SaaS Sprawl: Rischi Crescenti e Necessità di Controllo sulle Integrazioni

L’espansione delle applicazioni Software as a Service (SaaS) e degli agenti di intelligenza artificiale (AI) sta ampliando la superficie di attacco per le aziende. Ogni nuova applicazione o integrazione introduce identità, ruoli e permessi che possono creare percorsi fidati verso i sistemi aziendali. È comune che i dipendenti autorizzino applicazioni OAuth di terze parti con accessi persistenti e permessi estesi, spesso attivi più a lungo del necessario. Inoltre, l’integrazione di agenti AI e flussi automatizzati in piattaforme critiche come CRM e strumenti di gestione dei servizi aumenta ulteriormente i rischi.

Le violazioni legate al SaaS sono aumentate del 300% e si prevede che gli agenti in ambiente enterprise possano superare il miliardo entro il 2028. Questo scenario rende insostenibile un controllo basato esclusivamente su revisioni manuali. La proliferazione di strumenti low-code e no-code facilita la creazione e il deployment di agenti autonomi senza adeguata supervisione. Tali agenti possono ereditare accessi reali a sistemi e dati aziendali, mentre le organizzazioni spesso mancano di metodi coerenti per scoprirli, tracciare i privilegi e applicare regole di contenimento.

Un caso concreto evidenzia il rischio: una vulnerabilità (CVE-2026-40933) in una piattaforma open source per la creazione di agenti e workflow LLM ha permesso a un attaccante di ottenere l’esecuzione remota di codice compromettendo un server. Questo percorso di compromissione ha combinato più fattori, tra cui l’importazione di workflow condivisi da utenti fidati e permessi che consentivano configurazioni personalizzate.

Le soluzioni tradizionali faticano a scoprire queste integrazioni e a valutare i permessi relativi, così come a osservare l’attività cross-app che consente l’escalation e i movimenti laterali. Per conciliare innovazione e sicurezza, è necessario disporre di visibilità continua su utenti, applicazioni, grant OAuth e permessi. Approcci come i knowledge graph possono mappare entità come persone, account, token e risorse, rivelando contesti altrimenti non evidenti e permettendo di identificare chi ha accesso e cosa può raggiungere.

Con una base di questo tipo, il controllo può diventare adattivo: integrazioni ad alto rischio o comportamenti anomali possono essere automaticamente segnalati o vincolati in base a modelli di accesso e comportamento. La protezione efficace del panorama SaaS e AI richiede quindi strumenti che forniscano evidenza su dove servono guardrail, chi ha accesso e come evolvono queste relazioni nel tempo.