SaaS Sprawl: Rischi e Necessità di Controllo nelle Integrazioni

L’espansione delle applicazioni Software as a Service (SaaS) e degli agenti di intelligenza artificiale (AI) sta creando una superficie di attacco sempre più ampia per le aziende. Ogni nuova applicazione o integrazione introduce identità, ruoli e permessi che possono generare percorsi fidati verso i sistemi aziendali. In questo contesto, i dipendenti autorizzano frequentemente applicazioni OAuth di terze parti, concedendo accessi persistenti e permessi estesi che spesso rimangono attivi più a lungo del necessario.

Le violazioni legate al SaaS sono aumentate del 300%, e si prevede che il numero di agenti AI negli ambienti aziendali possa superare il miliardo entro il 2028. Questo scenario rende insostenibile un controllo basato esclusivamente su revisioni manuali.

I Rischi delle Integrazioni Low-Code/No-Code

I tool low-code e no-code facilitano la creazione e il deployment di agenti autonomi senza una supervisione adeguata. Questi agenti possono ereditare accessi reali a sistemi e dati aziendali, mentre molte organizzazioni 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 esecuzione remota di codice compromettendo un server, sfruttando il percorso di compromissione che combinava più fattori.

La Necessità di Visibilità e Controllo

Le soluzioni tradizionali faticano a scoprire queste integrazioni, valutare i permessi e osservare l’attività cross-app che consente l’escalation e i movimenti laterali. Per conciliare innovazione e sicurezza, è fondamentale disporre di visibilità continua su utenti, applicazioni, grant OAuth e permessi, per comprendere il rischio in tempo reale e non dopo l’incidente.

Approcci come i knowledge graph possono mappare entità (persone, account, token, risorse) e le loro relazioni, rivelando contesti altrimenti non evidenti. Questo consente di identificare chi ha accesso, cosa può raggiungere e come è stato ottenuto quell’accesso.

Controllo Adattivo per una Maggiore Sicurezza

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. Le attività affidabili possono procedere con minore attrito, mentre la protezione efficace del panorama SaaS e AI richiede strumenti che forniscano evidenza su dove servono guardrail, chi ha accesso, cosa può raggiungere e come evolvono queste relazioni nel tempo.