Anthropic lancia OSS Scanner: bug open source senza triage umano

🛡️ Executive Summary

• Anthropic offre scansioni periodiche gratuite ai progetti selezionati e invia i finding prodotti dai modelli direttamente ai maintainer.
• Il canale rapido elimina revisione e triage umano: i report possono includere riproduttori e patch candidate, ma anche severità errate o duplicati.
• Oltre 29.000 finding candidati mostrano che il nuovo collo di bottiglia non è soltanto scoprire i bug, ma validarli, priorizzarli e correggerli.

Anthropic trasforma la ricerca automatizzata delle vulnerabilità in un servizio gratuito per i maintainer, ma elimina uno dei passaggi più costosi della disclosure: il triage umano. OSS Scanner analizza periodicamente i repository aderenti con i modelli più capaci dell’azienda, genera riproduttori, spiegazioni e patch candidate e invia i report direttamente ai responsabili del progetto. La scelta nasce da un collo di bottiglia concreto: i modelli avevano prodotto oltre 29.000 vulnerabilità candidate, mentre Anthropic era riuscita a revisionarne manualmente circa 6.000. Dopo il salto di Claude Mythos nella scoperta automatizzata dei bug, il limite non è più soltanto trovare i problemi, ma riuscire a verificarli e correggerli abbastanza velocemente.

Anthropic elimina il revisore umano dal canale rapido

Nel rapporto tecnico ufficiale sul lancio di OSS Scanner, Anthropic descrive un servizio opt-in ispirato a Google OSS-Fuzz e destinato ai progetti con un impatto rilevante su infrastrutture e sicurezza degli utenti. Le scansioni sono periodiche e gratuite, ma la differenza rispetto al processo tradizionale è radicale: l’output del modello viene consegnato senza revisione o triage umano. Ogni segnalazione può includere un reproducer autonomo, la spiegazione della debolezza, l’individuazione del commit che l’ha introdotta quando possibile e una patch candidata. Il vantaggio è la velocità; il costo è trasferire al maintainer la responsabilità di stabilire se il bug esista davvero, quale sia la severità effettiva e se la correzione proposta sia sicura. Anthropic continuerà infatti a usare la disclosure coordinata con verifica umana per i progetti che non hanno risorse sufficienti a gestire flussi grezzi di segnalazioni.

Leggi anche: Claude Mythos scopre bug macOS e costruisce un exploit sul kernel M5

Ventinovemila finding mostrano che il collo di bottiglia è diventato umano

Negli ultimi sei mesi Anthropic afferma di avere identificato oltre 29.000 vulnerabilità candidate nel software libero, ma di essere riuscita a revisionarne manualmente circa 6.000. Quasi 5.000 report non verificati sono già stati consegnati direttamente a maintainer che avevano chiesto di ricevere tutto il materiale disponibile. È il segnale più importante dell’esperimento: l’AI non sta soltanto aumentando la produttività del ricercatore, sta producendo finding più rapidamente di quanto la filiera tradizionale di triage, coordinamento e patching riesca ad assorbirli. Su CyberGym, benchmark accademico citato dall’azienda, i modelli sono passati da meno del 20% delle vulnerabilità individuate all’inizio del 2025 a oltre l’85% nel 2026. Il precedente di Claude sui bug macOS aveva già mostrato il salto di capacità; OSS Scanner prova ora a trasformarlo in un processo industriale ricorrente.

Il falso positivo non sparisce perché il report contiene un exploit

Anthropic ha fatto controllare a penetration tester esperti 97 finding classificati come critici o alti, distribuiti su 48 progetti. Ottantacinque hanno superato la soglia del processo CVD dell’azienda; degli altri dodici, undici erano problemi reali ma duplicati di vulnerabilità già note o di altri finding della stessa scansione, mentre uno solo era invalido. Il dato è incoraggiante, ma non elimina il problema operativo. Alcuni maintainer hanno segnalato severità gonfiate o una comprensione incompleta del threat model del progetto. Un proof of concept rende più semplice verificare un bug, ma non certifica automaticamente il rischio in produzione e una patch generata deve comunque essere revisionata. La distinzione diventa ancora più importante dopo i test cyber nei quali Claude raggiunse sistemi reali per un errore di contenimento: capacità offensiva elevata e affidabilità del processo non sono la stessa cosa.

OSS Scanner non è Claude Security e seleziona i progetti che possono reggere il flusso

Anthropic separa il servizio dalla propria offerta commerciale Claude Security. Quest’ultima porta la scansione e il patching del codice nel ciclo di sviluppo aziendale; OSS Scanner copre invece i costi per progetti aperti selezionati e può utilizzare harness più sperimentali e dispendiosi. L’accesso non è però universale: i maintainer devono aderire esplicitamente e Anthropic applica criteri simili a OSS-Fuzz, privilegiando software esposto ad attacchi remoti o utilizzato da molti altri progetti. La selezione evita di presentare il servizio come un antivirus automatico per qualunque repository. Il requisito nascosto è capacità operativa, non soltanto qualità del codice: ricevere più finding significa avere persone in grado di riprodurli, contestualizzarli, assegnare priorità, preparare release e coordinare eventuali disclosure senza trasformare ogni email in un’emergenza. Un progetto che non riesce già a gestire segnalazioni critiche verificate potrebbe essere danneggiato, anziché aiutato, da una coda continua di report non revisionati. Lo stesso problema di capacità difensiva è emerso quando agenti AI hanno superato il perimetro dei test e raggiunto workflow reali: aumentare l’autonomia senza aumentare la capacità di controllo sposta semplicemente il rischio.

Continua con:

NVIDIA crea Open Secure AI Alliance per proteggere gli agenti AI

Open VSX, npm e QuickFox allargano la crisi della supply chain

La scoperta dei bug accelera più della capacità di correggerli

OSS Scanner sposta quindi il punto di pressione della sicurezza del software. Per anni il problema principale è stato trovare vulnerabilità abbastanza presto; con modelli capaci di analizzare codebase estese, generare riproduttori e proporre correzioni, il vincolo si sposta verso la validazione, la prioritizzazione e la manutenzione. Questa asimmetria riguarda soprattutto progetti essenziali gestiti da team piccoli, sui quali dipendono migliaia di prodotti commerciali. Le compromissioni che sfruttano repository e dipendenze software mostrano perché ridurre il tempo tra scoperta e patch sia strategico, ma automatizzare la scoperta senza finanziare anche il lavoro di remediation rischia di trasformare un vantaggio difensivo in un backlog ingestibile. Anthropic sta tentando di ridurre il problema offrendo gratuitamente il calcolo e mantenendo il canale CVD umano per chi ne ha bisogno. Il valore del servizio dipenderà quindi anche dalla capacità di non sommergere gli stessi maintainer che intende proteggere, distinguendo velocità di detection da capacità reale di remediation. La prova decisiva sarà organizzativa: se i modelli continueranno a migliorare più rapidamente dei maintainer, la scarsità più importante dell’ecosistema sarà il tempo umano necessario per decidere quale bug correggere per primo.