Il dipendente più pericoloso della vostra azienda potrebbe non lavorare lì affatto. La diffusione di deepfake audio e video, sempre più economici e convincenti, sta alimentando una nuova generazione di attacchi: hacker che impersonano il CFO durante una videochiamata, l’assistente che chiede un bonifico urgente, il tecnico IT che richiede credenziali per un intervento critico. L’industria della sicurezza ha già coniato un’etichetta per questa minaccia: “synthetic insider”, l’insider sintetico. Non è un dipendente reale, ma lo sembra abbastanza da aggirare controlli fondati sulla fiducia e sulla familiarità.

Il problema non nasce oggi. Le minacce interne — dai collaboratori negligenti alle talpe deliberate — sono da decenni la spina nel fianco dei responsabili della sicurezza. Ma il synthetic insider cambia le carte in tavola perché non richiede l’accesso fisico o la compromissione di un account: basta un clone digitale credibile, generato magari da pochi secondi di voce rubata da un video pubblico o da una finta videochiamata costruita con modelli generativi open source. La barriera d’ingresso è crollata, e i danni possono essere immediati: trasferimenti di fondi, furto di proprietà intellettuale, esfiltrazione di dati personali.

Se la minaccia si fa sintetica, anche la difesa deve cambiare registro. Non si tratta più solo di educare gli utenti a riconoscere email sospette o di blindare il perimetro di rete. Un deepfake ben eseguito può superare le verifiche biometriche vocali o visive se queste si appoggiano a servizi cloud gestiti da terze parti. È qui che le architetture on-premise e la sovranità sui dati di autenticazione diventano argomenti strategici. Quando l'inference per il riconoscimento facciale o vocale gira su infrastruttura controllata dall’azienda, non c’è un endpoint esterno da intercettare o un provider cloud che potrebbe diventare bersaglio di attacchi supply chain. Inoltre, la latenza si riduce e il TCO, per organizzazioni medio-grandi, può essere favorevole rispetto a canoni mensili moltiplicati per migliaia di utenti.

Non è solo una questione di fiducia nel fornitore. Il synthetic insider prospera sulla velocità: l’attacco funziona se riesce a bypassare il fattore umano in pochi minuti. I sistemi di verifica basati su LLM e modelli di deep learning devono rispondere in tempo reale, analizzando micro-espressioni, coerenza del parlato, pattern comportamentali. Un deployment on-premise consente di personalizzare i modelli sui dataset interni, ottimizzare la quantization per girare su GPU aziendali e mantenere tutto il processo sotto il controllo del team di sicurezza, senza che i dati vocali o video lascino mai i confini aziendali. Per chi opera in settori regolati — banche, difesa, sanità — questo è anche un requisito di compliance che il GDPR o normative equivalenti rendono non negoziabile.

Certo, per molte PMI il cloud resta la strada più accessibile, ma la traiettoria è chiara: man mano che i deepfake diventano indistinguibili dalla realtà, la verifica dell’identità si sposterà sempre più verso sistemi self-hosted o quantomeno ibridi, dove il riconoscimento critico avviene in locale e solo i metadati anonimizzati raggiungono servizi esterni. Non è fantascienza: alcune aziende stanno già integrando modelli di rilevamento di deepfake nei loro flussi di autenticazione multifattoriale, trasformando il volto e la voce del dipendente in un ulteriore fattore biometrico verificato on-device.

Il synthetic insider costringe a ripensare l’architettura della fiducia. Non possiamo più permetterci di credere a ciò che vediamo o sentiamo digitalmente senza una verifica indipendente, e questa verifica deve essere il più possibile svincolata da infrastrutture che non controlliamo. La prossima generazione di attacchi non busserà alla porta: la aprirà con il volto del nostro collega.