Attacchi hacker alle fabbriche: danni, rischi legali e come tutelarsi

Il panorama attuale degli attacchi nel manifatturiero

Il Rapporto Clusit di ottobre 2026 indica il settore manifatturiero al primo posto in Italia come target degli attacchi informatici, con il 18,4 % degli incidenti gravi registrati nel primo semestre, su un campione nazionale di 245 casi. La vulnerabilità è legata a impianti progettati per funzionare per decenni, pensati per produrre e non per difendersi, e ora collegati alle reti aziendali e ai fornitori che li mantengono da remoto.

Secondo Mirko Vicenzotto, responsabile delle Investigazioni scientifiche di Axerta, molti dispositivi OT (Operational Technology) utilizzano ancora protocolli industriali privi di autenticazione e non possono essere aggiornati senza fermare la produzione. “Capita inoltre che registrino pochissimi eventi”, aggiunge, “e quando un incidente coinvolge l’ambiente OT, chi deve ricostruirlo scopre spesso che manca proprio il dato con cui stabilire che cosa è accaduto, quando e attraverso quale accesso”.

L’impatto dell’intelligenza artificiale sugli attacchi

L’intelligenza artificiale (AI) agisce da moltiplicatore delle capacità offensive. Essa accelera la fase di ricognizione, individuando sistemi esposti, analizzando informazioni sui fornitori e generando messaggi di phishing estremamente credibili. Video e audio sintetici possono ingannare manutentori e responsabili di stabilimento, spingendoli a autorizzare sessioni remote, condividere credenziali o modificare configurazioni critiche.

L’automazione riduce anche il tempo necessario per combinare vulnerabilità diverse. Gli scenari di “agentic hacking” prevedono software capaci di coordinare più operazioni e adattarle ai risultati, facilitando il passaggio dalla rete informatica aziendale ai sistemi produttivi quando mancano separazione e controlli sugli accessi. Questo sviluppo è distinto dalla capacità di comprendere e manipolare uno specifico processo industriale, ma rappresenta comunque una minaccia concreta.

Rischi sull’integrità dei dati

Le letture dei sensori, i parametri e i registri di qualità possono essere alterati senza provocare un fermo evidente, inducendo decisioni sbagliate. L’AI può assistere la preparazione di manipolazioni plausibili, mentre la verifica richiede competenze sul processo fisico. La difesa deve quindi includere:

• Segmentazione delle reti OT e IT;
• Autenticazione robusta (multifactor, credenziali nominative);
• Monitoraggio continuo e conservazione dei log;
• Confronto con configurazioni di riferimento affidabili.

Strategie di difesa e preparazione legale

Vicenzotto sottolinea che l’AI è più un moltiplicatore delle capacità offensive che il fattore determinante della crescita degli attacchi. Rende più credibili phishing e ingegneria sociale, accelera la ricognizione dei sistemi esposti e abbassa la competenza necessaria per colpire. Tuttavia, la stessa AI può aiutare i difensori: il traffico industriale è ripetitivo e un sistema di rilevamento delle anomalie può individuare rapidamente una deviazione, a condizione che l’azienda conservi i dati su cui quel sistema lavora.

Vicenzotto individua tre scenari critici su cui le imprese dovrebbero prepararsi:

• Autorizzazioni fraudolente: richieste di accesso o modifica non verificate.
• Accessi non tracciati: credenziali condivise o sessioni remote non registrate.
• Integrità dei processi compromessa: dati di sensori e parametri alterati.

Le contromisure devono collegare controlli tecnici e procedure operative, includendo la preparazione dei dati necessari all’indagine.

Inventory, separazione e controllo degli accessi

Il punto di partenza è sapere cosa si deve proteggere. È necessario:

• Un inventario aggiornato degli asset IT e OT;
• Separazione effettiva tra le due reti;
• Controllo rigoroso degli accessi remoti di fornitori e manutentori, con credenziali nominative, autenticazione a più fattori e sessioni abilitate solo quando servono e sempre registrate.

Formazione, policy e forensic readiness

La formazione del personale è fondamentale per creare consapevolezza sui rischi. Contro l’ingegneria sociale potenziata dall’AI, la misura più efficace resta procedurale: ogni richiesta urgente di pagamento, di accesso o di modifica a un impianto va verificata attraverso un canale diverso da quello da cui è arrivata, ad esempio richiamando un numero già noto. Le operazioni critiche dovrebbero richiedere sempre una doppia autorizzazione.

È inoltre consigliata una policy sull’uso interno dell’AI generativa, che indichi quali dati non devono mai essere inseriti in strumenti esterni.

Un ulteriore passo cruciale è lavorare sulla forensic readiness, ossia predisporre i sistemi e le procedure in modo da poter dimostrare, dopo un incidente, che cosa è successo. In pratica ciò significa:

• Log centralizzati e conservati per un periodo adeguato;
• Orologi di sistemi e impianti sincronizzati su una fonte comune;
• Copie di riferimento delle configurazioni e dei programmi dei PLC con relativa impronta hash, da confrontare con lo stato rilevato dopo l’incidente.

Verifica dell’autenticità dei dati

Conservare le registrazioni permette di confrontarle e verificare l’autenticità. Vicenzotto spiega che “nessun singolo indicatore è sufficiente, e nessun software di rilevamento dei deepfake può da solo fondare una conclusione in giudizio. Ciò che regge al contraddittorio è la convergenza di fonti indipendenti”.

Il primo passo è acquisire il dato alla fonte, cioè dal dispositivo, dal server o dal servizio cloud da cui proviene, con impronta hash e catena di custodia documentata secondo la ISO/IEC 27037. Uno screenshot o un file inoltrato hanno già perso gran parte delle informazioni utili.

Su video e audio si verificano la struttura del file, i metadati del contenitore, la coerenza con il dispositivo che lo avrebbe generato, le tracce di ricompressione o montaggio e le registrazioni che il sistema operativo conserva al momento della creazione del file.

Per le chat, invece, si confrontano i database dell’applicazione sul dispositivo con quelli dell’interlocutore o con i backup. Per i dati dei sensori si incrociano historian, log dei controllori e sensori ridondanti, verificando anche la coerenza fisica delle grandezze, perché una pressione o una temperatura non variano in modo arbitrario.

Quanto alla coerenza temporale, ogni orario va ancorato a un riferimento esterno al dispositivo, come la rete mobile, un server o una sincronizzazione NTP, e confermato da più fonti che non dipendano l’una dall’altra.

Accordi con fornitori e scenario di guerra ibrida

Parte delle tracce può trovarsi presso soggetti esterni. Per acquisirle servono accordi con i fornitori e referenti già individuati. Vicenzotto considera questa preparazione decisiva anche nello scenario della guerra ibrida: “In un contesto di guerra ibrida l’attribuzione di un attacco è spesso incerta, ma una documentazione rigorosa dei log e delle configurazioni permette di dimostrare la responsabilità e di attivare le clausole contrattuali di indennizzo”.

In conclusione, la tutela contro gli attacchi hacker alle fabbriche non è più solo una questione tecnica, ma coinvolge aspetti legali, contrattuali e di governance dei dati. La chiave per ridurre i danni e limitare le dispute è la conservazione sistematica dei log, la segmentazione delle reti, l’autenticazione forte e la preparazione forense, integrate in contratti chiari con fornitori e assicuratori.