Key findings
- Agenti AI autonomi hanno scoperto una vulnerabilità zero-day in MONAI Label, ottenendo la possibilità di scrivere file sul server in circa 11 minuti.
- Gli attaccanti hanno successivamente ottenuto una shell root su un server universitario, sfruttando la vulnerabilità per eseguire codice attraverso un processo Python.
- La falla CVE-2026-133968 è classificata critica con CVSS 9,8: il codice sorgente è stato corretto, ma l’avviso ufficiale non indica ancora una versione stabile contenente la patch.
Un gruppo di attaccanti presumibilmente collegato alla Cina ha utilizzato agenti di intelligenza artificiale autonomi per scoprire una vulnerabilità zero-day in MONAI Label, un software open source utilizzato nella ricerca sulle immagini mediche, e ottenere privilegi root su un server universitario. L’operazione è stata ricostruita da Amazon Threat Intelligence in un rapporto pubblicato il 20 novembre 2026, dopo che i ricercatori avevano individuato una console di controllo lasciata esposta su Internet dagli stessi aggressori. La piattaforma utilizzata era Cairn, un framework di penetration testing basato su agenti AI capaci di analizzare servizi, individuare vulnerabilità e modificare autonomamente il percorso di attacco. In circa 11 minuti gli agenti hanno scoperto una debolezza che consentiva la scrittura arbitraria di file. L’accesso root è arrivato successivamente, attraverso una nuova sessione offensiva. La vulnerabilità, identificata come CVE-2026-133968, interessa MONAI Label 0.8.5 e versioni precedenti e dimostra come l’automazione possa ridurre drasticamente il tempo necessario per individuare e sfruttare difetti software sconosciuti.
Cosa leggere
Amazon scopre un server Cairn lasciato aperto dagli attaccanti
L’indagine è iniziata il 10 settembre 2026, quando Amazon Threat Intelligence ha individuato un’istanza di Cairn accessibile pubblicamente senza autenticazione. La piattaforma conservava configurazioni operative, istruzioni impartite dagli operatori, risposte prodotte dagli agenti e cronologia delle attività. Quella che avrebbe dovuto essere la console di coordinamento degli attacchi è diventata così una fonte di informazioni per i ricercatori, permettendo di ricostruire una campagna già avviata. Le operazioni osservate si erano sviluppate nell’arco di circa 48 ore a partire dall’8 settembre, prendendo di mira indirizzi IP associati a università dell’Asia orientale, esterne alla Cina continentale. Le istruzioni erano formulate prevalentemente in cinese semplificato e alcuni script utilizzavano il fuso orario cinese.
L’attribuzione rimane probabilistica. Amazon collega l’operazione a un attore con legami cinesi con confidenza moderata, sulla base della lingua, delle impostazioni temporali e della scelta dei bersagli, ritenuti potenzialmente interessanti dal punto di vista strategico. Non è stato identificato pubblicamente un gruppo APT specifico e non esistono elementi sufficienti per attribuire direttamente l’attacco al governo cinese. La distinzione conta perché gli indicatori linguistici e geografici possono sostenere un’ipotesi investigativa, ma non costituiscono una prova definitiva dell’identità o delle finalità degli operatori. La ricostruzione è contenuta nel rapporto ufficiale AWS sull’impiego offensivo di Cairn.
Cairn riceve un obiettivo e sceglie autonomamente le operazioni
La caratteristica distintiva dell’attacco riguarda il livello di autonomia concesso agli agenti AI. L’operatore umano forniva una lista di indirizzi IP e un obiettivo sintetico: ottenere accesso alla shell dei sistemi individuati. Cairn organizzava quindi una sequenza di attività, analizzando i servizi raggiungibili, selezionando tecniche appropriate e modificando i tentativi sulla base delle risposte ricevute. Non era necessario che una persona decidesse ogni comando o indicasse manualmente quale vulnerabilità cercare. Gli agenti potevano continuare a lavorare anche quando i primi tentativi fallivano, mantenendo l’obiettivo generale stabilito dall’attaccante.
Il framework era già comparso in altre operazioni criminali documentate, tra cui la campagna contro siti commerciali descritta nell’articolo Agenti AI violano oltre 100 siti: l’attacco costa circa 5.000 dollari. La nuova ricerca AWS presenta però un elemento ulteriore: la scoperta di una vulnerabilità precedentemente sconosciuta durante un’attività offensiva reale. Non si tratta soltanto di utilizzare exploit già pubblici o di automatizzare attacchi attraverso strumenti consolidati. Gli agenti hanno identificato una debolezza nell’applicazione esaminata, verificato che consentisse di scrivere file fuori dalla directory prevista e successivamente sfruttato quella capacità per raggiungere l’esecuzione di codice.
MONAI Label espone una vulnerabilità critica nella gestione dei file
Il software coinvolto è MONAI Label, applicazione open source utilizzata per annotare immagini mediche e supportare l’addestramento di modelli di intelligenza artificiale. La piattaforma permette a gruppi di ricerca e specialisti di lavorare su immagini diagnostiche, segmentazioni e procedure di etichettatura assistita. MONAI Label deve essere distinto dal più ampio framework MONAI: la vulnerabilità interessa il componente server dedicato all’annotazione, non automaticamente ogni applicazione sviluppata con l’ecosistema MONAI. Il problema risiede nella gestione dei percorsi utilizzati per salvare immagini e relative etichette attraverso le API.
La falla, classificata come CWE-22, path traversal, interessa in particolare le operazioni di caricamento dei contenuti nel datastore. Il server utilizzava identificatori forniti dal client per costruire il percorso di destinazione senza verificare adeguatamente che il file rimanesse nella directory autorizzata. Un utente capace di raggiungere gli endpoint vulnerabili poteva quindi indurre il processo a scrivere contenuti anche fuori dalla cartella prevista, nei limiti dei permessi del servizio. Non significa che qualsiasi richiesta consentisse automaticamente di modificare qualunque file del sistema: la superficie effettivamente raggiungibile dipendeva dall’identità e dai privilegi con cui MONAI Label veniva eseguito.
La configurazione predefinita lascia l’autenticazione disabilitata
Il difetto diventa particolarmente pericoloso perché MONAI Label utilizza per impostazione predefinita l’autenticazione disabilitata, attraverso la configurazione MONAI_LABEL_AUTH_ENABLE=False. Quando il server è raggiungibile da una rete non attendibile, un client può quindi interagire con le funzionalità vulnerabili senza disporre di credenziali. L’avviso ufficiale precisa che, quando l’autenticazione è attiva, il ruolo ANNOTATOR può comunque accedere ai percorsi interessati dalla vulnerabilità. Abilitare il login riduce l’esposizione, ma non sostituisce la correzione del controllo sui file.
Il problema riguarda MONAI Label fino alla versione 0.8.5 inclusa. Le funzioni coinvolte costruivano i percorsi di salvataggio a partire dagli identificatori delle immagini e delle etichette senza verificare in modo sufficiente la destinazione finale. La conseguenza poteva essere la sovrascrittura di file di configurazione, la modifica di componenti applicativi o, in determinate condizioni, l’esecuzione di codice. Il progetto ha pubblicato un avviso di sicurezza ufficiale su GitHub, confermando la vulnerabilità e indicando le misure temporanee di protezione.
Gli agenti trovano la zero-day in 11 minuti, ma root arriva dopo
La cronologia dell’attacco richiede una distinzione fondamentale. Secondo Amazon, gli agenti hanno impiegato circa 11 minuti per identificare l’applicazione, esplorare le API, individuare il difetto nella gestione dei percorsi e dimostrare la possibilità di scrivere file sul server. Non hanno ottenuto i privilegi root entro quegli 11 minuti. La compromissione completa del sistema è avvenuta in una sessione successiva, attraverso l’utilizzo della medesima vulnerabilità e di un meccanismo di avvio di Python.
Gli agenti hanno sfruttato la possibilità di scrivere un file che l’interprete Python carica automaticamente quando viene avviato, inducendo successivamente il servizio a eseguire un processo collegato alle funzionalità di addestramento. Il nuovo processo ha caricato il codice predisposto dagli aggressori e stabilito una connessione remota con privilegi root. Il risultato è stato documentato su un server universitario. Non è possibile estenderlo automaticamente a tutte le installazioni MONAI Label, perché l’esecuzione privilegiata dipende dalla configurazione dell’ambiente. Un servizio avviato con privilegi limitati avrebbe comunque potuto subire una compromissione, ma non necessariamente con controllo amministrativo completo.
Gli agenti falliscono per 16 ore contro Redis e tentano 30.000 accessi SSH
Il successo contro MONAI Label non significa che Cairn sia riuscito a compromettere tutti i bersagli. Nella stessa campagna Amazon ha osservato un’operazione contro un server Redis universitario, raggiungibile senza autenticazione. Gli agenti hanno lavorato per circa 16 ore, effettuando 148 azioni consecutive e tentando differenti tecniche per ottenere il controllo del sistema. Le verifiche comprendevano l’analisi delle funzionalità di replica, tentativi di abuso dell’ambiente di scripting e attività contro servizi collegati. Una vulnerabilità SSRF presente in un’istanza Qdrant ha permesso di ricostruire parte della topologia di rete, ma non ha condotto a un accesso riuscito ai sistemi successivamente individuati.
In una seconda operazione gli agenti hanno preso di mira un server GPU universitario, utilizzato per attività di ricerca. Hanno ricostruito un elenco di circa 80 nomi utente reali attraverso fonti pubbliche, tra cui pagine dei dipartimenti, archivi accademici e pubblicazioni scientifiche, per poi tentare oltre 30.000 combinazioni di credenziali contro SSH e altri servizi. Anche questa attività, durata oltre sei ore, non ha prodotto accessi riusciti. Le operazioni fallite sono rilevanti quanto il successo sulla zero-day, perché mostrano che gli agenti possono continuare a cercare alternative per molte ore, ma rimangono vincolati alle vulnerabilità, alle configurazioni e alle credenziali effettivamente disponibili.
La seconda università potrebbe essere stata compromessa, ma manca la conferma
Dopo la scoperta della vulnerabilità, Amazon ha individuato una sessione nella quale l’operatore umano ha fornito agli agenti un tunnel verso una seconda rete universitaria. Il sistema utilizzato come punto di ingresso eseguiva lo stesso software vulnerabile. I ricercatori ritengono plausibile che l’attaccante abbia sfruttato nuovamente la zero-day per ottenere il collegamento, ma non hanno confermato direttamente la compromissione iniziale del secondo server. Una volta disponibile il tunnel, l’operatore ha incaricato gli agenti di proseguire la ricognizione verso altri sistemi interni.
Anche sull’impatto dei dati occorre evitare conclusioni non documentate. Amazon non conferma il furto di immagini diagnostiche, cartelle cliniche o informazioni dei pazienti, né descrive una compromissione di sistemi ospedalieri di produzione. I bersagli individuati appartengono ad ambienti universitari dell’Asia orientale e la natura sanitaria del software non è sufficiente per affermare che siano stati consultati dati clinici. La gravità tecnica dell’accesso root rimane elevata, ma deve essere distinta da conseguenze che non sono state dimostrate.
CVE-2026-133968: correzione nel sorgente, ma nessuna release aggiornata
La vulnerabilità è stata identificata come CVE-2026-133968 e ha ricevuto un punteggio CVSS di 9,8 su 10, corrispondente a gravità critica. I manutentori hanno confermato il problema e integrato la correzione nel codice sorgente attraverso la modifica #1915, che introduce controlli sui percorsi di destinazione e impedisce di salvare file al di fuori delle directory autorizzate. L’avviso di sicurezza del progetto è stato pubblicato il 18 novembre, mentre il record CVE risulta pubblicato il 20 novembre 2026.
Al 22 novembre, però, l’avviso ufficiale non indica ancora una versione corretta installabile. La release 0.8.5 rimane l’ultima individuabile nell’elenco delle versioni pubblicate dal progetto e l’advisory segnala che la patch verrà inclusa nel prossimo rilascio. La presenza della correzione nel repository non equivale automaticamente alla disponibilità di un pacchetto sicuro attraverso il normale gestore software. Inoltre, l’avviso GitHub può ancora mostrare la dicitura relativa all’assenza di un identificativo CVE: il dato riflette un mancato allineamento dei metadati, non l’esistenza di una seconda vulnerabilità.
Come proteggere MONAI Label nelle università e nei laboratori italiani
Per le organizzazioni che utilizzano MONAI Label, la prima misura è impedire l’accesso al servizio da reti non attendibili attraverso firewall, segmentazione e regole di instradamento. L’autenticazione deve essere abilitata e il ruolo ANNOTATOR assegnato soltanto a utenti fidati, evitando di considerare sufficiente un indirizzo difficile da indovinare. Il servizio non dovrebbe essere eseguito come root, ma con un account dedicato e privilegi di scrittura limitati alle directory strettamente necessarie. Queste misure riducono le conseguenze della vulnerabilità anche prima della disponibilità di una nuova release.
Gli amministratori dovrebbero verificare eventuali file anomali nei percorsi caricati automaticamente da Python, attività di addestramento non autorizzate e connessioni di rete inattese. Chi utilizza il codice sorgente aggiornato deve accertarsi che la correzione sia realmente presente nella build distribuita. Il semplice comando sudo apt-get update non costituisce una soluzione per questa falla: aggiorna gli indici dei repository APT, ma non installa una versione corretta di MONAI Label che non sia ancora stata pubblicata. AWS segnala inoltre gli indirizzi 142[.]4.98.145 e 142[.]4.107.34 come indicatori osservati durante le attività di settembre, da utilizzare per verifiche contestualizzate e non come prova automatica di compromissione.
Il caso interessa potenzialmente anche università, centri di ricerca e laboratori italiani che utilizzano applicazioni di annotazione medica, pur senza che Amazon abbia documentato vittime nel territorio nazionale. La presenza di dati sanitari o immagini diagnostiche in un ambiente di ricerca richiede particolare attenzione alla separazione dei servizi, alla gestione degli accessi e alla protezione dei dataset. Una piattaforma utilizzata per sviluppare sistemi AI può diventare essa stessa una superficie di attacco quando le API sono raggiungibili senza autenticazione e i processi dispongono di privilegi superiori al necessario.
Cairn non è CAIRN di Cisco Talos: due strumenti con finalità differenti
La denominazione Cairn può generare confusione con CAIRN, acronimo di Cognitive Artifact Intelligence Research Network, il progetto presentato da Cisco Talos per individuare malware che utilizzano componenti di intelligenza artificiale. Non si tratta dello stesso strumento. Il framework Cairn impiegato dagli aggressori coordina agenti autonomi per attività di penetration testing, mentre CAIRN di Cisco Talos è un sistema di analisi e classificazione delle tracce lasciate dal software malevolo.
La distinzione era stata affrontata nell’articolo CAIRN di Cisco Talos traccia il malware AI attraverso gli artefatti cognitivi. Le piattaforme rispondono a esigenze differenti, ma mostrano come l’AI sia diventata parte integrante tanto delle operazioni offensive quanto delle attività di ricerca e rilevamento. La presenza di un agente AI non identifica di per sé un comportamento criminale: sono le finalità dell’operatore, i bersagli scelti e le azioni eseguite a determinare la natura dell’attività.
Dalla scoperta delle vulnerabilità al controllo del server: cambia la velocità degli attacchi
La novità documentata da Amazon non consiste nell’invenzione di una tecnica d’attacco mai vista prima. Il path traversal, la scrittura arbitraria di file e l’abuso dei privilegi di esecuzione sono problemi conosciuti da anni. Il cambiamento riguarda il modo nel quale vengono individuati e collegati. Un operatore umano ha assegnato un obiettivo generale, mentre gli agenti hanno eseguito ricognizione, prove e adattamenti fino a scoprire una debolezza che non era stata ancora segnalata pubblicamente.
Il precedente più vicino emerge dalla ricerca Agenti AI attaccano retailer per 25 dollari e rubano oltre 600.000 carte, nella quale Cairn e altri framework erano stati utilizzati in una campagna criminale finanziariamente motivata. Nel caso MONAI Label il possibile obiettivo cambia: Amazon ipotizza attività riconducibili a un attore interessato alle università dell’Asia orientale, senza dimostrare una responsabilità governativa. Cambia soprattutto il risultato, perché una vulnerabilità sconosciuta viene individuata direttamente durante l’operazione contro un bersaglio reale.
Continua con: Agenti AI violano oltre 100 siti: la campagna Cairn ricostruita da NorForge.
Gli agenti AI anticipano i tempi di difesa, ma non eliminano i limiti tecnici
L’attacco a MONAI Label mostra una trasformazione concreta nella sicurezza informatica: un agente autonomo può individuare una zero-day e verificarne lo sfruttamento in pochi minuti, riducendo il tempo disponibile agli amministratori per identificare anomalie e reagire. Il successivo accesso root documenta le conseguenze di un’applicazione vulnerabile eseguita con privilegi elevati. I tentativi falliti contro Redis e i server GPU mostrano però che l’autonomia non garantisce il successo e che configurazioni, autenticazione e isolamento continuano a fare la differenza.
Il rischio per le organizzazioni non è soltanto che gli attaccanti possiedano strumenti più veloci, ma che le normali debolezze applicative possano essere individuate prima che i difensori completino le proprie verifiche. Nel caso di MONAI Label, l’assenza di una release corretta rende indispensabili le misure di contenimento: accesso limitato, autenticazione, privilegi minimi e controllo delle attività sospette. La ricostruzione AWS dimostra che l’AI offensiva non è più confinata alle simulazioni, ma è già stata osservata durante intrusioni reali, con risultati diversi a seconda della sicurezza effettiva dei sistemi bersaglio.
Iscriviti alla Newsletter
Non perdere le analisi settimanali: Entra nella Matrice Digitale.
Matrice Digitale partecipa al Programma Affiliazione Amazon EU. In qualità di Affiliato Amazon, ricevo un guadagno dagli acquisti idonei. Questo non influenza i prezzi per te.









