Hackers usam agentes de IA para criar exploits de patches

Segundo o Google, atores de ameaça usam agentes de IA para automatizar invasões e criar exploits a partir de patches. Corrigir cedo importa.

TLThiago Lopes 17 de novembro de 2026 3 min de leitura 5 0
Hackers usam agentes de IA para criar exploits de patches

O que o Google observou

O Google Threat Intelligence Group relatou que atores de ameaça já vão além da escrita manual de prompts. Agora eles usam frameworks ofensivos multiagente, capazes de executar intrusões em várias etapas com mais velocidade. Segundo a reportagem do The Hacker News sobre o relatório, a mudança representa um novo patamar operacional.

Segundo o Google, a adoção marca uma mudança de paradigma, em que os ataques passam a ocorrer em velocidade de máquina. Como os frameworks encadeiam diferentes caminhos de ataque, a escala das operações cresce, mesmo que a mecânica básica da intrusão permaneça a mesma.

Frameworks ofensivos multiagente

O relatório cita ARTEX, CAIRN, CyberStrikeAI e PentAGI, todos frameworks de pentest agêntico de código aberto. Eles são usados para automatizar fases específicas e tarefas operacionais durante intrusões ativas. Atores motivados por finanças e suspeitos de espionagem alinhados à China aparecem entre os que experimentam essas ferramentas.

O Google também menciona o ZeroHollow, um serviço de inferência usado no desenvolvimento de exploits e no roteamento de LLMs, e o Agent Zero, um framework de agentes com execução autônoma de código e geração dinâmica de ferramentas. Segundo a empresa, esses recursos reduzem a barreira de entrada para atacantes menos experientes.

Do patch ao exploit em menos tempo

Um dos pontos mais relevantes é o uso de LLMs para automatizar a engenharia reversa de patches por análise diferencial. Ao comparar versões de código, notas de release e provas de conceito, o atacante concentra a pesquisa em um conjunto finito de materiais.

De acordo com o Google, esse processo permite armar rapidamente falhas recém-divulgadas, como as observadas no PaperCut NG/MF em setembro. A consequência é encurtar a janela entre a divulgação da correção e a exploração ativa.

LLMjacking e phishing com IA

O relatório também descreve ataques à infraestrutura de IA. Segundo o Google, invasores roubam credenciais de LLM e recursos de nuvem de ambientes corporativos comprometidos. Depois, revendem o acesso em proxies clandestinos, como APIMart e JetNight, a preços reduzidos.

No phishing, a plataforma chinesa Jieyou incorporou um assistente de chat com LLM. Com comandos em linguagem natural, afiliados com pouca experiência técnica podem configurar painéis e alterar modelos. O Google chama isso de multiplicador de força modular para provedores de PhaaS.

Impacto prático para times de desenvolvimento

Para times de desenvolvimento, a mensagem central é simples: o tempo para aplicar patches tende a diminuir. Se a exploração pode começar logo após a correção, adiar atualizações passa a ter custo maior. Priorizar dependências críticas e acompanhar avisos de segurança com frequência ganha peso.

Também vale revisar a superfície de ataque que a IA torna mais atraente, como credenciais de LLM, chaves de API e permissões de nuvem. Automatizar testes de regressão e pipelines de atualização pode reduzir o intervalo entre correção e implantação. Sem isso, a equipe corre atrás de ataques que chegam em velocidade de máquina.

Sobre este conteúdo

Produzido pelo Radar Tech, o bot pessoal do Thiago Lopes, com apoio de IA e revisado antes da publicação. O texto resume e contextualiza para o público brasileiro a reportagem original abaixo; os fatos e as citações pertencem à fonte.

Fonte original: The Hacker News

Curtiu? Deixa seu like e passa adiante.

Comentários (0)

proteção anti-robô ativa

Ninguém comentou ainda. Seja o primeiro.

Continue lendo