La prompt injection è un attacco in cui istruzioni nascoste dentro un testo, un’email, un documento o una pagina web modificano il comportamento di un sistema di intelligenza artificiale. Per gli agenti AI, che leggono contenuti esterni e possono compiere azioni, il rischio è più alto: un messaggio costruito ad arte può spingerli a inviare dati o usare strumenti in modo non previsto. Non esiste una protezione infallibile, ma permessi minimi, controllo umano sulle azioni importanti e separazione dei contenuti riducono molto il danno possibile.
In breve
- OWASP mette la prompt injection al primo posto (LLM01:2025) nella Top 10 dei rischi per le applicazioni basate su modelli linguistici.
- Il 9 dicembre 2025 OWASP ha pubblicato la Top 10 per le applicazioni agentiche 2026: il primo rischio è il dirottamento dell’obiettivo dell’agente (ASI01, Agent Goal Hijack).
- Secondo OWASP gli agenti e i modelli non riescono a distinguere in modo affidabile le istruzioni legittime dai contenuti controllati da un attaccante.
- In una competizione di red teaming raccontata dal NIST a marzo 2026, su oltre 250.000 tentativi è stato trovato almeno un attacco riuscito contro tutti i 13 modelli testati.
- ENISA, nel Threat Landscape 2025, segnala che l’integrazione dell’AI nei sistemi aziendali apre una nuova superficie di attacco.
Cos’è la prompt injection?
Un modello linguistico lavora su testo: riceve istruzioni e contenuti nello stesso flusso. La prompt injection sfrutta proprio questo. Secondo OWASP si verifica quando un input altera il comportamento o la risposta del modello in modo non voluto, anche con istruzioni che una persona non vede, purché il modello le legga.
OWASP distingue due tipi:
- diretta: è l’utente stesso a scrivere nella chat istruzioni che cercano di aggirare le regole dell’assistente;
- indiretta: le istruzioni arrivano da fonti esterne che il modello legge, come siti web, file, email o inviti di calendario.
Il jailbreak è una forma di prompt injection in cui l’attaccante cerca di far ignorare al modello le sue regole di sicurezza.
Perché gli agenti che leggono email, documenti e siti sono più esposti?
Un assistente che si limita a rispondere può, nel caso peggiore, dare una risposta sbagliata. Un agente invece ha accesso a strumenti: casella di posta, documenti, gestionale, calendario, browser. Se un contenuto esterno riesce a cambiargli l’obiettivo, l’agente usa quegli strumenti per conto dell’attaccante.
La Top 10 di OWASP per le applicazioni agentiche descrive esempi concreti di questo rischio:
- istruzioni nascoste in pagine web o documenti che spingono un agente a esfiltrare dati o usare male gli strumenti collegati;
- email o inviti di calendario inviati dall’esterno che portano l’agente a mandare messaggi non autorizzati con un’identità fidata;
- istruzioni che inducono un agente finanziario a trasferire denaro sul conto dell’attaccante;
- contenuti che fanno produrre all’agente informazioni false usate poi per decisioni aziendali.
Tra gli scenari reali citati da OWASP c’è EchoLeak, un attacco «zero click» in cui un’email costruita ad arte portava un assistente aziendale a eseguire istruzioni nascoste e a esporre email, file e chat, senza alcuna azione dell’utente.
Quanto è diffuso e quanto è difficile da bloccare?
Il NIST, attraverso il suo centro CAISI, ha raccontato a marzo 2026 i risultati di una competizione pubblica di red teaming: oltre 400 partecipanti hanno provato attacchi di dirottamento, cioè prompt injection indirette, contro 13 modelli di frontiera in scenari con uso di strumenti, programmazione e controllo del computer. Su più di 250.000 tentativi è stato trovato almeno un attacco riuscito contro ogni modello, con differenze anche ampie tra un modello e l’altro.
OWASP è esplicito: data la natura dei modelli generativi, non è chiaro se esistano metodi di prevenzione infallibili. La strategia corretta è quindi limitare l’impatto di un attacco riuscito.
ENISA, nel Threat Landscape 2025, osserva che oggi l’abuso degli strumenti di AI da parte dei criminali è più frequente degli attacchi diretti ai sistemi di AI, ma che i ricercatori hanno già dimostrato diversi modi per deviarne il funzionamento e che l’integrazione dell’AI negli ambienti aziendali introduce una nuova superficie di attacco.
Quali misure raccomandano OWASP e gli enti di sicurezza?
Le indicazioni di OWASP per LLM01 e ASI01 si possono tradurre in regole pratiche:
- Tratta ogni contenuto esterno come non affidabile: testi degli utenti, documenti caricati, pagine web, email passano dagli stessi controlli prima di influenzare le azioni dell’agente.
- Privilegio minimo: l’agente deve avere solo gli accessi strettamente necessari al suo compito, con credenziali proprie gestite dal codice e non dal modello.
- Approvazione umana per le azioni ad alto impatto: pagamenti, invio di dati all’esterno, modifiche a contratti o anagrafiche.
- Istruzioni di sistema chiare e bloccate: ruolo, limiti e azioni permesse scritti in modo esplicito e modificabili solo con un processo controllato.
- Separare e segnalare i contenuti esterni, così che il sistema li tratti come dati e non come ordini.
- Formati di risposta definiti e verificati da controlli automatici.
- Registri e monitoraggio delle attività dell’agente, con allarmi su comportamenti anomali.
- Test periodici che simulano attacchi.
Cosa fare adesso
- Fai l’inventario degli strumenti di AI che leggono contenuti esterni: assistenti nella posta, nei documenti, nel browser, chatbot sul sito.
- Per ciascuno, elenca cosa può fare: leggere, scrivere, inviare, pagare, cancellare. Togli tutti i permessi non indispensabili.
- Stabilisci quali azioni richiedono sempre una conferma umana e configurale così.
- Non collegare un agente a dati sensibili e, insieme, a canali di invio verso l’esterno senza controlli intermedi.
- Chiedi al fornitore come gestisce la prompt injection, quali registri conserva e come si interviene in caso di comportamento anomalo. Trovi una lista di domande in Agenti AI e dati dei clienti: le domande da fare al fornitore.
- Forma il personale a riconoscere comportamenti strani dell’assistente e a segnalarli.
Quando progettiamo agenti AI interni con Ecosystem partiamo da questi principi: permessi limitati al compito, passaggio a una persona quando serve, dati trattati secondo il GDPR.
Informazioni aggiornate a novembre 2026.
Domande frequenti
Che differenza c’è tra prompt injection diretta e indiretta?
Nella prompt injection diretta è l’utente a scrivere istruzioni che cercano di aggirare le regole dell’assistente. In quella indiretta le istruzioni sono nascoste in contenuti esterni che il sistema legge, come pagine web, file o email. Per gli agenti la forma indiretta è la più pericolosa, perché può arrivare senza che nessuno se ne accorga.
Un chatbot sul sito aziendale può subire prompt injection?
Sì, un visitatore può provare a fargli dire cose non previste. Il danno però dipende da cosa il chatbot può fare: se risponde solo con informazioni approvate e non ha accesso a dati riservati o ad azioni sensibili, l’impatto resta limitato. Il rischio cresce quando il sistema è collegato a dati e strumenti.
Esiste un filtro che blocca tutte le prompt injection?
No. OWASP afferma che non è chiaro se esistano metodi di prevenzione infallibili e il NIST ha documentato attacchi riusciti contro tutti i modelli testati in una competizione. La difesa si basa su più livelli: permessi minimi, controllo umano sulle azioni importanti, separazione dei contenuti esterni e monitoraggio.
Cos’è la Top 10 OWASP per le applicazioni agentiche?
È un elenco dei dieci rischi di sicurezza più critici per i sistemi di AI che pianificano e agiscono in autonomia, pubblicato da OWASP il 9 dicembre 2025 con il contributo di oltre 100 esperti. Il primo rischio è il dirottamento dell’obiettivo dell’agente; seguono, tra gli altri, l’uso improprio degli strumenti e l’abuso di identità e privilegi.
Fonti
- OWASP Gen AI Security Project, «LLM01:2025 Prompt Injection», Top 10 for LLM Applications 2025
- OWASP Gen AI Security Project, «OWASP Top 10 for Agentic Applications for 2026», 9 dicembre 2025
- NIST, CAISI Research Blog, «Insights into AI Agent Security from a Large-Scale Red-Teaming Competition», 23 marzo 2026
- ENISA, «ENISA Threat Landscape 2025», ottobre 2025
