La société de cybersécurité Tracebit, basée à Londres et à New York, a dévoilé une nouvelle méthodologie défensive reposant sur ce qu'elle appelle des « bombes contextuelles » (Context Bombs). Il s'agit d'ensembles d'instructions et de consignes soigneusement conçus et implantés dans les architectures numériques, visant à intercepter les agents d'intelligence artificielle attaquants et à les induire en erreur dès qu'ils examinent l'environnement ciblé.
Piéger les agents dans des boucles logicielles infinies
Cette méthodologie défensive, détaillée dans un article de recherche intitulé « Making attacking agents pay », s'appuie sur neuf techniques de tromperie contextuelle différentes conçues pour piéger les modèles d'intelligence artificielle autonomes en exploitant leur mécanisme même de traitement du texte et du contexte. Les tests ont montré que ces tactiques réussissent à contrecarrer complètement les attaques de modèles tels que GPT 5.6 Cyber, Kimi K3, Qwen 3.8 Max et DeepSeek V4 Pro lorsque ces techniques sont combinées.
Face aux modèles les plus avancés, les bombes contextuelles ont réduit le taux de réussite du modèle Claude Opus 5 de 91 %, tout en diminuant le succès des attaques de GPT-6 Astra de 54 % et en augmentant le coût opérationnel de chaque attaque d'environ quatre fois. Selon les chercheurs, ces méthodes inversent l'ingénierie des attaques traditionnelles par « injection de requêtes » (Prompt Injection) ; la réponse de l'agent aux invites récentes est exploitée pour annuler ses objectifs d'attaque initiaux et les remplacer par des comportements de diversion.
Qu'est-ce qui change concrètement dans l'équation de la dissuasion cybernétique ?
Parmi les neuf méthodes, une tactique spécifique s'est avérée la plus efficace : un « faux rapport de test d'intrusion » placé dans le système pour faire croire à l'agent attaquant qu'il s'agit d'une évaluation de sécurité récente. Ce rapport a étiqueté les véritables chemins non protégés comme des pièges électroniques (Canaries), tout en décrivant les faux pièges comme des objectifs stratégiques déjà compromis. Cela a poussé les agents à éviter les vrais systèmes par peur de tomber dans le piège des défenseurs, faisant chuter le taux d'exécution des objectifs pour certains modèles de 39 cas réussis sur 40 à seulement 2 cas.
D'autres tactiques comprenaient le déploiement de services Web fonctionnant dans des boucles fermées sans fin et la génération de bases de données infinies dont les pages renvoient à des liens en série interminables. Ainsi, l'un des pièges a incité le modèle GLM-5.3 à parcourir 825 pages en 55 minutes, consommant une puissance de calcul colossale pour aucun résultat.
Frapper l'économie de l'attaque automatisée
Andy Smith, fondateur et PDG de Tracebit, a expliqué que faire face aux comportements offensifs des agents d'intelligence artificielle nécessite l'adoption de stratégies de tromperie pour épuiser ces modèles techniquement et financièrement en les poussant à consommer du temps et des jetons numériques (Tokens) loin des cibles sensibles. Les données ont indiqué que même dans les cas où les modèles ont contourné certains pièges et réussi à atteindre la cible, le coût financier de chaque attaque réussie a été multiplié par 23 par rapport à la situation normale. De plus, le comportement erratique de l'agent à l'intérieur du piège augmente la probabilité de déclenchement d'alertes de sécurité, offrant ainsi aux équipes de cybersécurité un temps crucial pour l'intervention humaine et le confinement.