martedì 4 agosto 2026
lunedì 3 agosto 2026
Caccia ai segnali invisibili: quando i Big Data fermano la violenza di genere - Intervento di Antonio Russo e Stefano Donno
L’intelligenza artificiale e i Big Data stanno cambiando il modo in cui osserviamo la violenza di genere. Non sostituiscono le istituzioni, ma possono aiutare a individuare prima i segnali deboli, ricostruire pattern di rischio e rendere più tempestiva la protezione delle vittime.
Il problema dei segnali invisibili
La violenza di genere raramente esplode dal nulla. Spesso si manifesta attraverso micro-segnali distribuiti nel tempo: denunce pregresse, accessi ospedalieri, richieste di aiuto, episodi di stalking, escalation verbali, comportamenti digitali predatori. Proprio qui i sistemi di analisi dati possono offrire un vantaggio decisivo, perché sanno mettere in relazione informazioni che, lette separatamente, sembrano episodiche ma insieme raccontano un rischio concreto.istat+2
Il punto centrale non è “prevedere il crimine” in senso assoluto, ma leggere meglio il contesto. In criminologia questo significa passare da una logica reattiva a una logica preventiva, senza perdere di vista garanzie, proporzionalità e controllo umano.
Big Data e prevenzione
Le fonti recenti mostrano un interesse crescente verso piattaforme digitali integrate, sistemi di valutazione del rischio e analisi automatizzate dei fascicoli. L’idea è semplice: creare ambienti informativi capaci di raccogliere denunce, dati sanitari, segnalazioni delle forze dell’ordine e informazioni dei centri antiviolenza, così da intercettare pattern di recidiva e situazioni ad alta criticità.
La forza dei Big Data, in questo campo, non sta solo nella quantità di informazioni, ma nella loro standardizzazione. Senza criteri comuni di raccolta, i dati restano frammentati e poco utili; con una struttura coerente, invece, diventano una base solida per la prevenzione, la valutazione del rischio e l’intervento precoce.
Il ruolo dell’IA
L’IA può intervenire su più livelli. Può supportare la classificazione dei casi, evidenziare ricorrenze nei comportamenti, monitorare segnali di escalation nei social media, aiutare l’analisi delle prove digitali e velocizzare la gestione dei procedimenti. In questo senso, il suo valore è operativo prima ancora che “visionario”.
Ma c’è anche un’altra faccia della questione: l’IA è uno strumento ambivalente. Le stesse tecnologie che rafforzano la prevenzione possono essere sfruttate dalla criminalità organizzata per manipolare, tracciare, intimidire o automatizzare nuove forme di abuso. È per questo che ogni progetto serio di contrasto deve includere etica, supervisione e responsabilità istituzionale.
Criticità e cautele
Il rischio più grande è trasformare l’algoritmo in un sostituto del giudizio umano. Nei casi di violenza di genere, l’errore non è neutrale: una sottovalutazione può lasciare la vittima esposta, una sovrastima può generare procedure eccessive o distorsioni. Serve quindi un modello ibrido, in cui l’analisi automatizzata supporti il lavoro di magistratura, forze dell’ordine e operatori sociali, senza mai annullarlo.
Un altro nodo riguarda la qualità dei dati. Se le denunce non sono uniformi, se i database non dialogano tra loro e se le informazioni arrivano tarde o in modo disomogeneo, l’IA produce solo una sofisticazione dell’errore. Per questo la standardizzazione resta la prima vera riforma da fare.
Verso una prevenzione più intelligente
Il futuro della prevenzione passa da un uso rigoroso dei dati, non da una delega cieca alla macchina. Big Data, machine learning, sentiment analysis e strumenti di digital forensics possono contribuire a “cacciare i segnali invisibili”, ma solo se inseriti in una filiera istituzionale chiara, controllabile e orientata alla tutela della persona.
In altre parole, l’obiettivo non è costruire una sorveglianza totale. L’obiettivo è riconoscere prima i segnali del rischio, intervenire meglio e proteggere con maggiore efficacia chi è più esposto alla violenza. Ed è qui che l’innovazione tecnologica, se ben governata, può diventare davvero uno strumento di giustizia
domenica 2 agosto 2026
IA e Nuove Forme di Criminalità*: Prima che sia troppo tardi: la criminologia predittiva contro la piaga del femminicidio - Intervento di Antonio Russo e Stefano Donno
La violenza di genere, nelle sue manifestazioni più estreme come il femminicidio, rappresenta una delle sfide più drammatiche della nostra epoca. La criminologia accademica moderna si trova oggi di fronte a una svolta epocale: superare la logica meramente repressiva e post-delittuosa per abbracciare modelli di intervento predittivo. In questo contesto, l'Intelligenza Artificiale smette di essere un semplice strumento tecnologico e si trasforma in un paradigma scientifico cruciale per la prevenzione e la tutela della vita umana.
L'Algoritmo della Prevenzione: Oltre il Modello Reattivo
La criminologia computazionale e l'analisi predittiva applicata ai reati di genere non mirano a sostituire l'intuizione o la sensibilità delle forze dell'ordine e dei professionisti sul campo, bensì a potenziarle. Attraverso l'elaborazione di vasti dataset bio-psico-sociali, la digitalizzazione delle denunce e l'analisi dei pattern comportamentali (come l'escalation di atti persecutori, lo stalking e le minacce digitali), i modelli predittivi possono identificare i fattori di rischio latenti prima che si traducano in violenza letale.
L'algoritmo agisce come un microscopio sociologico, capace di evidenziare anomalie e picchi di rischio all'interno delle dinamiche relazionali tossiche:
- Analisi dei segnali deboli: Intercettazione precoce di pattern abusivi sommersi.
- Valutazione dinamica del rischio: Calcolo in tempo reale dell'indice di letalità di una situazione di stallo o di minaccia.
- Geolocalizzazione predittiva: Ottimizzazione delle risorse di vigilanza sul territorio nelle aree statisticamente più esposte.
I Pilastri Etici della Criminologia Predittiva
L'implementazione della tecnologia nel contrasto al femminicidio richiede un rigore etico assoluto. Come teorizzato nei moderni approcci della ricerca forense digitale, l'uso di modelli matematici deve sempre sottostare alla supervisione e alla responsabilità umana (human-in-the-loop). L'obiettivo della criminologia predittiva non è la punizione preventiva del soggetto, ma la tempestiva attivazione di protocolli di protezione della vittima e di percorsi di neutralizzazione della minaccia.
La trasparenza nell'addestramento dei dati, l'assenza di bias discriminatori e la finalizzazione etica dell'algoritmo sono le precondizioni necessarie affinché la tecnologia diventi un autentico scudo sociale. Implementare questi sistemi significa ridurre i tempi di risposta istituzionali, intervenendo "prima che sia troppo tardi".
sabato 1 agosto 2026
L’algoritmo che salva le vite: come l’IA può prevedere l’escalation della violenza domestica A cura di Antonio Russo e Stefano Donno
La criminologia contemporanea si trova dinanzi a un cambio di paradigma senza precedenti. Se per decenni la disciplina ha analizzato il fenomeno criminale prevalentemente ex post — ricostruendone le dinamiche causali a fatto avvenuto —, l'integrazione dei sistemi avanzati di Intelligenza Artificiale e Machine Learning offre oggi l'opportunità di affinare strumenti di valutazione del rischio ex ante.
Tra tutti gli ambiti applicativi della criminologia predittiva, quello della violenza di genere e della violenza domestica (Intimate Partner Violence, IPV) rappresenta il banco di prova più delicato e urgently prioritario.
Il limite delle valutazioni tradizionali e il valore dei dati
La violenza domestica non è quasi mai un atto improvviso e imprevedibile, ma il risultato di un'escalation progressiva caratterizzata da pattern ricorrenti: dinamiche di controllo coercitivo, minacce progressive, isolamento sociale ed episodi d'aggressione a intensità crescente.
Tradizionalmente, la stima del rischio di recidiva o di escalation letale è stata affidata a griglie di valutazione strutturate gestite da operatori delle forze dell'ordine e dei servizi sociali. Sebbene fondamentali, tali metodologie soffrono di due limiti intrinseci:
La frammentazione delle informazioni: I dati relativi alla potenziale vittima o al maltrattante sono spesso dispersi tra verbali di polizia, referti di pronto soccorso, segnalazioni ai servizi sociali o precedenti giudiziari.
Il fattore umano e temporale: La capacità di identificare la "soglia critica" prima che l'escalation sfoci in tragedia richiede il confronto simultaneo di centinaia di variabili individuali e di contesto in tempi estremamente ridotti.
Come funzionano gli algoritmi predittivi
I modelli algebrici e computazionali applicati alla criminologia preventiva (come il celebre sistema VioGén adottato dalle forze di polizia in Spagna o i più recenti modelli basati su reti neurali ricorrenti) elaborano moli complesse di dati per individuare correlazioni statistiche non immediatamente evidenti all'occhio umano.
| Indicatore analizzato | Contributo al modello predittivo dell'IA |
| Storico giudiziario e querele | Valutazione della frequenza, denunce pregresse e violazioni di provvedimenti protettivi. |
| Linguaggio e messaggistica | Analisi del testo (NLP) per rilevare picchi nell'uso di termini coercitivi o minacciosi nei canali digitali. |
| Variabili di vulnerabilità | Presenza di armi, abuso di sostanze, precarietà economica e livelli di isolamento sociale della vittima. |
| Pattern temporali | Monitoraggio degli intervalli di tempo tra un episodio di aggressività e il successivo. |
Analizzando queste variabili in tempo reale, l'algoritmo non sostituisce la decisione dell'operatore, ma fornisce un indice quantitativo di rischio escalation, segnalando i casi che richiedono misure cautelari prioritarie o l'attivazione immediata di protocolli di protezione.
Le sfide etiche, metodologiche e giuridiche
Da docenti e studiosi del fenomeno criminale, è doveroso evidenziare come l'adozione dell'IA in ambito criminologico non sia priva di criticità. L'algoritmo non deve mai trasformarsi in un "oracolo automatizzato".
I bias algoritmici: Se il dataset di addestramento contiene pregiudizi sistemici o difetti di rilevazione storica, il sistema rischia di sovra-stimare o sotto-stimare la pericolosità di determinati profili.
Il principio della centralità umana (Human-in-the-loop): L'output algoritmico deve rimanere uno strumento di supporto alle decisioni, non un automatismo sanzionatorio o cautelare. La sensibilità e l'esperienza dell'operatore rimangono insostituibili.
Privacy e tutela dei dati: Trattare informazioni estremamente sensibili richiede la massima aderenza alle normative sulla protezione dei dati personalissimi.
L'Intelligenza Artificiale non risolve da sola la piaga strutturale della violenza di genere, la quale affonda le proprie radici in dinamiche socio-culturali ed educative. Tuttavia, rifiutarsi di utilizzare modelli di analisi avanzata in grado di cogliere tempestivamente i segnali d'allarme di un'escalation violenta sarebbe una responsabilità colpevole.
Un algoritmo ben addestrato e guidato dall'etica professionale non si limita a elaborare numeri: contribuisce a guadagnare ore preziose, permettendo alle istituzioni di intervenire prima che sia troppo tardi.
venerdì 31 luglio 2026
Modi di tornare a casa di Alejandro Zambra (Sellerio Editore Palermo)
Con una voce limpida e malinconica, a tratti ironica, Modi di tornare a casa è forse il romanzo più personale di Zambra. Un romanzo politico, d’amore, di formazione di uno scrittore che riflette e si inserisce nella storia, che dubita e specula sul modo migliore di raccontarla, arricchendo con un affascinante piano metaletterario pagine di potente forza narrativa.
Ci sono molti modi di tornare a casa. Alejandro Zambra lo fa mettendo ordine nei ricordi di un’infanzia vissuta in Cile negli anni della dittatura di Pinochet. In prima persona un bambino di nove anni racconta del suo incontro con Claudia, dodici anni, a Maipú nella notte del terremoto del 1985. Inizia una strana amicizia, forse qualcosa di più, alimentata da una missione segreta che gli assegna la ragazza: spiare tutti i movimenti dello zio Raúl che vive nel suo stesso quartiere. Vent’anni dopo scoprire di più di quel misterioso compito è come un’epifania. Diventato scrittore, quel bambino, rivive gli avvenimenti politici del passato e torna sui suoi passi: chi era veramente Raúl? E da che parte stavano i suoi genitori durante il regime? Inizia a scavare nella memoria di una generazione che andava incontro all’adolescenza, l’amore, la scuola, le prime letture, mentre gli adulti facevano i conti con la dittatura, nel silenzio o nel dissenso, complici, carnefici o vittime. Così, ritrovare Claudia e ritornare a casa sono gesti essenziali. La scrittura è catarsi, completare il romanzo della sua infanzia è urgente per risolvere il proprio conflitto con il padre e raccontare il Cile di ieri e di oggi
L'Intelligenza Artificiale e la Metamorfosi del Crimine Informatico: Un'Analisi Criminologica e Comparata A cura di Antonio Russo e Stefano Donno
L'evoluzione dell'Intelligenza Artificiale sta ridefinendo in modo radicale il panorama della criminalità informatica. Dal punto di vista criminologico, non ci troviamo semplicemente di fronte a un'accelerazione quantitativa dei reati tradizionali, ma a una morfosi qualitativa dei vettori d'attacco, dove l'algoritmo funge da vero e proprio moltiplicatore di forza.
L'IA come Vettore Criminogeno e Strumento Operativo
L'accessibilità e la sofisticazione dei modelli generativi (LLM, sintesi vocale, generazione video) hanno abbattuto la barriera d'ingresso per la criminalità organizzata e per i singoli attori malevoli (lone wolves).
Phishing e Social Engineering di Nuova Generazione: I classici attacchi di phishing, storicamente riconoscibili da errori sintattici o formule generiche, sono stati sostituiti da campagne d'inganno iper-personalizzate (spear phishing automatizzato). L'IA analizza in tempo reale impronte digitali, post sui social network e stili comunicativi della vittima per generare messaggi indistinguibili da comunicazioni legittime.
Furto d'Identità e Deepfake Fraud: L'impiego di audio e video sintetici ha introdotto la frode identitaria ad alta fedeltà. Attraverso il clone vocale (voice cloning) o la clonazione del volto in tempo reale durante videoconferenze aziendali, si verificano attacchi di tipo CEO Fraud o truffe affettive e familiari con richieste d'emergenza finanziaria.
Evoluzione dei Malware Automatizzati: L'IA viene impiegata per la scrittura di codice malevolo polimorfico, capace di mutare la propria struttura ad ogni infezione per eludere i sistemi d'individuazione tradizionali (antivirus e edr) e individuare vulnerabilità zero-day nei sistemi informatici target.
Modelli Giuridici a Confronto: Common Law vs. Diritto Europeo
A fronte di minacce tecnologiche transnazionali, la risposta sanzionatoria e regolatoria varia profondamente a seconda della tradizione giuridica e dell'impostazione legislativa adottata dai singoli Paesi.
| Ambito | Modello di Diritto Europeo (Civil Law / EU AI Act) | Modello di Common Law (USA / UK) |
| Approccio Regolatorio | Ex-ante basato sul rischio. Inquadramento preventivo rigido che vieta determinati usi e ne limita fortemente altri in base al livello di pericolo. | Ex-post reattivo e giurisprudenziale. Flessibilità basata sul precedente giudiziario e sull'adeguamento delle fattispecie di reato esistenti. |
| Responsabilità Legale | Focus sulla responsabilità della catena di sviluppo del sistema e sulla trasparenza algoritmica obbligatoria. | Focus sull'intento criminale dell'utilizzatore (mens rea) e sull'applicazione di statuti specifici (es. Computer Fraud and Abuse Act negli USA). |
| Prevenzione vs. Innovazione | Privilegia la tutela dei diritti fondamentali, del GDPR e della dignità personale, anche a costo di stringenti vincoli di compliance per sviluppatori e aziende. | Privilegia la flessibilità del mercato, l'innovazione tecnologica e interventi mirati in sede giudiziaria (case-law). |
Nel contesto europeo, l'adozione del Regolamento sull'Intelligenza Artificiale (EU AI Act) rappresenta una pietra miliare: classifica le tecnologie in base ai rischi e introduce divieti specifici per pratiche come la manipolazione comportamentale subliminale e il social scoring. Tuttavia, l'efficacia sul piano penalistico richiede un continuo coordinamento con le direttive sul cybercrime per evitare vuoti di tutela.
Nei sistemi di Common Law, come negli Stati Uniti e nel Regno Unito, il contrasto ai reati commessi tramite IA fa perno prevalentemente sull'estensione delle fattispecie d'incriminazione già presenti (frode, estorsione, sostituzione di persona). La sfida risiede nella capacità delle corti di interpretare in modo elastico concetti tradizionali quali il "mezzo fraudolento" o la "presenza fisica" di fronte ad agenti software autonomi.
Prospettive Criminologiche
La sfida fondamentale per le scienze criminali e per le forze dell'ordine riguarda il passagio da una criminologia reattiva a una criminologia predittiva e difensiva. Poiché l'IA malevola agisce a velocità non umane, anche la difesa informatica deve basarsi su agenti artificiali in grado di identificare e bloccare in modo autonomo le anomalie procedurali e le simulazioni d'identità.
In conclusione, la tutela dell'integrità digitale richiede una sintesi armoniosa tra innovazione normativa ex-ante e flessibilità interpretativa ex-post, affinché il diritto non rimanga irrimediabilmente rincorrente rispetto all'evoluzione algoritmica
giovedì 30 luglio 2026
Intelligenza Artificiale e Nuove Frontiere della Criminalità: Tra Modus Operandi Cybernetico e la Prova nel Processo Penale - Intervento di Antonio Russo e Stefano Donno
L'avvento e la diffusione dell'Intelligenza Artificiale generativa e dei modelli predittivi hanno innescato un cambio di paradigma nella criminologia contemporanea. L'algoritmo non rappresenta più un mero strumento informatico passivo, ma un moltiplicatore di efficienza criminale capace di disarticolare le tradizionali categorie di prevenzione, indagine e imputabilità penale.
1. L’IA come "Arma del Delitto": L'Evoluzione dei Reati Informatici
La transizione dai classici reati cibernetici alla criminalità assistita da IA si manifesta attraverso una drastica riduzione della barriera tecnica necessaria per eseguire attacchi complessi:
Phishing e Spear-Phishing Iper-Personalizzati: I Large Language Models (LLM) consentono di automatizzare la creazione di messaggi altamente contestualizzati, privi di errori grammaticali o sintattici. Sfruttando informazioni reperite tramite OSINT (Open Source Intelligence), gli attaccanti generano esche calibrate sulla specifica vittima.
Voice Cloning e Deepfake Social Engineering: L'uso di reti avversarie generative (GAN) permette di replicare fedelmente la voce o le sembianze di dirigenti aziendali (la cd. CEO Fraud) o familiari in difficoltà. Casi documentati a livello internazionale dimostrano come truffe basate su sintesi vocale abbiano autorizzato bonifici milionari aggirando i tradizionali controlli procedurali.
Identity Theft e Bypass Biometrico: I sistemi di verifica Know Your Customer (KYC) utilizzati da istituti bancari e piattaforme crypto vengono sempre più spesso elusi tramite documenti d'identità sintetici e video animati in tempo reale.
2. L’IA nel Processo Penale: Tra Strumento di Prova e Strategia di Difesa
Nel panorama processuale penale, l'Intelligenza Artificiale ha assunto una duplice natura, ponendo sfide inedite al principio del contraddittorio e alle garanzie costituzionali (art. 111 Cost.).
L'IA come Strumento di Prova (Accusa e Indagini)
Le forze dell'ordine e gli organi inquirenti impiegano l'IA per l'analisi predittiva e l'elaborazione di grandi moli di dati (big data analytics, riconoscimento facciale, risk assessment tools). Tuttavia, la qualificazione della prova algoritmica solleva nodi complessi:
Il principio della "Scatola Nera" (Black Box): Molti algoritmi di Machine Learning risultano opachi perfino per i loro stessi sviluppatori. In sede giudiziaria, l'acquisizione di un'evidenza generata da un software proprietary privo di codice sorgente accessibile rischia di violare il diritto di difesa e la verificabilità della prova scientifica.
Un punto di riferimento per il diritto amministrativo e penale italiano è la giurisprudenza in materia di decisioni automatizzate. Il Consiglio di Stato (sentenza n. 881/2020) ha stabilito principi fondamentali applicabili al contesto tecnologico:
Piena conoscibilità del modulo algoritmico (trasparenza del codice).
Imputabilità della decisione all'organo umano (Human-in-the-loop), escludendo che la macchina possa sostituirsi alla valutazione del giudice o dell'inquirente.
L'IA come Strumento di Difesa (La "Deepfake Defense")
La difesa tecnica sta iniziando a sfruttare l'esistenza stessa dell'IA generativa per instillare il ragionevole dubbio:
Discredito dell'evidenza digitale: In presenza di intercettazioni audio/video o registrazioni ambientali depositati dal PM, la difesa può sollevare l'ipotesi di manipolazione sintetica o clonazione mediante IA.
In assenza di una rigorosa catena di custodia digitale (hash, marca temporale) e di perizie forensi sull'integrità del file, la prova video/audio rischia di perdere la sua intrinseca forza probatoria. Verifica dei Risk Assessment Tools:
Nei procedimenti che adottano algoritmi per valutare la pericolosità sociale o il rischio di recidiva (ispirati ai modelli di predictive policing anglosassoni), la difesa contestare i bias cognitivi e discriminatori presenti nei dati di addestramento.
3. Confronto Tra Forme Tradizionali e Nuove Manifestazioni Criminose
| Dimensione Criminologica | Criminalità Tradizionale / Cyberclassica | Nuova Criminalità Assistita da IA |
| Vettore d'Attacco | Manuale o tramite script statici | Automatizzato, adattivo e generativo |
| Credibilità dell'Esca | Bassa (errori di testo, voce metallica) | Elevatissima (clonazione vocale/visiva) |
| Tracciabilità Forense | Log di sistema, IP, impronte digitali standard | Sovrascrittura di metadati, media sintetici privi di traccia |
| Valore Probatorio in Giudizio | Prova documentale/audio diretta | Necessità di validazione peritale anti-deepfake |
Prospettive per la Scienza Forense
L'evoluzione normativa dell'AI Act europeo (Regolamento UE 2024/1689) impone vincoli stringenti sui sistemi ad alto rischio, inclusi quelli utilizzati nell'ambito dell'amministrazione della giustizia e delle forze dell'ordine.
La criminologia moderna e la digital forensics devono evolvere verso lo sviluppo di standard internazionali per la certificazione dei dati sintetici. Non è più sufficiente dimostrare "cosa" un file multimediale raffiguri: diventa inderogabile periziare la genuinità della sua genesi informatica.
mercoledì 29 luglio 2026
L’Algoritmo del Delitto: L’Intelligenza Artificiale e le Nuove Frontiere della Criminologia Digitale A cura di Antonio Russo e Stefano Donno
L’evoluzione delle tecnologie digitali ha storicamente ridefinito non soltanto il tessuto socio-economico, ma anche la fenomenologia criminale. Oggi ci troviamo di fronte a un salto paradigmatico: l'Intelligenza Artificiale (IA) non è più un semplice fattore abilitante o uno strumento di supporto, ma un vero e proprio vettore di trasformazione strutturale del crimine.
Come ricercatori indipendenti di criminologia, osserviamo l'emergere di una dinamica in cui l’asimmetria informativa tra attaccante e vittima viene amplificata esponenzialmente dalla capacità degli algoritmi generativi di replicare l'interazione umana, automatizzare la manipolazione psicologica e scalare la frode a livelli industriali.
Dalla Social Engineering Tradizionale all'Ingegneria Cognitiva Automatizzata
- La pietra angolare di gran parte dei reati informatici rimane la Social Engineering (ingegneria sociale). Tuttavia, l’integrazione dei modelli linguistici di grande dimensione (LLM) e della sintesi vocale/visiva avanzata ha sostituito i rudimentali tentativi di phishing del passato con campagne d'attacco iper-personalizzate e contestualmente impeccabili.
1. Phishing Generativo e Spearfishing su Scala
In passato, l'identificazione di un'email di phishing si basava su indicatori sintattici, errori ortografici e una palese genericità del testo. I Large Language Models hanno neutralizzato questi segnali di allarme. Attraverso lo scraping automatizzato dei profili social media e dei registri aziendali, gli aggressori generano messaggi contestualizzati nel registro linguistico della vittima, privi di imperfezioni grammaticali e calibrati sulle sue abitudini operative.
2. Deepfake e Clone Vocali: Lo Studio dei Casi Emblematici
L'uso delle reti generative avversarie (GAN) e dei modelli di sintesi vocale ha elevato la frode finanziaria a livelli di sofisticazione mai registrati precedentemente:
Il caso della multinazionale a Hong Kong (2024): Un dipendente del dipartimento finanziario di una multinazionale è stato indotto a versare 200 milioni di dollari HK (circa 25.6 milioni di dollari US) a seguito di una videoconferenza. Tutti i partecipanti alla riunione virtuale — compreso il Chief Financial Officer — erano ricreazioni in tempo reale basate su deepfake visivi e audio, ricavati da materiale pubblico aziendale.
CEO Fraud tramite Clonazione Vocale (Vishing): Già a partire dalle prime sperimentazioni (come il celebre caso della truffa alla controllata britannica di una compagnia energetica tedesca), i cybercriminali hanno utilizzato clip audio di pochi secondi per addestrare algoritmi in grado di replicare timbro, cadenza e inflessione di dirigenti d'azienda, autorizzando trasferimenti fondi d'urgenza via telefono.
Cybercrime-as-a-Service (CaaS) e democratizzazione del crimine
Un elemento critico nella prospettiva criminologica è la democratizzazione del know-how criminale. L'accesso a strumenti d'IA dedicati nel Dark Web — come varianti modificate di LLM prive di barriere etiche (es. WormGPT o FraudGPT) — consente anche a soggetti privi di competenze informatiche avanzate di:
Scrivere codice malevolo polimorfico in grado di eludere gli antivirus tradizionali.
Sviluppare script d'attacco automatizzati per scansionare vulnerabilità di rete.
Pianificare architetture di frode complesse in tempi ridotti.
| Modello di Attacco | Strumento AI Utilizzato | Vettore di Rischio Principale |
| Spear-Phishing su Scala | LLM non regolamentati (WormGPT) | Eliminazione dei segnali di errore e profilazione automatica |
| Identity Theft / CEO Fraud | Voice Cloning / Video GANs | Bypass dell'autenticazione biometrica e fiducia interpersonale |
| Malware Polimorfico | Generatori di Codice AI | Elusione dei sistemi antintrusione tradizionali (EDR) |
Le Sfide Investigative e la Risposta Giuridico-Criminologica
L'impiego dell'IA nella perpetrazione dei reati pone nodi complessi per il sistema della giustizia penale:
Attribuzione del reato: La stratificazione di agenti autonomi, bot e nodi anonimizzati rende arduo identificare la direzione strategica dietro l'esecuzione materiale del reato.
Erosione della prova digitale: La facilità con cui è possibile generare contenuti multimediali realistici mina la fiducia nel valore probatorio di audio e video in sede processuale (Liar's Dividend).
Velocità di esecuzione: Il tempo che intercorre tra l'individuazione di una vulnerabilità e il suo sfruttamento automatizzato si è ridotto da giorni a secondi.
La risposta non può limitarsi all'aggiornamento normativo (come l'AI Act europeo), ma richiede un cambio di paradigma criminologico: occorre sviluppare modelli di difesa predittiva basati sulla medesima tecnologia, integrando la cyber-intelligence con un'adeguata formazione sulla consapevolezza del rischio cognitivo nelle organizzazioni
La sera in cui Bobby non scese a giocare di Mayra Montero (Guanda)
Attingendo ai ricordi della sua adolescenza, Mayra Montero intreccia il racconto di due passioni tormentate con quello di una città e dei suoi profondi cambiamenti. E ci mostra che, proprio come in una partita a scacchi, anche il corso di una vita spesso è deciso da una mossa mancata.
«Al centro di questo romanzo divertente e insieme profondo pulsa uno spirito vitalistico: la vita deve essere vissuta.» - El Cultural
«Queste pagine raccontano la vita di persone tormentate dall'amore, che devono confrontarsi con l'imprevedibilità degli eventi storici. Si dice che il passato ritorna sempre, e quest’opera splendida ce lo dimostra ampiamente.» - La Razón
«Un grande romanzo sul mondo degli scacchi, sulla Cuba nei decenni della Guerra Fredda e insieme una rivendicazione del desiderio femminile. La grande letteratura, quella che rimane nel tempo, è scritta magnificamente come questo libro.» - ABC Cultural
«La scrittrice cubana gioca un'audace partita letteraria mescolando l'incontro reale con lo scacchista Bobby Fischer e i ricordi della sua adolescenza sull’isola.» - El País
Nell'Avana inquieta degli anni Cinquanta, attraversata dai primi fremiti della Rivoluzione, Mario conduce un'esistenza pacata, divisa tra il lavoro di orologiaio e le serate con l'anziano padre emigrato dalla Polonia. A spezzare lo scorrere dei giorni irrompe nella sua vita Regina Wender, una donna libera e affascinante, che in gioventù ha vissuto in Unione Sovietica e da allora, sostiene, è spiata dall'FBI. Regina è approdata a Cuba con il suo figlio geniale, quel Bobby Fischer che a dodici anni sta già facendo parlare di sé tutto il mondo degli scacchi, ed è venuto a sfidare i grandi maestri cubani. Un decennio dopo, nella Cuba di Fidel Castro, Bobby Fischer torna all'Avana in occasione delle Olimpiadi degli Scacchi. Ormai è un campione acclamato e Mario, che non ha mai smesso di pensare a Regina, spera che sia l'occasione per riallacciare i fili di un amore interrotto troppo presto. A fare da tramite dovrà essere, malgrado la sua timidezza, la giovane Miriam, una ragazza che di Bobby Fischer non sa quasi nulla ma che sembra perfetta per catturare l'attenzione di un americano «tutto cervello e sensibilità». Il loro incontro sboccerà in un amore proibito, breve ma indelebile, forse capace di segnare il destino di uno scacchista imprevedibile e di quello che negli anni Settanta passerà alla storia come il match del secolo...
Iscriviti a:
Post (Atom)
-
Con la sua scrittura limpida e sfrontata, Letizia Pezzali dà vita a una protagonista dalla voce inquieta, ironica, perturbante. Una voce c...
