Il Rischio Crescente del SaaS Sprawl: Necessità di Maggiore Controllo e Visibilità sulle Integrazioni

L’espansione delle applicazioni SaaS (Software as a Service) e degli agenti 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. Questa situazione è aggravata dal fatto che i dipendenti autorizzano frequentemente applicazioni OAuth di terze parti, le quali spesso mantengono accessi persistenti e permessi estesi, rimanendo attivi più a lungo del necessario.

Negli ultimi anni, le violazioni legate al SaaS sono aumentate del 300%, e si prevede che il numero di agenti in ambiente enterprise possa superare il miliardo entro il 2028. Questo scenario rende insostenibile un controllo basato esclusivamente su revisioni manuali.

I tool low-code e no-code, che facilitano la creazione e il deployment di agenti autonomi, possono contribuire a questo problema. Tali 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 identificata come CVE-2026-40933 in una piattaforma open source per la creazione di agenti e workflow LLM ha consentito a un attaccante di ottenere l’esecuzione remota di codice compromettendo un server. Questo attacco è avvenuto tramite l’importazione di un chatflow malevolo da parte di un utente autorizzato, combinando più fattori di rischio, come l’importazione di workflow condivisi da utenti fidati e permessi che consentivano configurazioni personalizzate.

Le soluzioni tradizionali faticano a scoprire queste integrazioni, valutare i relativi permessi o monitorare 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, al fine di comprendere il rischio in tempo reale e non solo dopo un 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.

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 forniscano evidenza su dove servono guardrail, chi ha accesso, cosa può raggiungere e come evolvono queste relazioni nel tempo.