Sicurezza · 11 ottobre 2026
CTI Lab afferma che l'intelligenza artificiale può rilevare anomalie prima della fuga di dati finanziari
L'azienda di sicurezza informatica CTI Lab ha dichiarato che la tecnologia di intelligenza artificiale, capace di apprendere i modelli di comunicazione di rete normali, può rilevare comportamenti anomali prima che avvenga la fuga di informazioni personali nel settore finanziario.
Secondo l'analisi di CTI Lab, l'utilizzo della soluzione di rilevamento delle minacce DTI.ai permette di identificare accessi anomali ai servizi o query ripetute sui dati dei clienti. L'azienda ha suddiviso il processo di attacco ai dati finanziari in cinque fasi: l'accesso al servizio di query, la raccolta dei numeri cliente, la query collegata ad altri servizi, l'estrazione massiva di informazioni e la successiva consapevolezza dell'incidente con le relative misure correttive.
La tecnologia di rilevamento basata sull'intelligenza artificiale può essere applicata a quattro di queste fasi, dall'accesso iniziale all'estrazione dei dati. Nello specifico, i tentativi di accesso casuali vengono confrontati con i modelli di comportamento normali per utente, mentre l'inserimento ripetuto di numeri cliente e le query a servizi collegati vengono analizzati tramite i modelli di comunicazione ricevuti per server. Per l'estrazione massiva di informazioni, il sistema monitora il traffico di trasmissione esterno che differisce dalla norma.
Il sistema DTI.ai apprende i comportamenti di comunicazione normali per utenti, server e risorse di rete, rilevando attività che si discostano dai modelli stabiliti senza dipendere solo da regole o firme di attacchi noti. Attualmente, l'azienda applica circa 20 modelli di rilevamento delle minacce in diverse aree, tra cui DNS, VPN, rete e web.
CTI Lab ha spiegato di aver applicato questa tecnologia al sistema di analisi delle minacce informatiche militari, individuando attacchi di aggiramento o varianti non rilevati dai sistemi di sicurezza precedenti. Un esempio riguarda il rilevamento di traffico DNS anomalo che tentava di includere server interni in una botnet proxy comunicando con indirizzi IP esterni malevoli.
Nonostante queste affermazioni, non sono stati presentati risultati empirici che dimostrino come la soluzione abbia bloccato fughe di dati o rilevato attacchi all'interno di sistemi di società finanziarie reali durante incidenti effettivi. Inoltre, non sono stati resi pubblici i numeri specifici relativi ai casi rilevati, al tasso di falsi positivi o ai miglioramenti delle prestazioni rispetto ai sistemi di sicurezza esistenti.