In Breve
- Cosa si intende per SaaS sprawl?
- Il termine si riferisce all'espansione incontrollata delle applicazioni SaaS all'interno di un'organizzazione, aumentando i rischi per la sicurezza.
- Quali sono i rischi associati all'uso di applicazioni SaaS?
- I rischi includono violazioni della sicurezza, accessi non autorizzati e compromissione dei dati aziendali.
- Come possono le aziende mitigare i rischi del SaaS sprawl?
- Implementando controlli adeguati, visibilità continua e strumenti di monitoraggio delle 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. I dipendenti autorizzano frequentemente applicazioni OAuth di terze parti, concedendo accessi persistenti e permessi estesi che spesso rimangono attivi più a lungo del necessario. Questo scenario è ulteriormente complicato dall’integrazione di agenti AI e flussi automatizzati in piattaforme critiche, come i sistemi di gestione delle relazioni con i clienti (CRM) e gli strumenti di collaborazione.
Secondo recenti analisi, le violazioni legate al SaaS sono aumentate del 300%. Inoltre, si prevede che il numero di agenti AI in ambiente enterprise possa superare il miliardo entro il 2028. Questa crescita esponenziale rende insostenibile un controllo basato esclusivamente su revisioni manuali.
I tool low-code/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 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 creare agenti e workflow LLM ha permesso a un attaccante di ottenere esecuzione remota di codice, compromettendo un server intero. Questo attacco ha sfruttato la combinazione 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 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 un incidente.
Approcci come i knowledge graph possono mappare entità (persone, account, token, risorse) e le loro relazioni, rivelando contesti altrimenti non evidenti. Questo permette 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. Solo così le aziende possono affrontare in modo proattivo i rischi associati all’espansione delle applicazioni SaaS e degli agenti AI.