La particolarità sta nel suo metodo semiautomatico assistito dall’intelligenza artificiale, un approccio che ha riacceso il dibattito sull’automazione della ricerca di falle e sull’efficacia dei programmi di ricompensa di Google.
[In pillole] La sintesi per chi va di fretta:
Un ricercatore di sicurezza, noto come Brutecat, sostiene di aver guadagnato oltre 500mila dollari da Google in tre mesi. Utilizzando un sistema basato sull'intelligenza artificiale per analizzare l'infrastruttura dell'azienda, ha individuato numerose vulnerabilità. Il suo metodo, che unisce l'automazione dell'IA all'analisi umana, sta ridefinendo il futuro della ricerca di falle nella sicurezza informatica.
Un ricercatore, l’intelligenza artificiale e 500mila dollari da Google
Un ricercatore di sicurezza informatica, che opera sotto lo pseudonimo di “Brutecat”, sostiene di aver guadagnato oltre 500mila dollari in meno di tre mesi individuando vulnerabilità nei sistemi di Google.
La cifra, che Google non ha confermato, è stata dichiarata dallo stesso ricercatore e sta già alimentando un intenso dibattito su quanto l’intelligenza artificiale possa e debba automatizzare la ricerca di falle nella sicurezza.
La particolarità del suo lavoro, infatti, non risiede tanto nel risultato economico, per quanto notevole, ma nel metodo: un sistema semiautomatico assistito dall’intelligenza artificiale, progettato per scandagliare sistematicamente l’immensa infrastruttura di Google.
Il progetto, intitolato “Hacking Google with A.I. for $500000”, partiva da un’idea apparentemente semplice: considerare l’intera superficie di attacco di Google, cioè tutte le sue API pubbliche e le applicazioni client, come un unico, gigantesco set di dati.
Una volta raccolti, questi dati sono stati dati in pasto a strumenti di intelligenza artificiale per mapparli e analizzarli. Il processo ha richiesto diversi passaggi.
In primo luogo, sono stati analizzati i cosiddetti “discovery documents” di Google, ovvero specifiche tecniche leggibili da una macchina che descrivono il funzionamento delle API, elencando endpoint, parametri e metodi disponibili.
Successivamente, il ricercatore ha estratto chiavi API da oltre 60.000 applicazioni Android (i file .apk), creando così un catalogo di come i servizi Google vengono richiamati concretamente dalle applicazioni.
A questo si è aggiunto il monitoraggio del traffico di rete tramite un’estensione personalizzata per Chrome su più di 2.800 domini web di Google, ampliando ulteriormente la visione delle API esposte.
Con questa enorme mole di informazioni, l’intelligenza artificiale ha svolto un ruolo di primo piano. I modelli linguistici di grandi dimensioni sono stati impiegati per classificare gli endpoint, generare casi di test e “fuzzare” gli input, ovvero inviare dati casuali o malformati per provocare comportamenti anomali.
Questo ha permesso di trasformare dati grezzi in potenziali percorsi di attacco a una velocità difficilmente replicabile manualmente.
Tuttavia, la fase finale di sfruttamento e segnalazione delle vulnerabilità ha richiesto competenze umane tradizionali: la capacità di ragionare sui controlli di accesso, sui confini dei privilegi e di concatenare diversi bug per creare uno scenario di attacco realistico.
Questo approccio ha permesso di scoprire vulnerabilità in aree molto diverse dell’infrastruttura di Google, che hanno interessato prodotti come Google Voice e Fiber, la piattaforma pubblicitaria AdExchange, YouTube, la tecnologia DRM Widevine, la Google Cloud Console e diversi sistemi interni.
I programmi di Google per chi trova le vulnerabilità
La storia di Brutecat si inserisce in un contesto ben strutturato, quello dei programmi di ricompensa per la scoperta di vulnerabilità (Vulnerability Reward Programs, o VRP) che Google gestisce fin dal 2010. Questi programmi, oggi riuniti sotto l’ombrello di Google Bug Hunters, incentivano ricercatori esterni a trovare e segnalare in modo responsabile falle di sicurezza nei suoi prodotti, da Search a Chrome, da Android a Google Cloud.
Negli ultimi anni, questa struttura è stata estesa esplicitamente anche ai sistemi di intelligenza artificiale. In un post sul suo blog ufficiale, l’azienda ha annunciato l’espansione dei suoi VRP per coprire anche “scenari di attacco specifici dell’IA generativa”, con l’obiettivo di “incentivare la ricerca sulla sicurezza e l’incolumità dell’IA”.
Il programma dedicato, chiamato AI Vulnerability Reward Program (AI VRP), formalizza ricompense per attacchi che riescono a modificare dati o account di altri utenti, a far trapelare informazioni sensibili o parametri del modello, o a causare un’interruzione persistente del servizio nei prodotti basati su IA. Le ricompense possono raggiungere i 30.000 dollari per le segnalazioni più critiche, a seconda del prodotto coinvolto.
È interessante notare, però, che pratiche come il prompt injection o il jailbreak, cioè le tecniche per aggirare i filtri di sicurezza dei modelli linguistici e indurli a generare contenuti inappropriati, sono esplicitamente escluse dal programma di ricompense.
– Leggi anche: La dogana dei pensieri: gli USA bloccano le IA di Anthropic
Google incoraggia a segnalarle separatamente, ma questa distinzione ha sollevato dubbi sul fatto che i programmi attuali si stiano concentrando troppo su problemi di sicurezza classici, come il furto di dati, trascurando rischi più sistemici legati alla disinformazione o ai bias dei modelli.
Nel suo bilancio del 2025, Google ha dichiarato di aver pagato un totale di 17,1 milioni di dollari attraverso tutti i suoi programmi VRP, di cui 890.000 dollari legati a vulnerabilità nell’ambito dell’intelligenza artificiale. Se la cifra dichiarata da Brutecat fosse confermata, i suoi 500.000 dollari rappresenterebbero una fetta consistente del totale pagato da Google per questo tipo di falle.
L’azienda, dal canto suo, non ha commentato la cifra specifica, sottolineando come le informazioni sui pagamenti individuali provengano solitamente dai ricercatori stessi.
Questo silenzio, sebbene prassi per una multinazionale di queste dimensioni, lascia aperto l’interrogativo sulla reale portata dell’impatto che un singolo ricercatore, armato di strumenti avanzati, può avere su un’infrastruttura così vasta e complessa.
Un punto di svolta per la ricerca di vulnerabilità
La vicenda di Brutecat offre una lezione centrale: l’intelligenza artificiale non ha sostituito l’esperienza umana, ma l’ha amplificata. Non è stata l’IA a trovare le falle, ma ha permesso a un essere umano di analizzare una quantità di dati altrimenti ingestibile, identificando le aree più promettenti su cui concentrare le proprie competenze.
Questo modello, in cui l’IA automatizza la raccolta e la prima analisi dei dati mentre l’esperto si occupa della validazione finale, sta diventando sempre più la norma nel settore della sicurezza informatica e non a caso cresce la domanda per lo sviluppo di intelligenza artificiale su misura da parte di aziende e professionisti che vogliono replicare approcci simili nei propri contesti lavorativi.
L’intelligenza artificiale può processare documentazione e traffico di rete su larga scala, raggruppare endpoint simili e suggerire probabili errori di configurazione, mentre i modelli linguistici possono generare input di test complessi per scovare comportamenti imprevisti.
La decisione finale su quali piste seguire, come concatenarle in un attacco funzionante e come segnalarle responsabilmente, rimane però saldamente nelle mani del ricercatore.
La notizia ha avuto una rapida eco sui social network frequentati da professionisti del settore, dove è stata ripresa e discussa. È persino apparso un reel su Instagram che promuove “BugTrace-AI”, uno strumento open source di penetration testing basato proprio sulle tecniche usate contro Google, a dimostrazione di quanto velocemente questi metodi possano essere replicati e diffusi.
Questa rapida evoluzione solleva però alcune questioni fondamentali per il futuro.
Innanzitutto, ci si chiede se i tetti massimi delle ricompense e l’ambito dei programmi di bug bounty siano ancora adeguati, specialmente se un singolo individuo può generare centinaia di migliaia di dollari di segnalazioni valide in pochi mesi.
In secondo luogo, emerge una riflessione sul confine tra ricerca legittima e potenziale abuso. I regolamenti di Google specificano che i test non devono danneggiare gli utenti reali o violare la legge. Tuttavia, sistemi automatizzati capaci di sondare migliaia di endpoint sollevano interrogativi su come evitare che la ricerca si trasformi in un attacco di tipo denial-of-service o in una violazione della privacy, specialmente quando strumenti simili vengono usati al di fuori di programmi coordinati.
Infine, come evidenziato anche da organizzazioni come Rethink Priorities, rimane aperta la questione se questi programmi debbano includere anche i danni più ampi legati all’IA, come la disinformazione o i bias, dato che la struttura degli incentivi finisce inevitabilmente per orientare il tipo di ricerca che viene svolta.
La storia di Brutecat, al di là della cifra esatta, si configura quindi come un caso di studio emblematico di ciò che un singolo ricercatore può realizzare con gli strumenti giusti, e sta già influenzando il modo in cui sia le aziende che i ricercatori concepiscono il futuro della sicurezza nell’era dell’intelligenza artificiale.
