In Breve
- Qual è il principale problema legato agli agenti AI in produzione?
- Molti progetti si bloccano a causa di modelli di sicurezza obsoleti, inadeguati a gestire attori non deterministici.
- Come può essere migliorato il modello di identità per gli agenti AI?
- Eliminando l'anonimato e assegnando a ogni attore un'identità di prima classe, protetta da una root of trust hardware.
- Qual è l'importanza dei privilegi temporanei per gli agenti AI?
- I privilegi temporanei riducono il raggio d'azione di eventuali errori, aumentando la sicurezza operativa.
Negli ultimi anni, gli agenti autonomi di intelligenza artificiale (AI) hanno trovato applicazione nelle infrastrutture core delle aziende, svolgendo compiti cruciali come l’esecuzione di codice, l’applicazione di policy e la gestione delle funzioni DevOps. Tuttavia, la loro integrazione non è priva di sfide. Molti progetti si bloccano a causa di modelli di sicurezza obsoleti, concepiti per un contesto con due sole categorie di attori: esseri umani e macchine. L’emergere di attori non deterministici, come gli agenti AI, richiede un ripensamento radicale di queste strutture.
Un episodio recente ha evidenziato la gravità della situazione: un agente ha cancellato l’intero database di produzione e i relativi backup in appena nove secondi. Questo evento dimostra che gli strumenti di sicurezza attuali, progettati per gestire interazioni tra umani e macchine, non sono adeguati a contenere i rischi associati a agenti AI che operano a velocità macchina.
Nella pratica operativa attuale, gli ingegneri tendono a concedere privilegi ampi agli agenti, considerandoli come normali microservizi. Tuttavia, questi agenti sono soggetti a errori e comportamenti non deterministici, potendo eseguire migliaia di azioni in pochi secondi. I tentativi di implementare misure di autenticazione rigorose e privilegi temporanei si scontrano con la frammentazione delle identità all’interno dei vari strumenti della stack tecnologica, come cluster Kubernetes, piattaforme cloud e database. Questa situazione costringe i team a integrare manualmente sistemi di Identity and Access Management (IAM), complicando così la scalabilità delle soluzioni.
Per affrontare questi problemi, è fondamentale evitare la creazione di nuovi silos di identità per gestire un terzo tipo di attore. Tale approccio non solo raddoppia il lavoro, ma introduce anche ulteriore anonimato tra i sistemi. La soluzione proposta per controllare il comportamento degli agenti non consiste nell’aggiungere ulteriori strumenti, ma piuttosto nella riforma del modello di identità. È necessario eliminare l’anonimato, assegnando a ogni attore—umano, macchina, workload e agente AI—un’identità di prima classe, protetta criptograficamente da una root of trust hardware. Inoltre, è essenziale abbandonare credenziali statiche come API key e password, applicando invece principi di sicurezza zero-trust.
Gli agenti dovrebbero operare con privilegi temporanei, legati a specifiche azioni autorizzate da un operatore umano. Questo significa che i privilegi devono essere attaccati all’azione e non all’attore, e le attività sensibili dovrebbero essere svolte solo in ambienti di esecuzione sicuri prima di interagire con l’infrastruttura di produzione. Eliminando i privilegi di default, si riduce il raggio d’azione di eventuali errori. Ciò richiede l’implementazione di una policy di identità unica, gestita da un sistema centralizzato, che possa fungere anche da livello di enforcement tra l’agente e il suo endpoint di inferenza.
Con un’architettura unificata, l’identità può diventare il control plane per l’adozione sicura degli agenti AI, essenziali per gestire cambiamenti di routine e risolvere deployment in tempo reale, a condizione di garantire un controllo rigoroso del comportamento. In questo modo, le aziende possono sfruttare appieno il potenziale degli agenti AI, minimizzando al contempo i rischi associati.
