Qualcuno usa gli agenti AI per fare reconnaissance sul mio sito: settimane di log analizzate
Nei log di un sito reale compaiono richieste a path sensibili come .env, .ssh/id_rsa e .aws/credentials veicolate dagli user-agent di assistant AI come ChatGPT e Perplexity. Sono pochi tentativi isolati, non una campagna: ma il pattern è interessante per chi espone un'applicazione. Analisi forense onesta di cosa si vede davvero nei log, con la metodologia per distinguere il rumore dal segnale e le contromisure lato server. Information gain di prima mano, background offensivo dell'autore. Continua a leggere
Ultima modifica:
Un SIEM tradizionale genera migliaia di alert al giorno, il 95% falsi positivi. Gli operatori li ignorano, e i veri incidenti passano. Un LLM come secondo livello di classificazione può ridurre drasticamente il rumore. Ti mostro la pipeline che ho progettato: estrazione log strutturati, arricchimento contestuale, classificazione LLM con prompt specializzato, alerting selettivo su Telegram. Con metriche di accuracy reali. 
Il problema con i SIEM tradizionali per le PMI è il costo e la complessità. Ho costruito una pipeline alternativa con Claude API che legge i log di Nginx, PHP-FPM e MySQL ogni 15 minuti, identifica pattern anomali e invia alert su Slack solo quando c'è qualcosa di reale. Falsi positivi quasi azzerati.