Il Rischio Crescente dello SaaS Sprawl: Necessità di Maggiore Controllo e Visibilità

L’espansione delle applicazioni SaaS (Software as a Service) e degli agenti AI sta ampliando significativamente la superficie di attacco per le 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, che spesso rimangono attivi più a lungo del necessario. Questo scenario è ulteriormente complicato dall’integrazione di agenti AI e flussi automatizzati in piattaforme critiche come CRM e strumenti di gestione dei servizi.

Secondo recenti dati, le violazioni legate al SaaS sono aumentate del 300% negli ultimi anni. Si prevede che il numero di agenti in ambiente enterprise possa superare il miliardo entro il 2028, rendendo insostenibile un controllo basato esclusivamente su revisioni manuali. In questo contesto, è essenziale adottare strategie più efficaci per garantire la sicurezza delle informazioni.

I tool low-code e no-code, che facilitano la creazione e il deployment di agenti autonomi, possono aggravare la situazione. Questi agenti possono ereditare accessi reali a sistemi e dati aziendali, mentre 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 la creazione di agenti e workflow LLM ha permesso a un attaccante di ottenere l’esecuzione remota di codice e compromettere un server, sfruttando l’importazione di un chatflow malevolo da parte di un utente autorizzato.

Le soluzioni tradizionali faticano a scoprire queste integrazioni, valutare i relativi permessi o osservare l’attività cross-app che consente l’escalation e i movimenti laterali. Per conciliare innovazione e sicurezza, è necessario disporre di visibilità continua su utenti, applicazioni, grant OAuth e permessi, in modo da comprendere il rischio in tempo reale e non solo dopo un incidente.

Approcci come i knowledge graph possono mappare entità (persone, account, token, risorse) e le loro relazioni, rivelando contesti altrimenti non evidenti. Questo consente di identificare chi ha accesso, cosa può raggiungere e come è stato ottenuto quell’accesso. 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.

Per proteggere efficacemente il panorama SaaS e AI, è quindi fondamentale implementare strumenti che forniscano evidenza su dove sono necessari guardrail, chi ha accesso, cosa può raggiungere e come evolvono queste relazioni nel tempo.