Integrazione di Honeypot con Agenti AI per la Difesa Automatica e il Supporto Decisionale in Tempo Reale

Il presente elaborato analizza l'integrazione di intelligenza artificiale agentiva negli honeypot a media interazione, con l'obiettivo di superare i limiti strutturali dei sistemi di analisi passiva tradizionali. Muovendo dalla constatazione che le minacce cibernetiche evolvono con velocità incompatibile con i modelli di analisi a posteriori dei log, lo studio adotta una metodologia sperimentale e implementativa finalizzata alla progettazione e valutazione di un sistema integrato basato sull'honeypot Cowrie e su modelli linguistici locali. L'indagine si concentra sullo sviluppo di un plugin nativo per Cowrie che riceve gli eventi tramite callback diretta dal framework Twisted, senza polling né pipeline intermedie. Il sistema adotta un approccio ibrido: una componente rule-based garantisce il blocco degli IP con latenza sub-millisecondo, mentre un modello linguistico locale genera suggerimenti difensivi e mappa automaticamente le tecniche MITRE ATT&CK. Una proprietà emergente inedita in letteratura riguarda l'uso simultaneo dello stesso modello per ingannare l'attaccante tramite la shell emulata e difendere l'operatore tramite il plugin agentivo. La valutazione sperimentale documenta latenze a regime di 1,63--2,72 secondi per la componente LLM e un'accuracy del 100% sul mapping MITRE ATT&CK. Pur nei limiti di una valutazione in ambiente controllato, lo studio valorizza l'integrazione nativa come paradigma per la prossima generazione di honeypot intelligenti.