Il paradosso del default: mettere in sicurezza la frontiera uomo-IA nell'era dell'autonomia agentica

La trasformazione digitale del settore globale del recruitment ha raggiunto un punto di inflessione critico, seppur catastrofico, nel giugno 2025. L'esposizione della piattaforma McHire, un sistema di assunzione basato sull'intelligenza artificiale utilizzato da McDonald’s e alimentato dal vendor Paradox.ai, è servita da diagnosi netta delle vulnerabilità sistemiche inerenti agli attuali deployment di IA.¹ Questo incidente, che ha messo a rischio i dati personali, comportamentali e psicometrici di circa 64 milioni di candidati, non è stato il risultato di un sofisticato exploit zero-day o di un'offensiva informatica di uno Stato-nazione. È stato invece precipitato dal collasso dell'igiene di sicurezza fondamentale: una password amministrativa di default pari a "123456" e una vulnerabilità Insecure Direct Object Reference (IDOR) non patchata.¹

Per una consulenza di IA di livello enterprise come Veriprajna, questa violazione rappresenta più di un monito; è una convalida della necessità di strategie architetturali di "Deep AI" che trascendano il fragile modello del "wrapper API". L'incidente Paradox dimostra che, quando l'IA è trattata come uno strato superficiale innestato su infrastrutture legacy, il perimetro di sicurezza resta ancorato all'anello più debole della supply chain. Questo report fornisce un post-mortem tecnico esaustivo della violazione, un'analisi delle ramificazioni psicologiche e giuridiche dell'esposizione di dati psicometrici, e un framework rigoroso per la transizione verso una postura di sicurezza difendibile e AI-native.

L'anatomia di un collasso sistemico: il post-mortem di McHire

La violazione della piattaforma McHire è iniziata con curiosità professionale piuttosto che con intento malevolo. I ricercatori di sicurezza Ian Carroll e Sam Curry hanno avviato un'indagine a seguito di diffuse lamentele degli utenti riguardo al chatbot "Olivia" — l'IA conversazionale sviluppata da Paradox.ai che funge da gateway primario per il recruitment di McDonald’s.¹ I ricercatori hanno osservato che una scarsa user experience e interfacce front-end buggate sono spesso sintomatiche di una più profonda negligenza architetturale.¹

La compromissione tecnica si è svolta in due stadi distinti. Il primo stadio ha coinvolto la scoperta di un portale di gestione destinato ai dipendenti Paradox. Sondando un account di ristorante di test, i ricercatori hanno constatato che l'interfaccia amministrativa era protetta dalle credenziali "123456" sia per lo username sia per la password.¹ Questo account, rimasto attivo ma non monitorato dal 2019, era privo di autenticazione a più fattori (MFA).³ Il fallimento qui è duplice: la persistenza di una password di default, immediatamente crackabile, e l'assenza di un protocollo di "decommissioning" per le identità amministrative obsolete.¹

Il secondo stadio della violazione ha coinvolto lo sfruttamento di una vulnerabilità IDOR all'interno dell'infrastruttura API. Una volta ottenuto l'accesso amministrativo tramite le credenziali deboli, i ricercatori hanno identificato che l'API della piattaforma non validava in modo sufficiente l'autorizzazione delle richieste per identificatori di oggetto specifici.¹ Iterando semplicemente i numeri ID dei candidati nella barra degli indirizzi del browser, i ricercatori potevano visualizzare i fascicoli completi di candidatura e i log delle chat di milioni di candidati reali.¹ La portata stimata dell'esposizione comprendeva 64 milioni di record, inclusi nomi, indirizzi email, numeri di telefono, indirizzi IP e, in modo cruciale, trascrizioni di colloqui virtuali e risultati di valutazioni della personalità.¹

Cluster di dati presi di mira nell'incidente McHire

Categoria di dati	Elementi specifici esposti	Punto di fallimento architetturale
Identificatori core	Nomi completi, email, numeri di telefono, indirizzi IP	Assenza di MFA / password di default.1
Log di interazione	Cronologie delle chat con l'IA "Olivia", analisi del sentiment	Vulnerabilità IDOR delle API.1
Dati psicometrici	Risultati dei test di personalità, punteggi di screening comportamentale	Insecure Direct Object Reference.1
Metadati di processo	Trascrizioni dei colloqui, cronologia della pianificazione, timestamp	Conservazione di account amministrativi obsoleti.3

Paradox ha rimediato alla vulnerabilità entro poche ore dalla notifica del 30 giugno 2025, revocando le credenziali obsolete e applicando la patch all'endpoint API.⁴ Tuttavia, le implicazioni più ampie della violazione rivelano una supply chain in cui la sicurezza di un'impresa Fortune 100 dipende interamente dall'igiene delle credenziali dei suoi vendor di IA di terze parti.⁵

La supply chain delle credenziali: Nexus Stealer e il nodo umano

Se la password "123456" è stata il catalizzatore immediato, la violazione era sintomatica di un più ampio ecosistema di furto di credenziali. Le indagini sulla violazione di Paradox.ai hanno rivelato che l'esposizione delle credenziali degli sviluppatori è stata facilitata da un ceppo di malware noto come "Nexus Stealer".⁶ Nexus Stealer è un "form grabber" e uno strumento di furto di password venduto sui forum di cybercrime, progettato per esfiltrare username e password dai dispositivi infetti.⁶

Alla fine di giugno 2025, uno sviluppatore di Paradox.ai situato in Vietnam ha subito una compromissione tramite Nexus Stealer.⁶ Questa infezione ha portato al furto di centinaia di password, molte delle quali erano deboli e riciclate, utilizzando la stessa password di base di sette cifre su molteplici servizi interni e di terze parti.⁶ Aggregatori di data leak come Intelligence X hanno riportato che il dispositivo di questo singolo sviluppatore ha esposto credenziali per account Paradox.ai associati a molteplici clienti di alto profilo, tra cui Pepsi, Lockheed Martin, Lowes e Aramark.⁶

Questo incidente sottolinea una realtà critica: la sicurezza del modello è secondaria rispetto alla sicurezza dell'infrastruttura e dei nodi umani che la gestiscono. Il costo medio di una data breach nel 2025 ha raggiunto $4.44 million, eppure le organizzazioni continuano a confrontarsi con il problema del "nodo umano" — in cui la mancanza di MFA o di complessità delle password di un singolo sviluppatore può mettere a rischio milioni di record.⁷ Per Veriprajna, questo evidenzia che le soluzioni "Deep AI" devono includere la gestione delle identità Zero-Trust, in cui l'accesso umano è trattato come un vettore ad alto rischio che richiede verifica continua.⁸

Architetture del fallimento: la trappola del wrapper API

L'incidente Paradox è un esempio quintessenziale dei rischi associati al modello "AI Wrapper". In questo paradigma architetturale, il software è essenzialmente uno strato sottile che gestisce input e output per un modello di fondazione come GPT-4, Gemini o Claude.⁹ Questi wrapper spesso si basano su pratiche tradizionali di sviluppo web che non tengono conto delle sfide di sicurezza uniche dei sistemi di IA.⁹

La differenza fondamentale tra un AI Wrapper e una soluzione Deep AI risiede nella direzione del danno e nella profondità dell'integrazione di sicurezza. L'AI safety si concentra tipicamente sulla protezione delle persone dagli output dannosi del modello (bias, disinformazione), mentre l'AI security protegge l'intero stack e i suoi dati dagli avversari.⁷ Nel caso McDonald's, il fallimento è stato di security, non di safety — l'IA ha funzionato come previsto, ma l'infrastruttura circostante era porosa.⁷

Confronto: applicazioni wrapper vs. soluzioni Deep AI

Dimensione	Applicazione AI Wrapper	Architettura Deep AI (AI-Native)
Fondazione	API di terze parti (OpenAI/Claude).9	Modello custom o fine-tuned con logica integrata.11
Livello di sicurezza	Innesto esterno (WAF, autenticazione standard).9	Incorporato (Zero-Trust, MCP, Guardrail).11
Contesto dei dati	Semplice prompt stuffing.9	RAG con ledger fattuali stateful.11
Integrazione	Connettori fragili e one-off.10	MCP standardizzato e gerarchie agentiche.14
Governance	Ad hoc o assente.10	Allineata a ISO 42001/NIST AI RMF.16

Un approccio "Deep AI" tratta il modello di IA come un primitivo architetturale, analogo a un database o a una coda di messaggi.¹⁴ Ciò richiede nuove astrazioni, come prompt router, memory layer e valutatori di feedback che consentono al sistema di comportarsi come un componente tradizionale e auditabile dello stack enterprise.¹⁴ L'incapacità di Paradox.ai di gestire il ciclo di vita dei propri account amministrativi suggerisce una mentalità da "wrapper" in cui l'attenzione era sull'interfaccia conversazionale ("Olivia") piuttosto che sulla gestione robusta dello stato latente e dei layer di accesso ai dati.¹⁴

La minaccia psicometrica: dati di personalità e il trauma dell'esposizione

L'aspetto più angosciante della violazione McHire era la natura dei dati coinvolti. A differenza dei numeri di carta di credito, che possono essere bloccati, o delle password, che possono essere cambiate, i dati trapelati includevano cronologie delle chat e risultati di test di personalità — profili psicometrici profondamente personali, indissolubilmente legati all'identità di un individuo.¹

I sistemi di IA sono straordinariamente abili nel profiling, analizzando vasti dataset per identificare pattern e formulare previsioni sul comportamento futuro o sulle preferenze di un individuo.¹⁹ Quando questi profili vengono trapelati, espongono i candidati a un "danno predittivo" — in cui tratti inferiti (come opinioni politiche, stato di salute o stabilità emotiva) sono resi pubblici o usati da parti non autorizzate per manipolare il comportamento.¹⁹

L'impatto psicologico delle data breach

La ricerca sul danno psicologico causato dagli incidenti digitali indica che l'impatto sulle vittime è spesso devastante quanto un attacco fisico.²⁰ L'esposizione di dati personali sensibili causa una gamma di problemi di salute mentale a lungo termine:

●​ Erosione della fiducia: Quasi il 70% delle vittime di breach riferisce un'incapacità di fidarsi degli altri e una persistente sensazione di insicurezza.²⁰

●​ Impotenza: Due terzi degli individui colpiti provano sentimenti profondi di impotenza o di assenza di aiuto.²⁰

●​ Disturbi di salute mentale: Studi accademici hanno collegato l'esposizione di dati personali ad ansia, depressione e PTSD.²⁰

●​ Sintomi somatici: Le vittime riferiscono frequentemente disturbi del sonno (85%), livelli di stress aumentati (77%) e cefalee o dolori cronici (57%).²⁰

Lo stress psicologico associato a una data breach è modulato dal grado di invasività dei dati. L'esposizione di un test di personalità — un documento che pretende di quantificare il carattere interno di un individuo — è significativamente più invasiva della perdita di un indirizzo email.²² Per i candidati, questa esposizione può portare a sentimenti di vergogna e imbarazzo, soprattutto se i risultati "falliti" di un processo di screening automatizzato diventano pubblici.²³ Inoltre, poiché questi punti dati sono persistenti, le vittime spesso si sentono "ritraumatizzate" ogni volta che l'incidente viene menzionato o ogni volta che si candidano per un nuovo ruolo, temendo che il profilo trapelato le segua indefinitamente.²⁰

Guerra legale e normativa: il costo della negligenza

La violazione Paradox è avvenuta in un'era di scrutinio normativo senza precedenti per le aziende di IA. L'esposizione di 64 milioni di record attiva molteplici framework giuridici, in particolare il General Data Protection Regulation (GDPR) e il California Consumer Privacy Act (CCPA).

Rischi normativi comparati per le entità di IA

Regolamento	Mandato chiave	Sanzione per inadempienza
GDPR	Diritto alla spiegazione; diritto al riesame umano.24	Fino a €20M o il 4% del fatturato globale.24
CCPA/CPRA	Diritto di opt-out rispetto al processo decisionale automatizzato.25	$750 di danni statutari per consumatore per incidente.28
EU AI Act	Valutazioni del rischio obbligatorie per l'IA HR "ad alto rischio".29	Fino a €35M o il 7% del fatturato globale.29

Ai sensi del CCPA, un'azienda può essere citata in giudizio se informazioni personali non cifrate vengono sottratte a seguito di un'incapacità di mantenere "procedure di sicurezza ragionevoli".²⁸ Una password di default pari a "123456" è, a ragione, l'antitesi della sicurezza "ragionevole", esponendo l'entità a responsabilità massive da class action.²⁸ Inoltre, l'EU AI Act classifica l'IA per recruitment e HR come "ad alto rischio", richiedendo una governance esaustiva, standard di qualità dei dati e supervisione umana.²⁹

L'incidente Paradox evidenzia anche il tradeoff "o l'uno o l'altro" nei diritti dei consumatori. Ai sensi delle proposte di emendamento al CCPA, le aziende devono offrire un opt-out per il processo decisionale automatizzato (ADM) in contesti ad alta posta in gioco come l'assunzione.²⁵ Se un sistema come "Olivia" di Paradox è privo di trasparenza o non fornisce un processo di ricorso, mina la capacità del consumatore di contestare decisioni algoritmiche opache, generando ulteriore attrito legale e ricadute reputazionali.²⁵

Lo standard Veriprajna: transizione verso la sicurezza Deep AI

Per prevenire il prossimo "Paradosso del default", le imprese devono adottare un modello di governance rigoroso che tratti l'IA come un asset ad alta conseguenza. Ciò comporta l'integrazione di tre framework chiave: ISO 42001, il NIST AI Risk Management Framework (RMF) e l'OWASP Top 10 per LLM e IA agentica.

ISO/IEC 42001: il sistema di gestione dell'IA (AIMS)

ISO 42001 è il primo standard internazionale al mondo per la gestione responsabile dell'IA.¹⁷ Stabilisce un modo strutturato per gestire i rischi e le opportunità associati all'IA, bilanciando innovazione e governance.¹⁷

Clausole core di ISO 42001 per l'impresa:

●​ Clausola 5 (Leadership): Il top management deve dimostrare impegno verso l'AIMS, integrando i requisiti di IA in tutti i processi aziendali.³¹

●​ Clausola 6 (Pianificazione): Le organizzazioni devono identificare e valutare i rischi specifici dell'IA, stabilendo obiettivi chiari di trasparenza e safety.³⁰

●​ Clausola 8 (Controllo operativo): Questa clausola richiede una pianificazione operativa rigorosa, valutazioni di impatto per ciascun sistema di IA e gestione delle modifiche al ciclo di vita dell'IA.³¹

●​ Clausola 9 (Valutazione): Sono richiesti monitoraggio continuo e audit interni per assicurare che l'AIMS resti efficace e pertinente.³¹

Implementare ISO 42001 consente a un'organizzazione di dimostrare che i propri sistemi di IA sono "abbastanza sicuri da essere rilasciati" senza bloccare i team di sviluppo, fornendo evidenza certificabile di governance dell'IA a stakeholder e regolatori.¹⁶

NIST AI Risk Management Framework (RMF)

Il NIST AI RMF fornisce l'ancoraggio di policy per la security dell'IA, concentrandosi sui concetti di affidabilità: trasparenza, robustezza, safety e accountability.³³ Utilizza un ciclo a quattro funzioni — GOVERN, MAP, MEASURE, MANAGE — per strutturare la valutazione del rischio.¹⁶ Nel contesto della violazione Paradox, la funzione "GOVERN" è fallita in modo più evidente, poiché non esisteva accountability organizzativa per il decommissioning dell'account amministrativo obsoleto.³³

OWASP Top 10: mitigare gli exploit tecnici

Per sviluppatori e security engineer, il framework OWASP fornisce una tassonomia ordinata delle vulnerabilità più critiche.³² L'aggiornamento del 2025 include guidance specifica per l'IA agentica, affrontando i rischi unici dei sistemi autonomi.³³

Rischi critici per l'IA agentica (focus Veriprajna):

1.​ ASI01 - Agent Goal Hijack: Contenuto malevolo che altera il comportamento core dell'agente.¹⁵

2.​ ASI02 - Tool Misuse: Ingannare un agente affinché usi uno strumento legittimo (come una query al database) per uno scopo dannoso.¹⁵

3.​ LLM06 - Sensitive Information Disclosure: L'esposizione accidentale di PII attraverso gli output del modello.³²

4.​ T1 - Memory Poisoning: L'iniezione di dati malevoli nella memoria a lungo termine di un agente persistente.³⁴

Una difesa in profondità a 5 livelli per l'IA enterprise

Un'architettura autenticamente "Deep AI" deve andare oltre il modello di sicurezza perimetrale. Veriprajna sostiene una strategia di difesa in profondità a 5 livelli che assume che il modello di fondazione sia una "black box" che non può essere patchata internamente.¹²

Livello 1: sanitizzazione dell'input (il gatekeeper)

Ogni prompt inviato da un utente deve essere ripulito per rimuovere sintassi e formattazione di tipo codice che potrebbero essere interpretate come un comando nascosto. Questo livello normalizza tutto l'input in un formato semplice e sicuro prima che raggiunga il modello di IA.¹²

Livello 2: rilevamento euristico delle minacce (la vedetta)

Questo livello scansiona attivamente le signature avversariali note, come pattern di prompt injection o tentativi di jailbreaking. Se un prompt è segnalato come sospetto, viene bloccato prima dell'elaborazione.¹²

Livello 3: wrapping del meta-prompt (il regolamento)

Il prompt dell'utente è "avvolto" all'interno di un meta-prompt complesso che fornisce all'IA istruzioni rinforzate e immutabili riguardo ai suoi permessi e ai suoi confini. Funziona come una "busta sicura" che l'IA non può sovrascrivere.¹²

Livello 4: modelli canary e adjudicator (il buddy system)

In questa architettura, un modello "canary" più piccolo analizza per primo il prompt alla ricerca di intento malevolo. Se il canary segnala la richiesta, un secondo modello (l'adjudicator) prende la decisione finale sul procedere o meno. Questo crea un potente sistema di checks and balances.¹²

Livello 5: validazione e redazione dell'output (il filtro)

Ogni risposta dell'IA è trattata come non affidabile. I classificatori di output rilevano contenuto tossico, biasato o allucinato, mentre i layer di redazione PII assicurano che nessuna informazione sensibile sia involontariamente trapelata all'utente.³⁶

La roadmap 2026 di AI security per i CXO

Entro il 2026, la governance dell'IA non sarà più un esercizio volontario; sarà un prerequisito per la partecipazione al mercato.³⁷ I CEO devono dare priorità all'espansione dell'expertise in IA e alla coltivazione di una cultura che valorizzi la security tanto quanto l'innovazione.³⁸

Fase 1: assessment e visibilità (giorni 1-30)

●​ Inventariare l'esposizione all'IA: Creare un catalogo esaustivo di tutti i modelli di IA, le applicazioni e le dipendenze di terze parti nell'impresa.³⁹

●​ Mappare i permessi sui dati: Identificare tutti gli agenti con accesso a PII, registri finanziari o strumenti critici, e mappare le loro autorità.¹⁵

Fase 2: igiene fondazionale (giorni 31-60)

●​ Identità Zero-Trust: Implementare identità crittografiche uniche per tutti gli attori umani e non umani nello stack di IA.¹⁵

●​ MFA resistente al phishing: Estendere l'MFA a ogni interfaccia amministrativa e strumento associato all'infrastruttura di IA.³

●​ Audit di decommissioning: Condurre un audit a livello aziendale per identificare e rimuovere tutte le credenziali obsolete o legacy.³

Fase 3: orchestrazione avanzata (giorni 61-90+)

●​ Governance dei server MCP: Stabilire un registro curato per i server Model Context Protocol (MCP) per assicurare che gli agenti di IA interagiscano solo con fonti di dati autorizzate.¹⁵

●​ Monitoraggio comportamentale: Implementare dashboard in tempo reale per rilevare "objective drift" o uso anomalo di strumenti da parte di agenti autonomi.¹⁵

●​ Human-in-the-Loop (HITL): Implementare gate di approvazione umana obbligatori per qualsiasi operazione distruttiva o azione che coinvolga dati finanziari di alto valore.¹⁵

Conclusione: il mandato per un'IA difendibile

La violazione McHire del 2025 è stata un momento spartiacque che ha esposto la fragilità inerente all'economia dei "wrapper" di IA. L'esposizione di 64 milioni di record a causa di una password di default è più di un fallimento tecnico; è una profonda violazione della fiducia che i candidati ripongono nel processo di recruitment. Per l'impresa, questo incidente dimostra che una security "abbastanza buona" non è più sostenibile quando si ha a che fare con i dati ad alta conseguenza dei sistemi di IA.

Veriprajna ritiene che il futuro dell'IA appartenga all'organizzazione "AI-Native" — una che incorpora security, etica e governance nel DNA stesso della propria architettura. Andando oltre le semplici chiamate API e abbracciando il rigore di ISO 42001 e del NIST AI RMF, le aziende possono trasformare l'IA da potenziale fonte di responsabilità in un asset strategico e difendibile. Il percorso verso il 2026 richiede un cambio di prospettiva: dal considerare l'IA come uno strumento da "mettere in sicurezza" al considerarla un motore logico che deve essere "governato". Solo allora potremo colmare il divario tra innovazione e safety, assicurando che il "Paradosso del default" non si ripeta mai.

Il rischio nello stack di IA moderno può essere modellato efficacemente come:

Per minimizzare il rischio, un'organizzazione deve non solo ridurre le proprie vulnerabilità tecniche (tramite patching e MFA), ma anche massimizzare la propria resilienza architetturale attraverso difese profonde e stratificate e una governance proattiva.⁸ L'era della password "123456" deve finire; l'era della security Deep AI inizia ora.

Opere citate

1. McDonald's AI Hiring Breach Exposes 64M Applicant Records, consultato il 6 febbraio 2026, https://www.adaptivesecurity.com/blog/mcdonalds-password-data-breach

2. Security flaw in McDonald's AI recruitment system exposes data of millions of applicants, consultato il 6 febbraio 2026, https://www.incibe.es/en/incibe-cert/publications/cybersecurity-highlights/security-flaw-mcdonalds-ai-recruitment-system-exposes-data-millions

3. McDonald's security scare | Admin account with '123456' password, consultato il 6 febbraio 2026, https://specopssoft.com/blog/mcdonalds-ai-chatbot-123456-credentials/

4. Responsible Security Update — Paradox, consultato il 6 febbraio 2026, https://www.paradox.ai/blog/responsible-security-update

5. 123456 Password Leads to McDonald's Data Breach - Heimdal Security, consultato il 6 febbraio 2026, https://heimdalsecurity.com/blog/mcdonalds-breach-news/

6. Weak Password Leads to McDonald's Data Breach | ITRC, consultato il 6 febbraio 2026, https://www.idtheftcenter.org/podcast/weekly-breach-breakdown-weak-password-mcdonalds-data-breach/

7. AI Safety vs AI Security in LLM Applications: What Teams Must Know - Promptfoo, consultato il 6 febbraio 2026, https://www.promptfoo.dev/blog/ai-safety-vs-security/

8. Fortifying the Future: Strategies for Gen AI and LLM Security | TechAhead, consultato il 6 febbraio 2026, https://www.techaheadcorp.com/blog/gen-ai-and-llm-security/

9. AI Wrapper Applications: What They Are and Why Companies Develop Their Own, consultato il 6 febbraio 2026, https://www.npgroup.net/blog/ai-wrapper-applications-development-explained/

10. 5 approaches to building LLM agents (and when to use each one) - Tray.ai, consultato il 6 febbraio 2026, https://tray.ai/resources/blog/5-approaches-to-building-llm-powered-agents

11. Enterprise LLM Architecture: Designing for Scale and Security | SaM Solutions, consultato il 6 febbraio 2026, https://sam-solutions.com/blog/enterprise-llm-architecture/

12. Is Your Generative AI a Security Blind Spot? A 5-Layer Defense for Enterprises., consultato il 6 febbraio 2026, https://ubitquity.medium.com/is-your-generative-ai-a-security-blind-spot-a-5-layer-defense-for-enterprises-03b72114b8af

13. Securing Agentic AI: Building Attribution and Compression Architectures for Enterprise Trust, consultato il 6 febbraio 2026, https://medium.com/@oracle_43885/securing-agentic-ai-building-attribution-and-compression-architectures-for-enterprise-trust-71a447220753

14. Emerging Architecture Patterns for the AI-Native Enterprise - Catio.tech, consultato il 6 febbraio 2026, https://www.catio.tech/blog/emerging-architecture-patterns-for-the-ai-native-enterprise

15. Complete Guide to OWASP Agentic AI Top 10: Emerging Framework for 2026 - MintMCP, consultato il 6 febbraio 2026, https://www.mintmcp.com/blog/owasp-agentic-ai

16. From Governance to Guardrails: Why AI Security Frameworks Are Becoming the New CIS Control - CyVent, consultato il 6 febbraio 2026, https://www.cyvent.com/post/ai-security-frameworks

17. ISO/IEC 42001:2023 Artificial Intelligence Management System Standards - Microsoft Learn, consultato il 6 febbraio 2026, https://learn.microsoft.com/en-us/compliance/regulatory/offering-iso-42001

18. The growing data privacy concerns with AI: What you need to know - DataGuard, consultato il 6 febbraio 2026, https://www.dataguard.com/blog/growing-data-privacy-concerns-ai/

19. Examining Privacy Risks in AI Systems | Transcend | The compliance layer for customer data, consultato il 6 febbraio 2026, https://transcend.io/blog/ai-and-privacy

20. The Psychological Harms of a Digital Incident, consultato il 6 febbraio 2026, https://fpov.com/wp-content/uploads/The-Psychological-Harm-of-Cyber-Incidents.pdf

21. The Psychological Impact of Data Breaches on Victims - Console & Associates, consultato il 6 febbraio 2026, https://databreachclassaction.io/blog/the-psychological-impact-of-data-breaches-on-victims

22. (PDF) Individual Differences in Psychological Stress Associated with Data Breach Experiences - ResearchGate, consultato il 6 febbraio 2026, https://www.researchgate.net/publication/383265646_Individual_differences_in_psychological_stress_associated_with_data_breach_experiences

23. What Is The Impact Of A Data Breach On Individuals?, consultato il 6 febbraio 2026, https://www.databreachclaims.org.uk/what-is-the-potential-impact-of-a-data-breach-on-individuals/

24. The impact of the General Data Protection Regulation (GDPR) on artificial intelligence - European Parliament, consultato il 6 febbraio 2026, https://www.europarl.europa.eu/RegData/etudes/STUD/2020/641530/EPRS_STU(2020)641530_EN.pdf

25. AI Gets Personal: CCPA vs. GDPR on Automated Decision-Making, consultato il 6 febbraio 2026, https://btlj.org/2025/04/ccpa-vs-gdpr-on-automated-decision-making/

26. Is AI Compromising Data Privacy in Recruitment? Here's How to Keep It Secure, consultato il 6 febbraio 2026, https://prescreenai.com/is-ai-compromising-data-privacy-in-recruitment-heres-how-to-keep-it-secure/

27. California's New Rules on AI Decision-Making: As Strict as the GDPR?, consultato il 6 febbraio 2026, https://www.blegalgroup.com/californias-new-rules-on-ai-decision-making-as-strict-as-the-gdpr/

28. California Consumer Privacy Act (CCPA) | State of California - Department of Justice - Office of the Attorney General, consultato il 6 febbraio 2026, https://oag.ca.gov/privacy/ccpa

29. ISO/IEC 42001: a new standard for AI governance - KPMG International, consultato il 6 febbraio 2026, https://kpmg.com/ch/en/insights/artificial-intelligence/iso-iec-42001.html

30. Understanding ISO 42001: The World's First AI Management System Standard - A-LIGN, consultato il 6 febbraio 2026, https://www.a-lign.com/articles/understanding-iso-42001

31. ISO 42001: paving the way for ethical AI | EY - US, consultato il 6 febbraio 2026, https://www.ey.com/en_us/insights/ai/iso-42001-paving-the-way-for-ethical-ai

32. From NIST to OWASP: The AI Risk Frameworks That Matter - ActiveFence, consultato il 6 febbraio 2026, https://alice.io/blog/ai-risk-management-frameworks-nist-owasp-mitre-maestro-iso

33. Comparing AI Security Frameworks: OWASP, CSA, NIST, and ..., consultato il 6 febbraio 2026, https://www.straiker.ai/blog/comparing-ai-security-frameworks-owasp-csa-nist-and-mitre

34. OWASP Guide to Securing Agentic AI Applications: Best Practices for Trustworthy and Secure AI Systems - Lothar Schulz, consultato il 6 febbraio 2026, https://www.lotharschulz.info/2025/08/04/owasp-guide-to-securing-agentic-ai-applications-best-practices-for-trustworthy-and-secure-ai-systems/

35. A Comparative Assessment of Built-In Security of LLM Models | by Anant Wairagade, consultato il 6 febbraio 2026, https://medium.com/design-bootcamp/a-comparative-assessment-of-built-in-security-of-llm-models-1857444c76cb

36. What Is LLM (Large Language Model) Security? | Starter Guide - Palo Alto Networks, consultato il 6 febbraio 2026, https://www.paloaltonetworks.com/cyberpedia/what-is-llm-security

37. The Top Security, Risk, and AI Governance Frameworks CISOs Must Prioritize for 2026, consultato il 6 febbraio 2026, https://www.cybersaint.io/blog/the-top-security-risk-and-ai-governance-frameworks-for-2026

38. AI and the C-Suite: Implications for CEO Strategy in 2026 - The Conference Board, consultato il 6 febbraio 2026, https://www.conference-board.org/research/ced-policy-backgrounders/ai-and-the-c-suite-implications-for-ceo-strategy-in-2026

39. Ethical AI governance in 2026: Best practices for CISOs and the middle market - RSM Global, consultato il 6 febbraio 2026, https://www.rsm.global/latinamerica/en/insights/ethical-ai-governance-2026-best-practices-cisos-and-middle-market