I ricercatori dell'Universit� di Torino hanno dimostrato la vulnerabilit� strutturale dei modelli linguistici come ChatGPT, Gemini e Claude agli attacchi di prompt injection indiretta veicolati tramite stringhe nascoste nei documenti digitali. Inserendo istruzioni non visibili a occhio nudo all'interno dei file, il gruppo di lavoro ha forzato gli algoritmi ad alterare completamente il proprio giudizio durante processi automatizzati di revisione, selezione e analisi documentale.
Il principio operativo sfrutta l'architettura stessa dei modelli generativi, incapaci di distinguere i dati grezzi di input dalle direttive operative di sistema. Nello studio condotto dal team torinese, composto da Federico Torrielli, Stefano Locci, Amon Rapp e Luigi Di Caro, l'inserimento di comandi invisibili all'interno di articoli scientifici ha raggiunto un tasso di successo fino al 99%. Il modello ha cos� attribuito valutazioni di eccellenza a documenti manipolati, ignorando i parametri oggettivi di revisione.
Lo scenario, raccontato in una recente intervista da La Repubblica, diventa critico nei processi di recruiting automatizzato, dove l'impiego di agenti intelligenti per scremare migliaia di candidature � ormai prassi diffusa. Un candidato pu� nascondere nel layout del file istruzioni testuali che ordinano al sistema di classificarlo come il profilo ideale da assumere. La manipolazione sfrutta la medesima debolezza strutturale documentata dai ricercatori dell'ateneo, per un fenomeno che riapre diversi interrogativi mai sopiti sull'affidabilit� dei filtri algoritmici usati dalle risorse umane.
