Piattaforma di Brand Protection e Investigazione basata sull'IA: Caso di Successo is a case study by HDWEBSOFT. Industry: Technology. Services provided: Development, Integration, Data Management & Analysis, DevOps. Technologies used: .NET, AI, AWS, Cloud. Solutions: Cybersecurity, Data Analytics. Come HDWEBSOFT ha creato un SaaS di brand protection con IA in cui gli investigatori raccolgono prove, eseguono controlli forensi e generano report citabili.

Technology.NETAIAWSCloud

Piattaforma di Brand Protection e Investigazione basata sull'IA: Caso di Successo

HDWEBSOFT ha costruito una piattaforma di investigazione e brand protection per un'azienda SaaS svedese — unificando raccolta di prove, forensica delle immagini, controlli OSINT e un agente IA vincolato dalle prove, che riduce ore di lavoro manuale a pochi minuti.

Siti contraffatti, immagini di prodotto rubate, email di phishing e venditori falsi sui marketplace: tutto questo drena ricavi ed erode la fiducia. Eppure gli investigatori che li inseguono di solito mettono insieme decine di strumenti scollegati: una ricerca WHOIS qui, una reverse image search lì, un analizzatore di header altrove. Un’azienda SaaS svedese ha incaricato HDWEBSOFT di consolidare quel flusso frammentato in un’unica piattaforma in abbonamento, dove gli investigatori raccolgono prove, eseguono controlli forensi, lasciano a un agente IA l’intera indagine e chiudono con un report che regge davanti ai team legali.

Contesto del Progetto

L’abuso di brand è un problema di volume. Ogni storefront fasullo, immagine copiata o email spoofata richiede prove raccolte da più fonti — record di dominio, forensica delle immagini, header email, inserzioni sui marketplace — prima che si possa procedere a una rimozione o a un’escalation legale. I clienti del cliente facevano quel lavoro a mano: aprire un tool WHOIS qui, un reverse image search lì, un analizzatore di header altrove, e poi copiare tutto a mano in un documento.

La visione del prodotto era un banco di lavoro dell’investigatore con un solo login: tracciare email e file per vedere quando e dove vengono aperti, sondare qualsiasi sito o venditore tramite laboratori di investigazione dedicati, e lasciare che un agente IA esegua l’intera catena probatoria in autonomia prima di redigere le conclusioni. HDWEBSOFT ha progettato e costruito l’intera piattaforma — un’applicazione web Blazor Server su PostgreSQL, con fatturazione Stripe per il modello in abbonamento e un agente investigativo IA orchestrato tramite Microsoft Agent Framework.

Intervista al Team di Progetto

“Ogni fonte esterna parlava un dialetto diverso — WHOIS restituisce testo, VirusTotal restituisce punteggi, Google Vision restituisce etichette. La svolta è stata rifiutare che l’IA leggesse qualunque fonte in forma grezza. Abbiamo costretto tutto attraverso un livello di normalizzazione che emette un unico piccolo segnale probatorio standard, e poi abbiamo detto all’agente: non puoi scrivere un risultato finché un segnale reale non lo sostiene, e ogni passo finisce su una timeline riproducibile. È stato allora che gli investigatori hanno smesso di contro-verificare l’IA e hanno iniziato ad allegare i suoi report alle richieste di rimozione.”

— Quynh Le, Project Manager presso HDWEBSOFT

Quella disciplina ha plasmato l’architettura della piattaforma. Invece di lasciare che ogni integrazione esponesse payload grezzi, ogni fonte dati è stata adattata per emettere “segnali” standardizzati — piccoli oggetti probatori tipizzati che alimentano un unico generatore di report. L’agente IA lavora esclusivamente sui segnali e deve citarne uno per ogni conclusione, con ogni passo persistito su una timeline verificabile. La fiducia è diventata una proprietà della pipeline, non una speranza riposta nel modello.

Funzionalità Chiave

  • Tracciamento di email e documenti — email, immagini e file tracciati segnalano quando e dove vengono aperti, catturando posizione, dispositivo e sorgente di riferimento.
  • Laboratori di investigazione — controlli dedicati per siti web, domini, immagini, file, header email, aziende, tecnologie e marketplace online, inclusa la profilazione dei venditori eBay.
  • Forensica delle immagini — estrarre i metadati delle immagini, trovare copie circolanti online e individuare segni che un’immagine è stata modificata.
  • Agente investigativo IA — un agente autonomo esegue i controlli probatori passo dopo passo e produce un report investigativo completo e citato.
  • Dossier di intelligence — tutti i risultati compilati in un report leggibile con voci probatorie citabili.
  • Abbonamenti e fatturazione — livelli di piani, prova gratuita ed elaborazione dei pagamenti tramite Stripe.

Sfide Tecniche

Molte fonti esterne, nessun linguaggio comune

OpenAI, Google Vision, Apify, WHOIS, VirusTotal e altri provider restituiscono ciascuno formati diversi, impongono limiti diversi e falliscono in modi diversi. Integrarli ingenuamente avrebbe prodotto una matassa fragile di logica per-provider su cui l’agente IA non avrebbe potuto ragionare in modo coerente.

Job di lunga durata che devono sopravvivere ai riavvii

Scraping, cattura di screenshot ed esecuzioni IA richiedono molto più tempo di una richiesta HTTP. Questi job non potevano congelare il thread UI dell’applicazione, e un riavvio del server a metà indagine non poteva perdere silenziosamente ore di prove raccolte.

Output IA che deve essere difendibile

Un report investigativo è utile solo se le sue conclusioni sono riconducibili a prove reali. Un’IA generativa che scrive un report liberamente rischia di fabbricare risultati — inaccettabile quando i report raggiungono i team legali. L’agente aveva bisogno di vincoli che obbligassero ogni affermazione a citare un controllo concreto.

Fonti che si difendono

I siti web bersaglio bloccano spesso l’accesso automatizzato. I tentativi di download e scraping venivano regolarmente rifiutati — i flussi di raccolta avevano quindi bisogno di percorsi di fallback resilienti invece di fallimenti secchi.

Soluzioni

Una pipeline condivisa di segnali standardizzati

Ogni fonte dati è stata incapsulata in un adapter che converte l’output grezzo del provider in piccoli “segnali” probatori standardizzati. Un unico generatore di report consuma segnali da tutte le fonti in modo uniforme — aggiungere un provider significa scrivere un adapter, non ritoccare i livelli di investigazione e reporting. L’agente IA lavora esclusivamente sui segnali, il che rende verificabili anche le sue citazioni.

Orchestrazione durevole dei job in background

Il lavoro pesante — scraping, screenshot, analisi delle immagini, esecuzioni IA — è stato spostato su job in background persistiti in PostgreSQL. I job sopravvivono ai riavvii di processo e riprendono invece di ricominciare, mantenendo la UI Blazor reattiva durante le indagini lunghe.

Un agente IA con guardrail probatori

L’agente è stato costruito su Microsoft Agent Framework con vincoli rigidi: un ordine di esecuzione degli strumenti fisso, l’obbligo che ogni risultato referenzi un segnale archiviato e una timeline persistente di ogni passo compiuto. L’output si legge come il prodotto del lavoro di un investigatore perché viene prodotto sotto le stesse regole probatorie.

Raccolta resiliente sotto blocco

Fallback di proxy e strategie di retry sono stati integrati nei flussi di raccolta in modo che download e scraping bloccati si riprendano automaticamente invece di far fallire l’indagine.

Risultati di Business

  • Indagini da ore a pochi minuti — esecuzioni autonome dell’agente e raccolta unificata delle prove hanno sostituito il lavoro manuale tra strumenti.
  • Una piattaforma al posto di tanti strumenti — abbonamenti consolidati e un unico flusso di lavoro hanno ridotto i costi software e i tempi di formazione dei team investigativi.
  • Report pronti per l’escalation legale — dossier citati dalle prove condivisibili con team legali o clienti finali senza ri-verifica.
  • Un modello SaaS a ricavi ricorrenti — abbonamenti Stripe con prove gratuite permettono al cliente di monetizzare la piattaforma come prodotto, non come servizio su commessa.

Scheda Tecnica

  • Backend e applicazione: .NET 10, ASP.NET Core Blazor Server, libreria di componenti MudBlazor, PostgreSQL con Entity Framework Core, job in background persistiti su database.
  • IA e analisi: OpenAI tramite Microsoft Agent Framework, analisi delle immagini con Google Vision, scraping con Apify, arricchimento con WHOIS e VirusTotal.
  • Fatturazione: abbonamenti, prove e gestione dei piani con Stripe.
  • Infrastruttura: AWS (storage S3, email SES, hosting ECS), container Docker, CI/CD con Azure DevOps.

Conclusione

La piattaforma ha sostituito un flusso investigativo manuale e frammentato con un unico prodotto in abbonamento in cui le prove fluiscono attraverso una pipeline standardizzata e un agente IA vincolato dalle prove produce report citabili. La parte più difficile — rendere l’output IA affidabile abbastanza per contesti legali — è stata risolta a livello architetturale: normalizzare ogni fonte in segnali, persistere ogni passo e lasciare che il modello scriva solo ciò che le prove sostengono.

Se il vostro team sta costruendo un agente IA che deve produrre output difendibili, una piattaforma di raccolta dati di fronte a fonti ostili o un prodotto SaaS in abbonamento, i nostri servizi di sviluppo AI e servizi di sviluppo data scraping e web crawling coprono esattamente questo modello di consegna. Contattate il nostro team per definire un progetto simile.

Esplora altri contenuti correlati

Vedi altro case studies, servizi, settori e esperienza operativa regionale correlata