Google sospende il bug bounty OSS per le segnalazioni generate dall'AI; arrivano i crediti di Anthropic
Il 1° ottobre Google ha congelato le segnalazioni di vulnerabilità di prodotto al suo Open Source Software Vulnerability Reward Program, citando un afflusso di rapporti non validi generati dall'AI.

Il 1° ottobre 2026 Google ha congelato le segnalazioni di vulnerabilità di prodotto al suo Open Source Software Vulnerability Reward Program (OSS VRP), secondo quanto riporta Tom's Hardware. L'azienda ha dichiarato che un afflusso di rapporti non validi prodotti dall'AI ha reso insostenibile il triage, bloccando le nuove segnalazioni fino al primo trimestre del 2027. Le segnalazioni sulla supply chain restano aperte, mentre quelle sui difetti del codice sono sospese. La mossa mette in luce una tensione crescente nelle infrastrutture di sicurezza open source, dove il rilevamento automatico supera la capacità di verifica manuale.
La sospensione è stata annunciata con un post ufficiale su X.
Google ha invitato i partecipanti a esplorare altri programmi VRP durante la pausa. Si è impegnata a fornire un aggiornamento entro il primo trimestre del 2027, mentre ristruttura il programma. La decisione riguarda solo le vulnerabilità di prodotto inviate dopo la data del congelamento. I rapporti precedenti saranno comunque esaminati. Non è la prima volta che il rumore generato dall'AI disturba i flussi di lavoro della sicurezza: problemi simili avevano costretto Linux a chiudere il supporto per i vecchi driver di rete a causa di segnalazioni di bug falsi.
L'ondata di falsi positivi
I modelli di AI individuano vulnerabilità teoriche con una velocità crescente. Spesso mancano del contesto necessario a distinguere difetti sfruttabili da schemi di codice innocui. Il 3 ottobre The Register ha riferito che Mythos, il modello di ricerca bug di Anthropic, è molto efficace sulle vulnerabilità legate alla matematica. Eppure il puro volume delle scoperte dell'AI travolge i manutentori open source. La tensione è evidente: l'AI trova i bug più in fretta di quanto gli umani riescano a correggerli, ma genera anche falsi allarmi che erodono la fiducia nel processo.
Questa dinamica non riguarda solo Google. A ottobre 2025, a San Diego, una relazione di Caleb Gross all'Offensive AI Con ha mostrato come gli LLM possano scalare la ricerca di vulnerabilità usando algoritmi di ranking listwise. I suoi strumenti open source, Slice e Raink, danno priorità ai bersagli per ridurre il lavoro manuale. Slice ha riprodotto la scoperta di un use-after-free nel server SMB del kernel Linux con un costo di circa 3 dollari per esecuzione. Raink classifica circa 2.700 repository GitHub per far emergere gli elementi rilevanti per la sicurezza. Questi strumenti mostrano il potenziale di efficienza, ma illustrano anche il problema del volume: quando ogni repository è un bersaglio potenziale, il rapporto segnale-rumore cala senza un triage rigoroso.
Il contributo di Anthropic e le difficoltà di verifica
Mentre Google sospende, altri soggetti usano attivamente l'AI per trovare e divulgare vulnerabilità. Un repository GitHub che tiene traccia delle CVE attribuite al team di ricerca di Anthropic elenca diversi problemi di gravità alta divulgati il 2 ottobre 2026. Tra questi figurano CVE-2026-103604 e CVE-2026-103603 nella libreria bc-csharp di Legion of the Bouncy Castle, entrambi valutati 8.7 sulla scala CVSS. Il repository elenca anche CVE-2026-66858 in Apache Thrift, attribuito a Claude (Anthropic Research) e Ada Logics. Il volume di queste divulgazioni è in aumento, ma la verifica resta un collo di bottiglia. I manutentori spesso non hanno le risorse per validare ogni segnalazione generata dall'AI, e questo ritarda le patch per i difetti reali.
Il 3 ottobre The Guardian ha riferito che David Robinson, ex responsabile della sicurezza di OpenAI, ha lasciato l'azienda avvertendo che la sua cultura era "rotta". Ha sostenuto che le imprese di AI non stanno "prestando quasi abbastanza attenzione" al ritmo dello sviluppo. Il suo focus era sulla cultura della sicurezza, ma il problema di fondo vale anche per la sicurezza informatica: un rilascio rapido senza supervisione adeguata crea rischi sistemici. Nel contesto open source questo significa che le scoperte guidate dall'AI arrivano più in fretta di quanto l'ecosistema riesca ad assorbirle. Il risultato è un ambiente frammentato, in cui alcune vulnerabilità vengono affrontate subito e altre restano ferme nelle code di triage.
Vulnerabilità di infrastruttura e di architettura
Oltre al rumore generato dall'AI, l'infrastruttura open source affronta rischi architetturali tradizionali. Il 4 ottobre 2026 una issue su GitHub ha rivelato che Xray-core, un diffuso software proxy, ha nascosto per sei mesi una vulnerabilità di bypass della verifica dei certificati. La issue descriveva come l'opzione pinnedPeerCertSha256, introdotta a gennaio 2026, contenesse un difetto che consentiva attacchi man-in-the-middle. I manutentori avevano sostituito un'opzione precedente con questa nuova, rimuovendo di fatto uno strato di sicurezza senza un avviso adeguato. Il caso mostra come le modifiche manuali al codice in infrastrutture critiche possano introdurre vulnerabilità sottili che restano finché non le scoprono ricercatori indipendenti.
Sempre il 30 settembre 2026 gli sviluppatori di OpenBSD hanno rifiutato un port di uutils, la reimplementazione di coreutils, citando problemi di licenza e compatibilità. Theo de Raadt, fondatore del progetto, ha sostenuto che introdurre binari "sottilmente diversi" avrebbe rotto le pipeline esistenti e violato la coesione del sistema. La decisione riflette una tensione più ampia nell'open source: la voglia di adottare nuovi strumenti contro la necessità di stabilità e coerenza. In ambienti critici per la sicurezza, come quelli che girano su OpenBSD, anche differenze minime di comportamento possono avere conseguenze significative.
La strada da seguire
La situazione attuale richiede un equilibrio tra l'uso dell'AI per l'efficienza e la supervisione umana per la verifica. La pausa di Google è una risposta pragmatica a un flusso di lavoro insostenibile, ma segnala anche il bisogno di standard migliori nelle segnalazioni di vulnerabilità generate dall'AI. Strumenti come Slice e Raink offrono metodi promettenti per dare priorità, ma vanno abbinati a processi di triage rigorosi. La comunità deve anche affrontare la causa profonda: lo scarto tra le capacità di rilevamento dell'AI e la capacità umana di rimediare. Senza questo equilibrio, la sicurezza open source continuerà a fare i conti con l'ondata di falsi positivi e con la lentezza nella correzione dei difetti reali.
Fonti
9- 01Google freezes open-source bug bounty program amid flood of invalid AI slopEN
- 02Tracking vulnerabilities that credit the Anthropic research teamEN
- 03O(N) the Money: Scaling Vulnerability Research with LLMs (2025)EN
- 04OpenAI safety leader quits, warning AI company's culture is 'broken'EN
- 05Xray-core concealed a certificate verification bypass vulnerabilityEN
- 06OpenBSD Developers Reject uutils Coreutils Port Over Licensing and Compatibility ConcernsEN
- 07PhotoSuite Is an Open Source Photoshop-Like Editor with Native PSD SupportEN
- 08UberDDR4: The Open-Source DDR4 ControllerEN
- 09Kyber open source remote streaming solution architectureEN
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.