I Large Language Models (LLM) sono ormai entrati stabilmente nei flussi operativi di aziende e programmatori, ma la loro propensione ad “allucinare” — generando dati apparentemente plausibili ma privi di riscontro reale — ha aperto la strada a un nuovo vettore d’attacco. Il team di threat intelligence Unit 42 di Palo Alto Networks ha identificato e battezzato questa tecnica emergente con il nome di phantom squatting.
La minaccia sfrutta la tendenza dei modelli linguistici a inventare domini web e indirizzi URL quando viene loro richiesto di generare codice, raccomandare librerie o suggerire risorse online. I criminali informatici intercettano queste allucinazioni e registrano preventivamente i domini inesistenti, trasformandoli in trappole per veicolare malware, condurre campagne di phishing e sottrarre credenziali a chiunque clicchi sul link generato dall’AI.
La portata del fenomeno: oltre 13.000 URL malevoli già attivi
L’indagine condotta da Unit 42 ha quantificato l’ampiezza e la sistematicità della tecnica attraverso test approfonditi su diverse configurazioni di modelli:
- I numeri della ricerca: Analizzando 913 brand globali attraverso più di 685.000 query, i ricercatori hanno generato 2,1 milioni di URL. Da questa base sono emersi oltre 13.229 URL dannosi già operativi e circa 250.000 domini allucinati ancora liberi ma ad alto rischio di registrazione malevola.
- Finestra predittiva di difesa: I sistemi di monitoraggio proattivo hanno dimostrato di poter prevedere l’interesse criminale per tali indirizzi con un anticipo compreso tra 18 e 51 giorni prima della registrazione effettiva.
- Il caso reale “Montana Empire”: I ricercatori hanno documentato l’attività di un cybercriminale che ha sfruttato un assistente di codifica basato su LLM per realizzare un kit di phishing completo denominato Montana Empire. L’attacco ha preso di mira un dominio che i sistemi di Unit 42 avevano catalogato come bersaglio di allucinazione ad alto rischio con 23 giorni di anticipo.
Impatto sulla software supply chain e contromisure necessarie
Il risvolto più pericoloso del phantom squatting ricade sulla filiera di sviluppo software. Quando uno sviluppatore riceve da un assistente AI il suggerimento di una libreria o di una dipendenza fittizia e la integra nell’architettura del codice senza validazione, gli aggressori possono acquisire il dominio allucinato e distribuire pacchetti compromessi all’intera catena di approvvigionamento, infettando a cascata tutti gli utilizzatori a valle.
La ricerca evidenzia come la fiducia incondizionata negli output sintetici costituisca oggi una vulnerabilità critica. Per arginare il rischio, le organizzazioni devono imporre la verifica manuale preventiva su proprietà e legittimità di qualsiasi URL fornito dagli LLM prima della sua implementazione, affiancando controlli infrastrutturali capaci di bloccare e monitorare le connessioni verso domini registrati di recente o con pattern sospetti.
