Vai al contenuto principale
Torna al blog

OWASP Top 10 per le applicazioni LLM 2026: i 10 rischi spiegati

Aggiornato il November 19, 20268 min di lettura


L'OWASP Top 10 per le applicazioni LLM è l'elenco, curato dall'OWASP GenAI Security Project, dei rischi di sicurezza più critici per le app basate su modelli linguistici di grandi dimensioni (LLM). L'edizione 2026 è stata pubblicata nell'agosto 2026 (la sua pagina delle risorse è datata 3 agosto) e annunciata il 1° settembre 2026. Questa guida elenca tutte e dieci le voci con i loro ID ufficiali, spiega brevemente ciascuna, indica un controllo pratico per voce e riassume cosa è cambiato rispetto al 2025.

La lettera di apertura dei responsabili del progetto dà il tono: «Smetti di cercare di costruire un modello che non possa essere ingannato. Costruisci il sistema intorno al modello, così che quando verrà ingannato, e succederà, non si rompa nulla di importante.»

Come è stata costruita la lista 2026

Le edizioni precedenti si basavano sul giudizio dei professionisti del settore. Per il 2026, OWASP ha anche messo a confronto il voto della community con un corpus di 7714 incidenti reali tratti da database pubblici di vulnerabilità e da un database di danni causati dall'IA, 6639 dei quali abbastanza dettagliati da poter essere classificati. Il voto pesa per tre quarti e i dati sugli incidenti per un quarto. Le due fonti non sempre concordavano: in base al numero grezzo di incidenti, la prompt injection esce dalla top 10, cosa che OWASP attribuisce a un «effetto difesa», perché i team la combattono con decisione e meno exploit puliti arrivano nei database pubblici. La voce Misinformation ha fatto il percorso opposto: i votanti l'avevano collocata verso il fondo, lo storico degli incidenti verso la cima, e i dati l'hanno fatta salire al settimo posto.

La lista 2026 in sintesi

Voce 2026Posizione nel 2025
LLM01:2026 Prompt Injection1
LLM02:2026 Sensitive Information Disclosure2
LLM03:2026 Excessive Agency6
LLM04:2026 Supply Chain3
LLM05:2026 Data and Model Poisoning4
LLM06:2026 Unbounded Consumption10
LLM07:2026 Misinformation9
LLM08:2026 Hidden Context Exposure7 (come System Prompt Leakage)
LLM09:2026 Vector and Embedding Weaknesses8
LLM10:2026 Improper Output Handling5

Le posizioni del 2025 provengono dalla lista 2025 di OWASP.

LLM01:2026 Prompt Injection

Input che modifica il comportamento del modello in modi non previsti dallo sviluppatore, che provenga da un utente, da un documento, dal risultato di uno strumento, da un'immagine o dalla memoria. Ora la voce copre anche gli attacchi cross-modali, che nascondono istruzioni in immagini o audio. Controllo: tieni le credenziali e le azioni che modificano lo stato nel codice dell'applicazione e concedi al modello il privilegio minimo per ogni operazione. La nostra guida alla prompt injection approfondisce questa voce.

LLM02:2026 Sensitive Information Disclosure (divulgazione di informazioni sensibili)

Dati riservati o regolamentati che trapelano attraverso qualsiasi canale: la risposta, gli argomenti delle chiamate agli strumenti, le tracce di ragionamento, i chunk recuperati, i log o gli embedding. OWASP indica la condivisione eccessiva a monte, come drive senza limiti di accesso che alimentano un indice di retrieval-augmented generation (RAG), come uno dei due errori alla base della maggior parte degli incidenti. Controllo: autorizza prima del retrieval, applicando il controllo degli accessi a livello di documento e di chunk direttamente nella query all'indice.

LLM03:2026 Excessive Agency (autonomia eccessiva)

Azioni dannose eseguite in risposta a output del modello inattesi, ambigui o manipolati. Le cause profonde sono funzionalità, permessi o autonomia eccessivi. Nei sistemi agentici, secondo OWASP, può manifestarsi come uso improprio degli strumenti, abuso di identità e privilegi o guasti a cascata. Controllo: riduci al minimo gli strumenti e i loro permessi (uno strumento che riassume le email deve solo leggere la posta) e richiedi l'approvazione umana per le azioni ad alto impatto.

LLM04:2026 Supply Chain

Rischi legati a modelli, dataset e adapter di terze parti come LoRA, pipeline di conversione e pacchetti, incluso lo «slopsquatting», in cui gli attaccanti registrano nomi di pacchetti che gli assistenti di programmazione allucinano. Controllo: fissa gli artefatti dei modelli tramite un digest immutabile anziché un tag modificabile, verifica le firme e controlla che le dipendenze suggerite dall'IA esistano prima di installarle.

LLM05:2026 Data and Model Poisoning (avvelenamento di dati e modelli)

Dati o artefatti di modello manipolati che introducono backdoor o bias durante il pre-addestramento, il fine-tuning, l'embedding o la distribuzione. L'avvelenamento può costare poco: Souly et al. (2025) hanno rilevato che 250 documenti avvelenati sono bastati a compromettere modelli da 600 milioni a 13 miliardi di parametri, indipendentemente dalle dimensioni del dataset. Controllo: traccia la provenienza di dati e modelli, versiona i tuoi dataset e tratta i chat template, le configurazioni del tokenizer e gli adapter come codice da firmare e verificare.

LLM06:2026 Unbounded Consumption (consumo illimitato)

Inferenza incontrollata che causa interruzioni del servizio, costi fuori controllo («denial of wallet») o furto del modello tramite estrazione. I modelli di ragionamento, gli input multimodali e i loop di strumenti degli agenti aggravano il problema. Controllo: limiti di spesa rigidi che bloccano l'inferenza, più circuit breaker per gli agenti con limiti di passaggi, ricorsione, tempo e costo per esecuzione.

LLM07:2026 Misinformation (informazioni errate)

Output errati o non supportati che sembrano abbastanza credibili da spingere ad agire. Nei sistemi agentici una risposta sbagliata diventa un'azione sbagliata, come un agente che segnala che un backup è stato eseguito quando non è mai successo. Controllo: un pattern claim-check-act (affermare, verificare, agire) che separa la generazione dall'esecuzione e verifica affermazioni e precondizioni prima di agire.

LLM08:2026 Hidden Context Exposure (esposizione del contesto nascosto)

Estrazione o ricostruzione del contesto nascosto: prompt di sistema, istruzioni dello sviluppatore, testo delle policy recuperato e schemi degli strumenti. OWASP consiglia di dare per scontato che il contesto nascosto sia individuabile. Controllo: tieni fuori da esso credenziali e segreti, e applica l'autorizzazione in codice deterministico, al di fuori del modello.

LLM09:2026 Vector and Embedding Weaknesses (debolezze di vettori ed embedding)

Attacchi al livello di embedding alla base del RAG, della memoria degli agenti e delle cache semantiche. Con le parole di OWASP, «l'avvelenamento rende il sistema sbagliato, l'inversione ne fa trapelare i dati, il jamming lo rende muto e il fallimento del controllo degli accessi lo rende indiscriminato». Controllo: applica la separazione per tenant direttamente nella query all'indice, non come filtro successivo al retrieval, e tieni i contenuti con livelli di fiducia diversi in indici separati.

LLM10:2026 Improper Output Handling (gestione impropria dell'output)

Passare l'output del modello ai sistemi a valle senza validarlo, il che può portare a XSS, SQL injection, SSRF o esecuzione di codice da remoto. Ora la voce copre anche il codice insicuro che gli assistenti generano su larga scala. Controllo: tratta l'output del modello come un input dell'utente: codificalo in base al contesto, usa query parametrizzate e disattiva il rendering automatico delle immagini Markdown e delle anteprime dei link.

Cosa è cambiato rispetto all'edizione 2025

Secondo OWASP l'ordine «si è spostato più che negli anni passati». I cambiamenti principali:

  • Excessive Agency è salita dal sesto al terzo posto, quello che OWASP definisce «lo spostamento con più conseguenze della lista».
  • Unbounded Consumption ha guadagnato quattro posizioni, mentre Improper Output Handling è scesa più di tutte, dal quinto al decimo posto.
  • Prompt Injection e Sensitive Information Disclosure hanno mantenuto i primi due posti.
  • System Prompt Leakage è diventata Hidden Context Exposure, una voce più ampia.
  • Le voci esistenti hanno assorbito i rischi più recenti invece di aggiungere nuove categorie: injection cross-modale, artefatti di modello che non sono ciò che dichiarano di essere, sovversione del fine-tuning e codice generato insicuro.
  • Le mappature verso i framework (NIST, MITRE ATLAS, CWE e altri) sono confluite in un'unica appendice.

OWASP traccia anche un confine più netto. Questa lista copre il modello come componente della tua applicazione. Quando il modello diventa un attore con strumenti, memoria e conseguenze a valle, OWASP raccomanda di affiancarle l'OWASP Top 10 per le applicazioni agentiche, che la nostra guida su come proteggere gli agenti IA illustra passo per passo.

Come usare la lista nel tuo team

Il consiglio di OWASP è «lavorare su tutte e dieci, partendo dall'alto». In pratica:

  • Passa in rassegna le dieci voci quando progetti o revisioni una funzionalità LLM, e annota dove è esposta.
  • Trasforma ogni controllo in un ticket con un responsabile e ritesta dopo le correzioni.
  • Etichetta i rilievi con gli ID delle voci, così sviluppatori, security engineer e product owner condividono lo stesso vocabolario.
  • Testa solo sistemi di tua proprietà o che hai l'autorizzazione scritta a testare, e verifica che i termini del fornitore del tuo modello consentano i test di sicurezza.

Il progetto finale del corso a tuo ritmo Sicurezza dell'IA: proteggere applicazioni LLM e agenti IA, «Attaccare, correggere e ritestare un agente IA», si conclude con un report di sicurezza che mappa ogni rilievo sulle liste OWASP.

Prossimi passi

Parti dalla voce in cima: la nostra guida su cos'è la prompt injection spiega gli attacchi diretti e indiretti e le difese a più livelli. Se la tua app recupera documenti, guarda con attenzione LLM02 e LLM09, che riguardano i permessi del retrieval e il livello di embedding; AI Engineer: introduzione a RAG e alla ricerca è un corso a tuo ritmo correlato.

Un modo strutturato per sviluppare queste competenze è il corso Sicurezza dell'IA: proteggere applicazioni LLM e agenti IA: a tuo ritmo, di livello intermedio e della durata di 40 ore, per sviluppatori, AI engineer e professionisti della sicurezza che creano o testano funzionalità di IA.

Impara competenze tech online con Code Labs Academy

Impara competenze tech online con Code Labs Academy

Unisciti alla nostra community, sblocca il tuo potenziale e avvia una carriera nel digitale.

Candidati ora

Domande frequenti

Cos'è l'OWASP Top 10 per le applicazioni LLM 2026?

È l'elenco, curato dall'OWASP GenAI Security Project, dei dieci rischi di sicurezza più critici per le applicazioni basate su modelli linguistici di grandi dimensioni, pubblicato nell'agosto 2026. Ogni voce spiega il rischio, presenta scenari di attacco ed elenca le mitigazioni.

Cosa c'è al primo posto nell'OWASP LLM Top 10 2026?

Al primo posto c'è LLM01:2026 Prompt Injection, come nel 2025. Sensitive Information Disclosure (divulgazione di informazioni sensibili) resta seconda ed Excessive Agency (autonomia eccessiva) sale al terzo posto.

Cosa è cambiato rispetto all'OWASP LLM Top 10 del 2025?

L'ordine è cambiato più che nelle edizioni precedenti: Excessive Agency è salita dal sesto al terzo posto, Unbounded Consumption ha guadagnato quattro posizioni e Improper Output Handling è scesa dal quinto al decimo. System Prompt Leakage è diventata Hidden Context Exposure e, per la prima volta, la classifica ha tenuto conto anche dei dati di incidenti reali.

Che fine ha fatto System Prompt Leakage nel 2026?

È stata rinominata e ampliata in LLM08:2026 Hidden Context Exposure (esposizione del contesto nascosto). Ora la voce copre qualsiasi contesto nascosto che il modello può vedere, comprese le istruzioni dello sviluppatore, il testo delle policy recuperato e gli schemi degli strumenti, non solo il prompt di sistema.

In cosa l'LLM Top 10 è diverso dall'OWASP Top 10 per le applicazioni agentiche?

L'LLM Top 10 tratta il modello come un componente all'interno della tua applicazione. Quando il modello agisce in autonomia, con strumenti, memoria ed effetti a valle, OWASP consiglia di affiancargli il Top 10 per le applicazioni agentiche.

Servizi di carriera

Supporto di carriera personalizzato per entrare nel settore tech. Revisioni del CV, simulazioni di colloqui e approfondimenti di settore per mettere in luce le tue nuove competenze con sicurezza.

Esplora