Google lancia Gemini 3.5 Flash Cyber: l’intelligenza artificiale che trova e corregge le vulnerabilità da sola

Arriva Gemini 3.5 Flash Cyber : il 21 luglio 2026, Google DeepMind ha annunciato tre nuovi modelli della famiglia Gemini Flash. Due di essi, Gemini 3.6 Flash e Gemini 3.5 Flash-Lite, rappresentano aggiornamenti tecnologici attesi: il primo migliora il ragionamento multi-step e il tool calling parallelo per i carichi di lavoro agentici, il secondo riduce latenza e costi per il deployment su dispositivi mobili e IoT. Il terzo, però, è diverso. Si chiama Gemini 3.5 Flash Cyber ed è il primo modello di intelligenza artificiale costruito da zero da un grande laboratorio di ricerca frontier esclusivamente per la cybersecurity.

L’annuncio è stato fatto da Tulsee Doshi, Senior Director of Product Management di Google, insieme a Raluca Ada Popa, professoressa di sicurezza informatica alla UC Berkeley e figura di riferimento nella ricerca sulla crittografia applicata. La presenza di Popa non è decorativa: indica che il modello è stato progettato con criteri di valutazione e allineamento specifici del dominio della sicurezza, non semplicemente adattando un modello generale con un sistema di prompt più sofisticato.

Il modello Gemini 3.5 Flash Cyber è addestrato su dataset curati che includono il National Vulnerability Database (NVD), il database CVE, ExploitDB, report di analisi malware, traffico di rete catturato, paper accademici dai principali convegni di sicurezza (IEEE S&P, CCS, USENIX Security), write-up di competizioni CTF e dati proprietari di Google come le ricerche di Project Zero, i dati di Google Safe Browsing e l’intelligence di VirusTotal.

Questa base di training si traduce in cinque capacità operative che vanno oltre quelle dei tool di sicurezza tradizionali:

Scoperta automatica delle vulnerabilità. Flash Cyber analizza codice sorgente, configurazioni e diagrammi architetturali per identificare falle potenziali. A differenza degli strumenti di static analysis, distingue tra una vulnerabilità teorica e una effettivamente sfruttabile nel contesto specifico di deployment. Rileva race condition nei flussi di autenticazione, debolezze crittografiche nell’implementazione, SQL injection che richiedono comprensione semantica del flusso applicativo, e logic flaws che strumenti convenzionali non vedono.

Analisi e prioritizzazione CVE. I team di sicurezza ricevono centinaia di avvisi CVE ogni settimana. Flash Cyber fornisce uno scoring di rilevanza specifico per lo stack tecnologico dell’organizzazione, valutando l’exploitabilità nell’ambiente reale, la disponibilità delle patch e l’impatto architetturale. Non si limita a ripetere il punteggio CVSS.

Classificazione malware e analisi comportamentale. Accetta report di analisi comportamentale, catture di traffico di rete (PCAP), output di disassembly e dump di memoria. Produce classificazione per famiglie, mappatura su tecniche e tattiche MITRE ATT&CK, estrazione di IoC in formato STIX e ricostruzione della timeline comportamentale.

Generazione di report di sicurezza. Dai dati grezzi – alert SIEM, log, ticket di incidente —-genera executive summary in linguaggio business, report tecnici forensi con catena di evidenza completa, e runbook di remediation con istruzioni passo-passo.

Integrazione con CodeMender. Quando Flash Cyber identifica una vulnerabilità, CodeMender può generare automaticamente una patch proposta, eseguire test automatizzati e presentare la correzione per la revisione umana. Si chiude così il loop dalla scoperta alla remediation.

Al momento, Gemini 3.5 Flash Cyber è disponibile in private beta esclusivamente attraverso Google Cloud Security Command Center (SCC). L’accesso è riservato a governi e partner fidati, con priorità per i clienti Google Cloud Security già esistenti e le organizzazioni con team di security operations documentati. Google non ha pubblicato i prezzi, ma il modello è posizionato come servizio enterprise con contatto diretto commerciale.

Questa scelta di distribuzione non è casuale. Il modello include guardrail contro l’uso offensivo: rifiuta di generare exploit weaponizzati, non fornisce istruzioni di attacco step-by-step per sistemi di produzione al di fuori di contesti di testing autorizzati, e declina attività che violerebbero le leggi sul computer fraud. La limitazione dell’accesso a entità verificate è parte di una strategia di governance che cerca di bilanciare la potenza dello strumento con il rischio di abuso.

Il mercato globale della cybersecurity supera i 200 miliardi di dollari annui e cresce a doppia cifra. La domanda di professionisti qualificati supera l’offerta da anni: secondo le stime del settore, milioni di posti in security operations rimangono vacanti. Le aziende spendono sempre di più in tool, ma la complessità degli ambienti IT, cloud multi-provider, microservizi, supply chain software , rende la visibilità e la risposta sempre più difficili.

In questo scenario, l’intelligenza artificiale è vista come una possibile risposta alla scarsità di competenze, ma con un problema fondamentale: i modelli generici non capiscono il dominio della sicurezza con la precisione necessaria. Un LLM come GPT-5.6 o Claude Sonnet 5 può spiegare cos’è una vulnerabilità, ma fatica a distinguere tra un falso positivo e una vera minaccia quando analizza codice reale in un contesto aziendale complesso.

Google non è il primo a provarci. Microsoft ha lanciato Security Copilot, costruito su GPT-5.6 con integrazione profonda nell’ecosistema Microsoft, a un prezzo di circa 4 dollari per utente all’ora. CrowdStrike offre Charlotte AI, Recorded Future ha integrato l’AI nella threat intelligence. Ma tutti questi strumenti sono prodotti costruiti sopra modelli generali. Flash Cyber è, almeno secondo l’annuncio di Google, un modello fondazionale costruito per il dominio.

Per i chief information security officer (CISO) e i responsabili dei security operations center (SOC), l’arrivo di un modello specializzato come Flash Cyber solleva tre questioni pratiche.

La prima è la qualità del triage. Oggi, i SOC sono inondati di alert. La maggior parte sono falsi positivi o minacce di bassa priorità. Un analista umano impiega minuti o ore per valutare un singolo alert. Un modello che capisce il contesto tecnologico specifico dell’organizzazione può ridurre il tempo di triage e aumentare la precisione, permettendo agli analisti di concentrarsi sugli incidenti reali.

La seconda è l’integrazione nel ciclo di sviluppo. Flash Cyber può essere inserito nelle pipeline CI/CD per analizzare il codice prima del deployment. L’integrazione con CodeMender suggerisce che Google punta a rendere la sicurezza parte del processo di sviluppo, non un controllo a posteriori. Questo è coerente con l’evoluzione del DevSecOps, ma richiede che le aziende abbiano maturità nei processi di sviluppo e nella gestione delle patch.

La terza è la dipendenza dall’ecosistema Google. Flash Cyber funziona dentro Vertex AI e Cloud SCC. Se un’azienda usa AWS o Azure come cloud primario, l’adozione di Flash Cyber implica portare dati sensibili di sicurezza nell’infrastruttura Google o costruire integrazioni complesse. Microsoft Security Copilot ha lo stesso problema nel senso opposto: è più comodo per chi è già nell’ecosistema Microsoft. La scelta del cloud provider sta diventando anche una scelta di piattaforma di sicurezza AI.

Microsoft Security Copilot resta il competitor più diretto. È un prodotto turnkey con forte integrazione in Microsoft 365 Defender, Sentinel e Intune. Per le organizzazioni già Microsoft-centriche, Copilot è probabilmente la scelta più naturale. Flash Cyber offre, secondo Google, maggiore flessibilità per ambienti multi-cloud o Google Cloud-native e un’analisi più accurata su stack non Microsoft.

Snyk AI e strumenti simili sono specializzati nella security del codice, ma non coprono l’analisi malware, la threat intelligence e la generazione di report operativi. CrowdStrike Charlotte AI è forte nell’endpoint detection ma più limitato nella discovery di vulnerabilità nel codice sorgente. Flash Cyber tenta di coprire tutto lo spettro: dal codice all’infrastruttura, dalla threat intelligence alla remediation.

Il prezzo è ancora sconosciuto, ma i costi dei modelli Google sono tradizionalmente più bassi di quelli OpenAI. Gemini 3.6 Flash costa 0,075 dollari per milione di token in input, contro i 0,15 di GPT-5.6 e Claude Sonnet 5. Se questa politica di pricing si applica anche a Flash Cyber, potrebbe rappresentare un vantaggio competitivo significativo per le aziende che processano grandi volumi di dati di sicurezza.

L’annuncio di Flash Cyber si inserisce in una tendenza più ampia: i grandi laboratori di AI stanno costruendo modelli verticalizzati. Google ha già modelli specializzati per la medicina e la scienza dei materiali. La cybersecurity è il prossimo dominio. Questo significa che l’era dei modelli generali che fanno tutto bene ma niente perfettamente potrebbe essere in fase di chiusura.

Per le aziende, la conseguenza immediata è che la scelta della piattaforma AI di sicurezza si legherà sempre più strettamente alla scelta del cloud provider e dell’ecosistema software. Questo crea vantaggi in termini di integrazione, ma anche rischi di lock-in. Se tutti i dati di vulnerabilità, le patch generate e le intelligence sulle minacce risiedono in un unico ecosistema, cambiare provider diventa costoso e complesso.

C’è anche una questione di governance. Se un modello AI decide quali vulnerabilità sono prioritarie e genera le patch, chi è responsabile se la patch introduce un nuovo bug? Se il modello manca una vulnerabilità zero-day, chi ne risponde? Queste domande non hanno ancora risposte giuridiche chiare. Flash Cyber, come gli altri strumenti AI di sicurezza, richiede supervisione umana. La differenza è che potrebbe ridurre il carico di lavoro umano sui compiti ripetitivi, liberando risorse per il giudizio critico.

Infine, c’è il problema della centralizzazione. Se pochi modelli AI — gestiti da Google, Microsoft e una manciata di altri attori — diventano il filtro attraverso cui tutte le organizzazioni vedono le minacce informatiche, il punto di vista di chi addestra il modello diventa il punto di vista del settore. Le vulnerabilità che il modello non riconosce, le minacce che non classifica, le priorità che assegna: tutto questo plasma la percezione del rischio a livello globale. Chi controlla il modello, controlla in parte cosa viene considerato una minaccia.

Google ha annunciato anche Gemini 3.5 Pro per il terzo trimestre 2026 e Gemini 4 per il quarto trimestre. La famiglia Flash si sta articolando in una gamma sempre più differenziata, con modelli costruiti per compiti specifici piuttosto che per prestazioni generali. Flash Cyber è il segnale più forte che Google intende competere nella cybersecurity enterprise non solo con prodotti, ma con l’infrastruttura AI sottostante.

Per i decision maker B2B, la domanda non è più se adottare l’AI nella cybersecurity, ma quale ecosistema scegliere. La risposta dipenderà da dove risiedono già i dati, quali competenze interne esistono, e quanto un’organizzazione è disposta a delegare a un modello la valutazione del proprio rischio informatico. Gemini 3.5 Flash Cyber non risolve questa scelta, ma la rende più urgente.