In sintesi
- Il pentest basato su IA ha simulato il comportamento di un vero aggressore sull'applicazione e sulle integrazioni
- Passaggio da controlli frammentati e periodici a una visione chiara e prioritaria del rischio reale sui pagamenti
- 54 risultati convalidati raggruppati per gravità con percorsi di attacco riproducibili
- Linee guida di risoluzione chiare utilizzate direttamente dagli ingegneri
- Il nuovo test automatico ha verificato che le correzioni abbiano effettivamente rimosso le vulnerabilità
- Report di penetration test strutturato utilizzato nelle conversazioni con partner, audit e due diligence
Smartendr, ora parte di orderBilly, è una piattaforma di ordinazione per bar e ristoranti. La piattaforma elabora circa 10 milioni di euro in transazioni ogni mese e serve circa un milione di utenti finali. Pagamenti, integrazioni point-of-sale e dati dei clienti sono centrali per il prodotto, rendendo la sicurezza delle applicazioni un requisito fondamentale per il business.
“Mi occupo principalmente della parte tecnica dell'azienda,” afferma Robin Praet, co-fondatore e CTO di Smartendr. “Questo include l'architettura della piattaforma, le integrazioni e la sicurezza.”
Con la crescita di Smartendr, il team ha dovuto affrontare una sfida comune alle piattaforme in rapida espansione: procedere rapidamente mantenendo la certezza di dove risiedessero i rischi reali.
Sfida: muoversi velocemente senza una visibilità completa sui rischi reali
Con la crescita del volume delle transazioni e della base di utenti di Smartendr, il suo profilo di rischio è cambiato in modo significativo.
“Ora abbiamo circa un milione di utenti finali ogni mese. A quella scala, basta un solo utente malintenzionato per sfruttare una debolezza.”
Le aspettative di sicurezza da parte di ristoranti e partner erano elevate. Gli ordini che apparivano nei sistemi point-of-sale dovevano essere pagati correttamente e protetti da manomissioni. Allo stesso tempo, funzionalità come i programmi fedeltà significavano che la piattaforma gestiva dati personali dei clienti.
Prima di adottare l'AI pentesting di Aikido, Smartendr seguiva già le best practice di sicurezza. Il team si affidava a una combinazione di controlli preventivi, revisioni manuali e controlli periodici. Sebbene ciò garantisse una copertura di base, non offriva un quadro completo o aggiornato di come la piattaforma potesse essere attaccata nella pratica.
“Il problema principale era la frammentazione,” dice Robin. “Non c'era una visione d'insieme della nostra posizione di sicurezza, il che rende facile trascurare casi limite, specialmente per quanto riguarda API e integrazioni.”
Con rilasci continui e integrazioni multiple, i divari tra i controlli di sicurezza sono diventati più difficili da giustificare. Il team aveva bisogno di un modo per capire dove fosse più vulnerabile in quel momento, non solo dove i problemi potessero esistere in teoria.
“È diventato chiaro che la sicurezza non poteva dipendere solo da controlli periodici,” dice Robin. “Doveva integrarsi nel modo in cui costruiamo e rilasciamo il software.”
Soluzione: AI pentesting che mostra percorsi di attacco reali e priorità chiare
Durante la valutazione delle soluzioni, Smartendr ha cercato test di sicurezza che riflettessero il comportamento degli attacchi nel mondo reale senza rallentare lo sviluppo.
“Aikido si è integrato nel nostro modo di lavorare. Si inserisce nel nostro flusso di sviluppo, fornisce feedback continui e si concentra su rischi reali e azionabili invece che sul rumore di fondo.”
Smartendr utilizzava già Aikido per i controlli di sicurezza preventivi. Il test di penetration basato sull'intelligenza artificiale non ha fatto emergere aspetti fondamentali dimenticati, ma percorsi di attacco realistici che emergono solo quando API, pagamenti e integrazioni point-of-sale interagiscono in condizioni reali.
L'avvio ha richiesto una configurazione minima. Poiché la codebase di Smartendr era già connessa ad Aikido, l'avvio del pentest basato su IA ha richiesto solo pochi clic.
“Non è stata necessaria alcuna configurazione o preparazione complessa,” spiega Robin. “La sicurezza dovrebbe essere facile da attivare, non un progetto separato.”
Il pentest basato su IA è stato eseguito sull'applicazione di Smartendr e ha rilevato 54 risultati convalidati. Sebbene inizialmente spiazzanti, i risultati hanno fornito chiarezza anziché confusione.
“All'inizio è stato scioccante vedere quanto fossero approfonditi i risultati,” dice Robin. “ Allo stesso tempo, ci ha dato un quadro chiaro di cosa migliorare.”
A differenza dei tradizionali pentest basati su checklist, gli agenti di intelligenza artificiale si sono comportati come un vero attaccante che esplora il sistema. Ogni risultato è stato convalidato, raggruppato per gravità e accompagnato da passaggi riproducibili che mostrano come il problema potrebbe essere sfruttato nella pratica.
“Gli agenti si sono comportati più come un vero attaccante che esplora il sistema. Questo ha reso i risultati più rilevanti rispetto a un pentest basato su checklist.”
Questo ha permesso agli ingegneri di Smartendr di distinguere immediatamente ciò che richiedeva una correzione urgente da ciò che poteva essere pianificato in un secondo momento.
«I passaggi di convalida hanno reso molto più semplice fidarsi dei risultati ed evitare di inseguire falsi positivi», spiega Robin.
Tra le scoperte più preziose ci sono stati problemi non evidenti emersi solo quando più sistemi interagivano tra loro, esattamente il tipo di rischio più difficile da valutare attraverso le sole revisioni manuali.
Dalle ipotesi alla riduzione verificata del rischio
Una volta avviata la fase di remediation, le linee guida fornite hanno aiutato i tecnici a passare rapidamente dalla comprensione dei problemi alla loro risoluzione.
«Le raccomandazioni erano concrete e attuabili», afferma Robin. «Gli ingegneri potevano passare direttamente dalla comprensione di un problema alla sua risoluzione.»
Il retesting automatico ha svolto un ruolo cruciale nella chiusura del cerchio. Invece di dare per scontato che le correzioni funzionassero, il team ha potuto verificare che le vulnerabilità fossero state effettivamente rimosse.
«Una volta applicata una correzione, si ottiene una conferma immediata», dice Robin. «Questo elimina l'incertezza e fa risparmiare tempo.»
Il report finale del pentest ha inoltre rafforzato la comunicazione anche al di fuori del team di ingegneria. Invece di affidarsi a garanzie di alto livello, Smartendr ha potuto fare riferimento a una valutazione strutturata e recente, con risultati chiari e azioni successive definite.
«Invece di dichiarazioni vaghe sulla sicurezza, potevamo mostrare una valutazione strutturata e recente. Ciò ha reso più concrete le conversazioni con partner, revisori o potenziali acquirenti.»
Risultato: chiarezza, prioritizzazione e sicurezza continua
Dopo aver affrontato le criticità emerse, Smartendr ha acquisito maggiore fiducia nella propria postura di sicurezza, non perché ogni rischio sia stato eliminato, ma perché i rischi più importanti sono stati chiaramente identificati, prioritizzati e verificati.
«Abbiamo una comprensione più chiara dei nostri punti deboli», spiega Robin. «Non perché tutto sia perfetto, ma perché i rischi maggiori sono stati identificati e affrontati.»
La sicurezza non viene più trattata come un controllo occasionale, ma è diventata una pratica continuativa e costantemente verificata che si integra direttamente nel flusso di lavoro di sviluppo.
«Con l'aiuto di Aikido Attack, possiamo pensare in modo più proattivo alle superfici d'attacco e ai casi limite durante lo sviluppo di nuove funzionalità», afferma Robin.
Riepilogo
«Ci ha offerto una visione molto più chiara e realistica del nostro rischio effettivo, senza rallentare il nostro modo di sviluppare e rilasciare software», conclude Robin.

