Negli anni ’90 la crittografia smette di essere solo matematica e diventa una questione politica globale. In questo episodio di CyberHistory entriamo nelle Crypto Wars, il conflitto tra governo degli Stati Uniti e comunità tecnologica sul diritto alla privacy digitale. Parliamo di PGP (Pretty Good Privacy), di Phil Zimmermann, del Senate Bill S.266, del Clipper Chip e del tentativo di introdurre backdoor governative nei sistemi di cifratura. È la storia di come la crittografia sia diventata un atto di resistenza civile e di come la privacy sia entrata definitivamente nel dibattito pubblico.

Clop ha fatto una scelta radicale: niente più cifratura, solo esfiltrazione. Attaccando MoveIt, Accellion e Cleo ha colpito migliaia di organizzazioni globali. Un nuovo modello criminale.

Clop nasce dall'ecosistema di TA505 e FIN11 e diventa uno degli attori più sofisticati della scena ransomware. Le origini, l'evoluzione tecnica e l'adozione della doppia estorsione.

ContiLeaks: la fuga di notizie interna che ha smascherato persone, processi e vulnerabilità del gruppo. Come si è disgregata la gang e quali nuovi gruppi criminali ne sono nati.

Come entrava Conti nelle reti delle vittime? Email trappola, malware, movimento laterale e doppia estorsione. Le fasi operative di uno degli attacchi ransomware più sofisticati mai documentati.

Conti non era solo una gang ransomware: era un'azienda criminale con stipendi, gerarchie e manuali operativi. La storia del gruppo che ha paralizzato ospedali e governi in tutto il mondo.

FraudGPT e Xantorox AI: i nuovi LLM malevoli che stanno ridefinendo le minacce informatiche. Scoperti nel 2023 e 2025, mostrano come l'AI stia diventando l'arma preferita del cybercrime.

I MALA, Malicious LLM Applications, automatizzano il cybercrime con una precisione mai vista prima. WormGPT è il primo esempio: un LLM senza filtri etici venduto nel dark web.

Un'AI che funziona perfettamente finché non riceve un segnale segreto. Il backdoor attack impianta un comportamento nascosto nel modello, attivabile solo con un trigger specifico.

Cambiare le etichette di pochi dati di training basta a sabotare un modello AI. Come funziona il label flipping e perché è un attacco particolarmente difficile da individuare e correggere.