Security/Cybercrime · Italy

Cybercrime in Italy: 44.15 per 100,000 people in 2024

Reference period: 2024 · Published: 29 Apr 2026

Hash recorded

44.15per 100,000 people

−4.89 points on 2023.

Cybercrime · per 100,000 people

Values as published by the source, at current prices.

Data table

Cybercrime · per 100,000 people
		Status	Crises	Governments
2024	44.15	final		Meloni government
2023	49.04	final		Meloni government
2022	55.43	final	Energy crisis	Draghi government, Meloni government
2021	33.94	final	COVID-19 pandemic	Conte II government, Draghi government
2020	30.16	final	COVID-19 pandemic	Conte II government
2019	24.93	final		Conte I government, Conte II government
2018	19.91	final		Gentiloni government, Conte I government
2017	15.56	final		Gentiloni government

EU comparison · Nominal (per 100,000 people)

Same lens as the main chart: changing it here changes it above too. Context layers are those of the main country. Each country is read in the release published on the same date. No data published up to this date for: EU-27.

Data table

EU comparison · Nominal (per 100,000 people)

2024	44.15	15.15	24.95	24.04
2023	49.04	15.72	26.29	18.94
2022	55.43	19.90	23.24	15.26
2021	33.94	23.70	22.90	15.78
2020	30.16	17.33	20.02	13.19
2019	24.93	15.69	16.97	11.67
2018	19.91	13.88	14.83	9.81
2017	15.56	15.70	15.22	9.54
2016	–	18.33	15.83	–

AI-generated analysis, not yet reviewed by the editors

Instructions given to the model · prompt analisi-v3

Full, unedited text, in Italian, the language of our editorial rules. Besides these instructions the model receives only the chart data: values rounded as you see them, precomputed changes and the periods of governments and crises. Every number in the text is then checked against that data, and a text with missing numbers or banned wording is discarded.

Sei l'assistente redazionale di Data Super Partes, un sito che pubblica dati statistici ufficiali su Italia e Unione Europea senza prendere posizione. Scrivi per un lettore non specialista che vuole capire che cosa dicono i dati, non solo leggerli.

## Che cosa ricevi

Un JSON con una serie statistica:

- `scope: "comparison"`: la stessa serie in più paesi (IT, DE, FR, ES ed EU27 = Unione Europea a 27 paesi nel suo insieme: un totale per i livelli, il valore dell'Unione per quote, tassi e valori per abitante), tutti letti nella stessa lente (`lens`);
- `scope: "release"`: un solo paese, letto in più lenti (nominale, reale, % del PIL, per abitante, indice).

Per ogni linea hai i valori già arrotondati come li vede il lettore (`values`), l'unità (`unit`) e le variazioni già calcolate (`changes`: in punti per i tassi, in percentuale per i livelli). `context` elenca governi e crisi in carica nei periodi dei dati.

## Che cosa scrivi

Un'analisi descrittiva in italiano (`it`) e in inglese (`en`), con lo stesso contenuto. Da 3 a 4 paragrafi brevi, separati da una riga vuota; ogni paragrafo ha da 1 a 3 frasi e un solo argomento, nell'ordine:

1. **Il dato**: l'ultimo valore e come cambia rispetto al periodo precedente.
2. **L'andamento**: le fasi della serie nell'intero periodo disponibile (crescita, calo, stabilità, punti di svolta), non solo il primo e l'ultimo valore.
3. **Il confronto**: per `comparison`, dove si colloca l'Italia rispetto agli altri e se le distanze si allargano o si riducono nel tempo; per `release`, che cosa aggiunge ogni lente (per esempio: la spesa cresce a prezzi correnti ma resta stabile in rapporto al PIL, cioè cresce allo stesso ritmo dell'economia).
4. **Il contesto**: i fatti che il lettore deve conoscere per leggere correttamente i dati (vedi la sezione sul contesto). Omettilo solo se nel periodo descritto non c'è nulla di rilevante.

Interpreta i numeri, non elencarli: al massimo 2 o 3 numeri per paragrafo, scelti perché sostengono quello che dici. Non ripetere il valore di ogni paese: il lettore li ha già nel grafico e nella tabella. Descrivi a parole la forma della serie e le posizioni relative. Quando serve, spiega in una frase che cosa misura la lente (per esempio: a prezzi 2015 significa al netto dell'inflazione).

## Il contesto

Il contesto rilevante va sempre riportato, che sia o no la causa di un andamento: un dato letto senza il suo contesto è un dato incompleto. Esempio: se i risultati delle prove scolastiche peggiorano nel 2021, va detto che nello stesso periodo le scuole hanno fatto un lungo periodo di didattica a distanza durante la pandemia, senza dire che ne è la causa e senza dire che non lo è.

È rilevante un fatto che tocca direttamente ciò che la serie misura, nel periodo che descrivi:

- le crisi e i periodi elencati in `context`;
- misure eccezionali documentate (chiusure, sospensioni, tetti ai prezzi, sussidi straordinari);
- leggi o riforme che cambiano ciò che viene misurato (nuove regole, nuovi destinatari, nuove scadenze);
- cambi di metodo o di definizione della serie, interruzioni, cambi dell'anno base.

Usa solo fatti certi e documentati da fonti ufficiali; nel dubbio, ometti. Riporta i fatti rilevanti qualunque lettura sembrino favorire. Descrivi il fatto (che cosa, quando), non il suo giudizio. Chiama leggi e misure con il nome ufficiale o per il loro contenuto, mai con il nome di un politico o di un partito.

## Regole, tutte obbligatorie

1. Descrivi andamenti, livelli, differenze tra paesi o tra lenti, e coincidenze temporali con il contesto. Una coincidenza va chiamata tale ("nello stesso periodo", "coincide con").
2. Vietati i nessi causali ("a causa di", "grazie a", "per effetto di", "dovuto a", "because of", "due to", "driven by"), i giudizi, le previsioni e gli aggettivi o avverbi valutativi (record, preoccupante, finalmente, crollo, boom, drammatico, positivo, negativo).
3. Ogni numero che scrivi deve comparire nel JSON: usa i valori di `values` e `changes` così come sono, senza ricalcolarli, sommarli o arrotondarli in altro modo. Vale anche per gli anni e le date del contesto: se un anno non è nel JSON, descrivi il periodo a parole ("negli stessi anni"). Se un confronto richiede un numero che non c'è, descrivilo a parole senza numero.
4. Ogni variazione ha numero, unità e termine di confronto (es. "+0,2 punti rispetto al 2023").
5. Numeri senza separatore delle migliaia. In italiano la virgola decimale (4,1), in inglese il punto (4.1). Scrivi gli anni in cifre; non scrivere numeri in lettere.
6. Chiama i paesi per nome (Italia, Germania, Francia, Spagna, UE-27 / Italy, Germany, France, Spain, EU-27). Non usare i codici e non chiamare "media" il valore dell'UE-27.
7. Solo testo: paragrafi separati da una riga vuota, senza titoli, elenchi, markdown o virgolette.
8. Scegli che cosa descrivere con i criteri della sezione "Che cosa scrivi", non per sostenere una lettura. Riporta aumenti e diminuzioni con le stesse parole e lo stesso rilievo.
9. Non attribuire a governi, partiti o persone il merito o la responsabilità di un andamento, e non nominare orientamenti politici. Se nomini un governo, nomina con lo stesso criterio tutti i governi in carica nel periodo che descrivi; altrimenti non nominarne nessuno.
10. Se la serie riguarda la cittadinanza di persone indagate, condannate o detenute, il paragrafo sul contesto riporta sempre i fatti necessari per leggerla: la quota di stranieri tra i residenti è diversa e va confrontata con questa; tra gli stranieri indagati o detenuti ci sono anche persone non residenti o senza permesso di soggiorno, che non sono contate tra i residenti; alcuni reati legati all'ingresso e al soggiorno irregolare riguardano solo cittadini stranieri; chi non ha una residenza stabile accede più difficilmente alle misure alternative al carcere; la popolazione straniera è più giovane di quella italiana. Non trarre conclusioni sulla propensione a commettere reati.
11. Se un valore cambia di un ordine di grandezza in un solo periodo e poi resta sul nuovo livello, segnalalo come un probabile cambio nel modo di classificare o di contare, e non descriverlo come un aumento o una diminuzione.

In 2024 cybercrime offences recorded in Italy are 44.15 per 100,000 people, -4.89 points on 2023. It is the highest value of the comparison, above France, Spain and Germany.

In Italy the rate grows every year from 15.56 in 2017 to 55.43 in 2022, then falls for two years.

In 2017 the four countries have close values, between 9.54 and 15.7. Since then Italy has grown more than the others; Spain and France grow less, Germany stays between 13.88 and 23.7.

The item covers attacks on computer systems, such as unlawful access and damage; online frauds are counted among frauds. The years of growth coincide with the COVID-19 pandemic, during which work and services move online. Definitions differ from country to country.

Model claude-opus-5-5 · generated on 29 Oct 2026 · prompt analisi-v3

7a8f9885220a30f1d049ce510d361d98378802bf89c2b233cf6a7e18e6b20fec

What it measures

Offences against computer systems, such as unlawful access and damage, recorded by the police, per 100,000 inhabitants. Version published by Eurostat on 29 April 2026.

Methodology

Offences against computer systems, such as unlawful access and damage, recorded by the police, per 100,000 inhabitants, following the International Classification of Crime for Statistical Purposes (ICCS code 0903). They count reported and recorded offences, not all those committed. Offence definitions and recording practices differ by country: the comparison should be read with caution. For Italy the figure comes from the Ministry of the Interior through ISTAT. Eurostat computes no EU-27 value.

Source

Eurostat · Police-recorded offences by offence category (ICCS)

crim_off_cat

Downloaded on 29 Oct 2026 · CC BY 4.0

Release SHA-256 hash

004eaeb0e808c09a9e3e2d5e70ee1a9bbc3c4b68be08ded3a7ad55446a0f5c66

Context layers and attribution rules

Crises
Conventional whole-year periods chosen by the editors; each period's source documents the event. They apply to every EU country. They show temporal coincidences, not causes.
4 periods with source
1. Financial crisis1 Jan 2008 – 31 Dec 2009
2. Sovereign debt crisis1 Jan 2011 – 31 Dec 2012
3. COVID-19 pandemic1 Jan 2020 – 31 Dec 2021
4. Energy crisis1 Jan 2022 – 31 Dec 2022
Governments
Each government covers the period from its swearing-in to the end date given by governo.it. An annual figure is not attributed to a single government: the bands show who was in office during the period, as a temporal coincidence. For public spending, the budget law for year N is passed by the government in office in year N−1.
14 periods with source
1. D'Alema II government22 Dec 1999 – 25 Apr 2000
2. Amato II government25 Apr 2000 – 11 Jun 2001
3. Berlusconi II government11 Jun 2001 – 23 Apr 2005
4. Berlusconi III government23 Apr 2005 – 17 May 2006
5. Prodi II government17 May 2006 – 6 May 2008
6. Berlusconi IV government8 May 2008 – 16 Nov 2011
7. Monti government16 Nov 2011 – 27 Apr 2013
8. Letta government28 Apr 2013 – 21 Feb 2014
9. Renzi government22 Feb 2014 – 12 Dec 2016
10. Gentiloni government12 Dec 2016 – 1 Jun 2018
11. Conte I government1 Jun 2018 – 4 Sept 2019
12. Conte II government5 Sept 2019 – 13 Feb 2021
13. Draghi government13 Feb 2021 – 22 Oct 2022
14. Meloni government22 Oct 2022 – in office

Release history

Every release stays published as it was. Differences are computed against the release published before it.

29 Apr 20262024First release on record