Reading · Coondivido · RSS Amplifier

Questa settimana: un tool concreto, notizie chiave e due approfondimenti utili.

La scorsa settimana, Google ha aggiunto a Google Earth una funzione di generazione di immagini basata sull’intelligenza artificiale, utilizzando Nano Banana 2. La novità permetteva agli utenti di creare illustrazioni personalizzate sovrapponendole ai dati satellitari e tridimensionali reali.

Il lancio ha suscitato un’ondata di critiche da parte di giornalisti e ricercatori OSINT. Gli esperti hanno rapidamente dimostrato che lo strumento permetteva di creare immagini false convincenti di disastri e obiettivi militari, come l’isola iraniana di Khark in fiamme o il Campidoglio sommerso negli Stati Uniti.

Immediatamente dopo il lancio della funzione di generazione di immagini basata sul modello di intelligenza artificiale Nano Banana 2 nel servizio Google Earth, il ricercatore OSINT Henk van Ess ha testato la resistenza del sistema alla creazione di falsi.

Il ricercatore è riuscito a generare in pochi secondi immagini realistiche di eventi potenzialmente pericolosi e di grande risonanza:

▪️Un impianto nucleare in Iran.

▪️Un ospedale distrutto a causa di un bombardamento, con un cratere da esplosione a Gaza.

▪️Rifugiati al confine con il Messico.

▪️Un grave incidente stradale con vittime in una strada di Amsterdam, nei Paesi Bassi.

Il problema principale risiedeva nel principio stesso di funzionamento della funzione. Lo strumento non crea semplicemente un’immagine da zero, ma sovrappone oggetti generati ai dati satellitari e tridimensionali reali di Google Earth. Gli elementi artificiali ereditano l’illuminazione, l’angolo di ripresa e la gamma cromatica del luogo originale, il che conferisce alle falsificazioni un’elevata credibilità.

In risposta alle critiche, l’azienda Google ha dichiarato che tutti i fotogrammi generati dal modello di intelligenza artificiale sono protetti da un watermark digitale invisibile chiamato SynthID, che può essere riconosciuto tramite Gemini o Google Lens. Henk van Ess ha dimostrato la vulnerabilità di questo approccio in condizioni reali. Le immagini false vengono quasi mai diffuse come file originali con i metadati salvati. Più spesso, vengono trasmesse tramite screenshot, video ricodificati o foto dello schermo di uno smartphone, il che fa sì che il watermark vada perso.

Un giorno dopo il lancio, l’azienda Google ha deciso di ritirare completamente la funzione di generazione di immagini da Google Earth. L’azienda Google ha dichiarato che la funzione sarà disattivata temporaneamente per lo sviluppo di meccanismi di protezione più rigorosi.

Suno perde una causa storica sul diritto d’autore in Germania.

Un tribunale di Monaco ha stabilito che Suno ha violato la legge sul copyright addestrando la sua intelligenza artificiale su brani rappresentati dal gruppo tedesco per i diritti d’autore GEMA, come riporta Music Business Worldwide: si tratta della prima sconfitta significativa in una serie di cause legali che coinvolgono i generatori di musica basati sull’intelligenza artificiale. La GEMA, che rappresenta circa 95.000 membri, ha dimostrato la fondatezza delle sue affermazioni mostrando che le composizioni di Suno erano molto simili, per melodia e ritmo, a brani come “Rasputin”, “Daddy Cool” e “Forever Young”. Il Tribunale regionale di Monaco ha ordinato a Suno di rivelare i ricavi derivanti dai brani incriminati e di pagare un risarcimento danni, il cui importo esatto è ancora da determinare.

La sentenza obbliga le aziende che si occupano di musica basata sull’intelligenza artificiale a concedere effettivamente in licenza i cataloghi su cui si addestrano, invece di chiedere scusa in seguito, e la valutazione di 5,4 miliardi di dollari di Suno è appena diventata molto più costosa da difendere. Ogni altro generatore audio basato sull’IA che sta seguendo questo caso ora sa che sarà un tribunale, e non un accordo, a decidere come si evolverà la situazione.

V4-Flash di DeepSeek offre lavoro da agente di frontiera a prezzi stracciati.

DeepSeek ha aggiornato silenziosamente V4-Flash, riaddestrando il suo modello incentrato sugli agenti per spingere i punteggi dei benchmark ben oltre la precedente versione di anteprima, pur mantenendo la stessa architettura e le stesse dimensioni. I token di input costano 0,14 dollari per milione in caso di cache miss (solo 0,0028 dollari per milione in caso di cache hit), mentre l’output ha un prezzo di 0,28 dollari per milione, una frazione di quanto i modelli di frontiera più diffusi addebitano per un lavoro comparabile svolto dagli agenti .

Agenti economici e performanti cambiano le carte in tavola su ciò che vale la pena automatizzare, e ora ogni fornitore di servizi premium deve giustificare il proprio prezzo rispetto a un modello che offre prestazioni simili a un costo irrisorio. La prossima generazione di strumenti di intelligenza artificiale basati su agenti utilizzerà sempre più il modello che risulterà sufficientemente economico da poter essere utilizzato su larga scala.

LinkedIn introdurrà il pulsante “Sembra un contenuto generato dall’IA di bassa qualità”

LinkedIn ha introdotto un pulsante “Sembra un contenuto generato dall’IA di bassa qualità” che consente agli utenti di segnalare direttamente i contenuti generati automaticamente o dall’intelligenza artificiale. La preoccupazione di LinkedIn per gli errori commessi dall’IA fa seguito a segnalazioni del settore secondo cui ben il 41% dei contenuti di lunga durata sulla piattaforma è generato dall’intelligenza artificiale. L’azienda ha dichiarato che rimuoverà persino la funzione “migliora il tuo post”, sostituendola con uno strumento di correzione bozze per ridurre la proliferazione di contenuti automatizzati. A differenza di altre piattaforme di social media, LinkedIn incoraggia gli utenti a utilizzare l’intelligenza artificiale con le funzioni “Migliora post” e altre opzioni che riformulano i contenuti degli utenti con l’ausilio dell’IA.

L’UE può multare i produttori di IA con una sanzione pari al 3% del fatturato.

L’Unione Europea ora può ispezionare i modelli di intelligenza artificiale prima del loro lancio, bloccarne l’immissione sul mercato e multare i fornitori fino a 15 milioni di euro o al 3% del fatturato annuo, a seconda di quale importo sia maggiore.

I poteri, previsti dalla legge europea sull’intelligenza artificiale del 2024 e applicati dall’Ufficio dell’UE per l’IA, sono entrati in vigore il 2 agosto e si applicano a qualsiasi azienda che offra un modello generico in Europa, indipendentemente dalla sua sede. Il rifiuto di fornire informazioni, dare risposte fuorvianti o bloccare la valutazione di un modello è di per sé sanzionabile con una multa, esponendo laboratori statunitensi come Anthropic, OpenAI e Google, che sono tenuti a nominare un rappresentante con sede nell’UE.

I droni armati stanno arrivando nelle scuole statunitensi

Alcune scuole statunitensi si stanno dotando di flotte di “droni d’attacco” pilotati a distanza, in grado di sparare proiettili al pepe, disorientare e persino speronare un aggressore armato nei corridoi, il tutto controllato da una squadra di intervento privata a centinaia di chilometri di distanza, ad Austin.

Nove scuole in Florida, Georgia e Colorado si uniranno al programma di Mithril Defense, con droni posizionati in appositi box di sicurezza intorno a ciascun campus. I droni decollano in pochi secondi e possono spruzzare gel al peperoncino, accendere luci stroboscopiche e azionare sirene per rallentare un tiratore, oppure speronarlo a una velocità fino a 110 km/h. Gli operatori umani pilotano i droni a distanza dalla sede centrale di Mithril ad Austin e comunicano la posizione del tiratore alla polizia intervenuta.

I 4 miliardi di dollari che le scuole statunitensi spendono ogni anno per la sicurezza fisica vengono utilizzati per acquistare hardware che invia segnalazioni; questi droni, invece, agiscono in base a una valutazione effettuata da un appaltatore di Austin. Le autorità sono preoccupate: il rilevatore di armi basato sull’intelligenza artificiale di Omnilert ha segnalato una volta il sacchetto di Doritos di un adolescente, ma non è riuscito a individuare la pistola usata nella sparatoria mortale in una scuola del Tennessee.

Negli ultimi mesi diversi strumenti di verifica — controllo domini, ricerca username, archivi di violazioni email — hanno iniziato a collegarsi direttamente agli assistenti AI attraverso uno standard chiamato Model Context Protocol.

Il punto non è che l’intelligenza artificiale sia diventata più “intelligente”. È che ora può interrogare uno strumento reale invece di rispondere sulla base di ciò che ha letto durante l’addestramento — con una differenza pratica enorme: un dato richiamato da uno strumento in tempo reale è verificabile, un dato “ricordato” dal modello no.

Nel nuovo articolo su Coondivido spieghiamo come funziona questo collegamento passo per passo, con un esempio concreto di verifica di un profilo sospetto, e mettiamo in fila gli errori più comuni: fidarsi di una risposta perché arriva veloce, accontentarsi di un solo strumento, dare per scontato che un collegamento automatico sia anche un collegamento sicuro.

Perché conta. Chi lavora nella comunicazione, nel giornalismo o gestisce anche una piccola organizzazione si trova sempre più spesso a dover valutare in fretta se un contatto, un dominio o un profilo è affidabile. Sapere come funziona davvero questa nuova generazione di strumenti — cosa possono controllare e cosa restano incapaci di giudicare da soli — è ciò che separa un controllo utile da una falsa sicurezza.

Leggi l’articolo completo → coondivido.it/mcp-osint-verifica-fonti-ai

Questa settimana l’errore OSINT arriva dallo spazio: un video virale sosteneva di mostrare il momento in cui un razzo SpaceX Falcon 9 colpisce la Luna, producendo una grande nube bianca dopo l’impatto.

Il problema? Il video è falso.

Secondo una verifica pubblicata da Full Fact l’11 agosto 2026, una parte di un razzo Falcon 9 ha effettivamente colpito la Luna il 5 agosto 2026, ma il filmato circolato online non mostra quell’evento reale. Esperti di astronomia consultati da Full Fact hanno spiegato che il video è incompatibile con la topografia lunare, con il punto reale dell’impatto e con ciò che sarebbe tecnicamente osservabile da Terra.

L’errore OSINT consiste nel confondere un evento reale con una prova visiva falsa.

Questa è una dinamica sempre più comune nell’ambiente informativo attuale: accade qualcosa di vero, poi un contenuto generato o manipolato viene agganciato a quell’evento per renderlo più credibile, più emozionante e più condivisibile.

In questo caso, la premessa era reale: un componente di un razzo SpaceX ha impattato la Luna. Ma la conclusione era sbagliata: il video virale non era una ripresa autentica dell’impatto.

Il punto critico per un analista OSINT è semplice:

Un fatto reale non autentica automaticamente tutti i contenuti visivi associati a quel fatto.

Full Fact riporta che il video mostrava un oggetto dirigersi verso la Luna e provocare una grande nube bianca. Tuttavia, gli esperti hanno evidenziato diversi problemi. Un astronomo dell’Università di Cambridge ha spiegato che il razzo sarebbe stato troppo piccolo e troppo lontano per essere risolto da un telescopio terrestre. Un altro esperto ha affermato che la zona mostrata nel video non corrispondeva al luogo previsto dell’impatto, mentre un astronomo del Royal Observatory Greenwich ha sottolineato che l’impatto non avrebbe prodotto una nube delle dimensioni mostrate.

Le red flag erano chiare:

il video era molto più spettacolare di quanto ci si potesse aspettare da un’osservazione reale;
mancavano fonti scientifiche o media verificabili che lo usassero come prova;
la dinamica dell’impatto appariva cinematografica;
la scala dell’oggetto e della nube non era coerente;
esperti indipendenti non confermavano l’autenticità del filmato.

Il workflow corretto avrebbe richiesto tre passaggi: verificare prima l’evento reale, poi analizzare separatamente il contenuto visivo, infine confrontare il video con fonti scientifiche, immagini ufficiali e limiti tecnici dell’osservazione astronomica.

La domanda giusta non era: “È successo davvero qualcosa sulla Luna?”

La domanda giusta era:

“Questo specifico video può davvero mostrare quell’evento?”

La risposta, in questo caso, era no.

Lezione OSINT della settimana:
nell’era dell’AI, il contenuto più ingannevole non è sempre completamente falso. Spesso è un contenuto falso collegato a un evento vero.

Regola da ricordare:
evento reale, media falso, conclusione sbagliata.

Il problema non è quanto cerchi, è se controlli quando ogni fatto era vero.

Chi fa verifica su fonti aperte conosce il problema meglio di chiunque altro: l’errore raramente nasce dalla mancanza di dati. Nasce da due fonti entrambe vere che, messe una accanto all’altra, si contraddicono — e nessuno se ne accorge perché nessuno ha annotato quando ciascuna era valida.

Un progetto open source, Deep Research AI Agent, prova a rendere questo controllo sistematico invece che affidato alla memoria di chi indaga. Il sistema separa in modo esplicito la pianificazione della ricerca dalla sua esecuzione, assegna un livello di sforzo diverso a seconda che il compito sia estrarre un dato o giudicare un rischio, ancora ogni fatto raccolto a una finestra temporale precisa, e rappresenta le relazioni tra persone ed enti come una struttura consultabile invece che come un racconto lineare.

Non è un prodotto pronto per la produzione: è nato come esercizio per una selezione tecnica e resta pubblicato con licenza open source. Ma il metodo che applica si può portare anche in una verifica fatta a mano, con un foglio di calcolo: pianificare prima di cercare, dare più peso alle domande che contano, datare ogni fatto, cercare sempre una seconda fonte indipendente prima di fidarsi.

Nell’articolo completo su Coondivido.it trovi il dettaglio dei cinque passaggi del metodo, un esempio concreto di contraddizione temporale rilevata dal sistema, e gli errori più comuni in un’indagine open source non strutturata.

Impatto: per chi lavora in due diligence, compliance o giornalismo investigativo, la lezione principale non riguarda lo strumento specifico ma il criterio: un report è affidabile quanto la sua capacità di essere contraddetto internamente. Un sistema — o un’abitudine di lavoro — che non prevede un passaggio dedicato a cercare le proprie contraddizioni produce risultati che sembrano completi anche quando non lo sono. È questo lo scarto tra una ricerca ampia e una ricerca verificata.

[Leggi l’articolo completo]

Azienda: Randstad Digital (per importante azienda cybersecurity)
Sede: Ancona/Camerano
Data pubblicazione: luglio 2026

Attività principali:

Monitoraggio quotidiano di fonti OSINT e feed di threat intelligence.
Analisi e classificazione di CVE (vulnerabilità critiche).
Redazione di security advisory per clienti.
Supporto alla produzione di report periodici di threat intelligence.
Collaborazione con il team SOC.

Requisiti:

Laurea in Informatica, Ingegneria Informatica o affini.
Conoscenza di base di cybersecurity e networking.
Interesse per threat intelligence e analisi OSINT.

Link: https://www.randstad.it/offerte-lavoro/junior-threat-intelligence-analyst-mfnb-ancona_camerano_285fc713-46b1-44aa-847d-abc909d29248/

Azienda: Intesa Sanpaolo Group
Sede: Milano
Data pubblicazione: luglio 2026

Attività principali:

Monitoraggio continuo di fonti open source (social, media, forum, database, registri pubblici).
Applicazione del ciclo d’intelligence per trasformare dati in insights.
Redazione di report analitici per supporto decisionale strategico.
Supporto a scenario analysis, valutazione rischio geopolitico, monitoraggio eventi sensibili.

Requisiti:

Laurea in Studi Strategici, Scienze Politiche, Relazioni Internazionali o affini.
Esperienza 1–3 anni.
Conoscenza di sicurezza delle informazioni, data search, data protection.
Ottima conoscenza di Excel e PowerPoint.

Plus:

Esperienza OSINT o security risk analysis.
Conoscenza di cybersecurity e gestione del rischio.

Retribuzione: da 35.650 € RAL + benefit.

Link: https://finseats.com/jobs/open-source-intelligence-junior-analyst-isp-milano-44425

Azienda: Argo S.p.A. (società di intelligence)
Sede: Italia (remoto/ibrido)
Data pubblicazione: marzo 2025 (LinkedIn)

Attività principali:

Ricerca e analisi di informazioni da fonti aperte per indagini complesse.
Elaborazione documentale precisa e dettagliata.
Gestione autonoma del ciclo OSINT.

Requisiti:

Laurea in Scienze Politiche, Giurisprudenza o equiparate.
Esperienza comprovata di almeno 6 anni in OSINT.
Conoscenza professionale di strumenti e tecniche investigative.
Ottime capacità di comunicazione e report in italiano e inglese.

Esclusi: esperti di cyber threat intelligence, sviluppatori, analisti forensi, esperti di AI.

Link: https://it.linkedin.com/jobs/view/analista-osint-senior-at-argo-s-p-a-4189984418

Azienda: Dogma S.p.A. (agenzia investigativa corporate)
Sede: Torino (Piemonte)
Data pubblicazione: maggio 2026

Attività principali:

Analisi di informazioni ed elaborazione di rapporti valutativi su minacce (truffe, risk management, travel intelligence, eversione, criminalità, reputazione).
Ricerca trasversale su fonti aperte e darknet.
Ricostruzione di rapporti tra stakeholder, assetto societario, titolarità effettiva.
Supporto informativo ai settori operativi.

Requisiti:

Laurea magistrale in discipline giuridico-economiche.
1–3 anni di esperienza in Analisi OSINT.
Conoscenza di software OSINT e acquisizione forense di prove digitali.
Buona conoscenza dell’inglese (B2).

Contratto: tempo indeterminato, lavoro ibrido, formazione in sede.

Link: https://it.trabajo.org/offerta-5559-16d2c488227e697798a23aff567e08f2

Azienda: PONZI (Milano)
Sede: Milano, Lombardia
Data pubblicazione: 2026 (Indeed)

Attività principali:

Raccolta e analisi di dati da fonti pubbliche (social, forum, siti web, database).
Supporto alle operazioni investigative aziendali.
Utilizzo di strumenti e tecniche avanzate di OSINT.

Requisiti:

Esperienza in investigazioni e uso di strumenti OSINT.
Capacità analitiche e redazionali.

Link: https://it.indeed.com/q-open-source-intelligence-offerte-lavoro.html

Il nuovo modello di intelligenza artificiale Muse Spark 1.1 dell’azienda Meta* ha avuto accesso a Internet durante i test delle sue funzionalità di sicurezza e ha sfruttato una vulnerabilità in un servizio esterno. L’incidente è stato causato da un errore nella configurazione dell’ambiente di test, configurato da una società esterna israeliana, Irregular. A causa di un’isolamento configurato in modo errato, il modello è stato in grado di connettersi a Internet e ha violato i sistemi di un’azienda non identificata [le informazioni sull’incidente sono ancora limitate]. Irregular ha sottolineato che l’evento non è stato un attacco informatico complesso.

Secondo l’azienda, al momento non ci sono problemi irrisolti.

Nelle ultime due settimane, incidenti simili si sono verificati durante i test dei modelli di intelligenza artificiale delle aziende Anthropic e OpenAI. In entrambi i casi, l’azienda coinvolta è stata la stessa: Irregular.

Il portavoce di Meta, Andy Stone, ha dichiarato che l’azienda è stata informata dell’accaduto proprio dalla società appaltatrice. Meta* ha avviato un’indagine e pubblicherà un’analisi completa dell’incidente al termine. Anche Irregular sta preparando un documento tecnico con raccomandazioni sull’isolamento degli ambienti di test e sulla conduzione sicura di test di sicurezza per i modelli di intelligenza artificiale avanzati.

Lo startup Irregular, con sede a Tel Aviv, è stata fondata nel 2023. L’azienda è guidata dall’amministratore delegato Dan Lahav e dal direttore tecnico Omer Nevo. L’anno scorso, la startup israeliana ha annunciato di aver raccolto 80 milioni di dollari di finanziamenti, con la partecipazione di Sequoia Capital e Redpoint Ventures.

L’analista di Bloomberg Intelligence, Manjinder Singh, ha osservato che una serie di violazioni simili potrebbe aumentare l’interesse dei clienti aziendali per ambienti isolati specializzati e modelli di intelligenza artificiale con pesi aperti, che possono essere implementati e adattati all’interno della propria infrastruttura, poiché i clienti stanno verificando sempre più rigorosamente i fornitori di soluzioni di intelligenza artificiale in termini di sovranità dei dati, sicurezza e conformità normativa.

n una foto pubblica di un evento aziendale compare un badge con scritto:

Sala 404 — WiFi: Guest-404