. L'aggiornamento arriva dopo una disputa pubblica che ha coinvolto l'agente Muse di Meta. Secondo alcune ricostruzioni, l'agente avrebbe letto i messaggi degli utenti. La vicenda ha subito acceso i riflettori sui permessi degli agenti e sulla portata dell'accesso al sistema locale.
Il problema dei permessi
Ars Technica ha riferito che l'annuncio è arrivato due settimane dopo la denuncia del columnist tecnologico Jason Aten. Aten ha raccontato di aver ricevuto dall'agente Muse di Meta una notifica non richiesta. Il messaggio faceva riferimento a un thread privato. Aten ha sostenuto di non aver concesso a Muse i permessi necessari per leggere i suoi messaggi. L'episodio ha mostrato la distanza tra ciò che l'utente intende autorizzare e ciò che il sistema riesce a fare.
Il CTO di Meta David Singleton ha risposto alla polemica. Ha sostenuto che Muse aveva bisogno di due privilegi distinti per accedere ad Apple Messages: l'FDA a livello di sistema e un connettore Messages attivo. Singleton ha insistito sul fatto che l'integrazione era strettamente facoltativa. L'esperto di sicurezza macOS Patrick Wardle ha però contestato questa lettura. Wardle ha osservato che l'FDA rende leggibile qualsiasi file non root, comprese chat e cookie. La dichiarazione di Apple ora contraddice l'idea che l'FDA da sola non basti per un simile accesso. L'azienda ha sottolineato che le nuove impostazioni faranno capire agli utenti i rischi prima di concedere permessi così ampi. Questo cambio di racconto pesa sull'intero ecosistema degli strumenti AI per desktop.
Infrastruttura per il controllo
Man mano che gli agenti acquistano autonomia, il settore costruisce strumenti per monitorarne il comportamento. Il 3 ottobre lo sviluppatorefred ha rilasciato agent-blackbox. Lo strumento funziona come una scatola nera a prova di manomissione per gli agenti di programmazione come Claude Code. Scrive ogni prompt e ogni chiamata agli strumenti in un registro concatenato tramite hash. Le voci sono firmate con chiavi Ed25519 per impedire manomissioni. Lo strumento include anche un motore di policy. Questo motore blocca la "trifecta letale" formata da dati privati, contenuti non fidati e chiamate in uscita. Vincoli così specifici stanno diventando la norma nello sviluppo degli agenti.
eunomia-bpf ha rilasciato AgentSight più o meno nello stesso periodo. È uno strumento di profilazione a livello di sistema basato su eBPF. L'utilità osserva gli agenti a livello di kernel. Traccia modifiche ai file, attività di rete e uso delle risorse. Non richiede SDK né integrazioni del fornitore. Questo permette agli sviluppatori di controllare il movimento dei dati in tempo reale. Possono individuare effetti sensibili per la sicurezza senza toccare la logica centrale dell'agente. L'approccio offre una vista trasparente su ciò che l'agente fa davvero sul sistema host.
Governance ed economia
Oltre alla sicurezza, la gestione delle azioni degli agenti negli ambienti aziendali si sposta verso una governance formale. Anuclei sostiene che gli agenti hanno bisogno di un "System of Record" e non solo di dashboard. Il suo approccio, Multisynapse, registra ogni chiamata agli strumenti e ogni decisione di policy. Così approvazioni e modifiche dei permessi restano verificabili. È decisivo quando gli agenti iniziano a compiere azioni come pagare fatture o aprire ticket. In questi casi la responsabilità viene prima di tutto. Senza una traccia di controllo chiara, le aziende non possono verificare chi ha autorizzato una specifica azione.
Le implicazioni economiche di questo passaggio sono rilevanti. Epoch AI stima che i chip AI spediti fino al 2027 potrebbero sostenere da 30 a 170 milioni di agenti frontier concorrenti. Se anche solo il 20% di questa capacità venisse utilizzata, si tradurrebbe in una spesa annua equivalente alle API tra 2,6 e 5,3 trilioni di dollari. La domanda potenziale supera i ricavi attuali degli sviluppatori. Suggerisce che un enorme ridimensionamento dell'infrastruttura per agenti è imminente. Il divario tra ricavi attuali e domanda prevista mostra la portata dell'ampliamento infrastrutturale in arrivo.
Applicazioni pratiche
Gli agenti stanno già risolvendo problemi operativi complessi. Ambi Robotics ha riferito il 3 ottobre che il suo Agentic Robotics harness ha risolto un problema di posizionamento dei pacchi in 10 ore. Gli ingegneri ci avrebbero messo settimane a risolverlo a mano. La soluzione si basa sulla ricerca Graph-as-Policy. Ora è distribuita sul 30% della flotta statunitense dell'azienda. Questo mostra come gli agenti possano ottimizzare processi fisici analizzando dati e testando comportamenti in simulazione. La velocità di distribuzione è un vantaggio chiave rispetto ai metodi ingegneristici tradizionali.
Per gli sviluppatori, l'attenzione si sposta dalla capacità grezza all'integrazione affidabile. AWS ha introdotto un portale Consent per Amazon Bedrock AgentCore. Permette agli utenti di concedere il consenso OAuth per servizi come GitHub e Slack in un ambiente gestito. Semplifica il processo di binding della sessione. I token vengono associati in modo sicuro all'utente corretto. Intanto emergono strumenti come Leashterm, linguaggi di programmazione specializzati per gli agenti. Hanno permessi integrati e retry limitati per garantire un'esecuzione prevedibile. Questi strumenti riducono il rischio di azioni indesiderate durante attività di lunga durata.
L'ecosistema si allontana dai modelli "set and forget". Adotta un quadro fatto di controlli rigorosi, permessi e responsabilità economica. Mentre Apple chiude l'accesso locale e le aziende costruiscono livelli di governance, la prossima fase degli agenti AI sarà definita da quanto in modo sicuro e affidabile sapranno operare dentro i confini esistenti di business e sicurezza. L'attenzione non è più solo su cosa gli agenti possono fare, ma su come vengono vincolati e verificati.
Fonti
10- 01Apple changes full-disk access permissions to curb abuse from AI agentsEN
- 02Agent-blackbox – a tamper-evident flight recorder for Claude CodeEN
- 03AgentSight: System-wide AI agent profiling and monitoring with eBPFEN
- 04AI Agents Need a System of Record, Not Just a DashboardEN
- 05How many AI agents could run on the AI chips shipped through 2027?EN
- 06Agentic Robotics Solves an Industrial Production ProblemEN
- 07Manage end-user OAuth consent for AI agents with Amazon Bedrock AgentCoreEN
- 08Leashterm – a new programming language for agentsEN
- 09What Kubernetes' "monolith" lesson means for AI agent harnessesEN
- 10Can You SEO Your Way into an AI Agent's Recommendation?EN
Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.
I contenuti sono stati preparati dalla redazione con il supporto dell'IA.
Commenti
0- Nessun commento — sii il primo.