La crescente minaccia del SaaS sprawl: come garantire sicurezza e controllo nelle integrazioni

L’espansione delle applicazioni Software as a Service (SaaS) e degli agenti di intelligenza artificiale (AI) sta ampliando la superficie di attacco delle 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, concedendo accessi persistenti e permessi estesi che spesso rimangono 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 ha portato a un incremento delle violazioni legate al SaaS, che sono aumentate del 300%. Si prevede che il numero di agenti in ambiente enterprise possa superare il miliardo entro il 2028, rendendo insostenibile un controllo basato esclusivamente su revisioni manuali.

I tool low-code/no-code facilitano la creazione e il deployment di agenti autonomi senza adeguata supervisione. Questi agenti possono ereditare accessi reali a sistemi e dati aziendali, mentre le organizzazioni mancano spesso 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 creare agenti e workflow LLM ha permesso a un attaccante di ottenere esecuzione remota di codice compromettendo un server, inducendo un utente autorizzato a importare un chatflow malevolo.

Il percorso di compromissione ha combinato più fattori, tra cui l’importazione di workflow condivisi da utenti fidati, permessi che consentivano configurazioni personalizzate, e accesso a credenziali, API, database e servizi cloud collegati. Le soluzioni tradizionali faticano a scoprire queste integrazioni, valutare i relativi permessi o 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. Solo così è possibile comprendere il rischio in tempo reale, anziché dopo l’incidente. Approcci come i knowledge graph possono mappare entità (persone, account, token, risorse) e le loro relazioni, rivelando contesti altrimenti non evidenti e permettendo di identificare chi ha accesso, cosa può raggiungere e come è stato ottenuto quell’accesso.

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, mentre le attività affidabili procedono con minore attrito. La protezione efficace del panorama SaaS e AI richiede quindi strumenti che portino evidenza su dove servono guardrail, chi ha accesso, cosa può raggiungere e come evolvono queste relazioni nel tempo.