A inteligência artificial deixou de ser uma ferramenta marginal nos ataques cibernéticos; um relatório publicado pelo Google Threat Intelligence Group em maio de 2026 afirmou que a inteligência artificial generativa está sendo integrada ao fluxo de trabalho dos atacantes em escala industrial e que seu uso já aparece em praticamente todas as etapas do ataque. De acordo com o material publicado pela ITmedia AI Plus, o grupo identificou pela primeira vez uma ameaça tentando usar uma exploração de uma vulnerabilidade de dia zero desenvolvida com a ajuda da inteligência artificial.
A vulnerabilidade foi usada em uma tentativa de atacar uma ferramenta de código aberto para gerenciamento da web e permitia contornar a autenticação de dois fatores. Mais importante, ela não resultava de um erro de implementação tradicional, como corrupção de memória, mas de uma falha lógica avançada no design do aplicativo. Isso indica que grandes modelos de linguagem capazes de ler o contexto e raciocinar podem ajudar a descobrir erros lógicos que as ferramentas tradicionais de análise de vulnerabilidades não conseguiam detectar.
O problema não está apenas na inteligência artificial, mas também na facilidade de acesso a ela
O material afirma que os ataques observados dependiam principalmente de contas comerciais de modelos fechados que haviam sido comprometidas ou utilizadas de forma indevida. Mas a disseminação de modelos de pesos abertos muda a equação de outra perspectiva: depois que os pesos do modelo são baixados, seu uso fica menos sujeito ao monitoramento do desenvolvedor, e também se torna mais difícil para o publicador retirá-lo ou impor controles posteriores.
Daisuke Fuji, responsável pelas atividades de segurança cibernética da Accenture Japão, explicou que a diferença fundamental entre modelos fechados e modelos de pesos abertos está no grau de capacidade do desenvolvedor de controlar o uso. Os modelos fechados normalmente combinam controles de segurança, registro de contas, termos de uso e monitoramento da atividade. Já os modelos de pesos abertos podem ser modificados ou retreinados para enfraquecer sua tendência a recusar comportamentos nocivos, incluindo a produção de versões descritas como «sem censura».
Os atacantes não precisam possuir o melhor modelo disponível. Segundo Fuji, até mesmo modelos com desempenho inferior aos modelos fechados da Anthropic e da OpenAI conseguem encontrar um grande número de vulnerabilidades. Já a descoberta de vulnerabilidades profundas que não foram identificadas durante décadas pode exigir um modelo mais avançado, mas criminosos em busca de dinheiro normalmente preferem alvos que possam ser atacados rapidamente e a baixo custo.
O que muda, na prática, para as organizações?
Esses avanços não significam que os ataques se transformarão imediatamente em operações totalmente autônomas conduzidas por máquinas. Fuji considera que o uso predominante ainda consiste em auxiliar seres humanos, porque executar modelos avançados em larga escala exige unidades de processamento gráfico e recursos de servidores limitados e caros. O uso mais realista atualmente é acelerar o reconhecimento: identificar possíveis sites, examinar um grande número de alvos e encontrar sistemas que possam ser atacados rapidamente.
Mas a redução do custo do reconhecimento pode ampliar a lista de alvos. Sistemas que pareciam economicamente inviáveis podem se tornar alvos possíveis se for possível coletar automaticamente informações sobre eles. Entre eles estão os setores financeiro e de criptomoedas, além das próprias empresas de inteligência artificial. O relatório do GTIG indica que a inteligência artificial se tornou simultaneamente um mecanismo avançado de ataque e um alvo de alto valor; foram identificados ataques à cadeia de fornecimento de software de inteligência artificial, incluindo a inserção de códigos maliciosos em pacotes de habilidades personalizados para agentes de inteligência artificial e a invasão de gateways que conectam vários grandes modelos de linguagem.
A defesa começa presumindo que a invasão será bem-sucedida
A conclusão prática mais importante do material é que impedir todos os ataques já não é uma base realista para construir um plano de proteção. Fuji recomenda tomar medidas que reduzam os danos após a invasão, como elaborar planos de continuidade de negócios, manter cópias de segurança dos dados e dividir as redes em áreas menores usando a microsegmentação da rede. Essas medidas não impedem todas as invasões, mas têm como objetivo limitar a propagação do atacante e acelerar a recuperação das operações, princípios conhecidos no enfrentamento de ransomware.
Reduzir as informações expostas publicamente também se torna mais importante. O modelo pode reunir pequenos sinais, como as tecnologias anunciadas em eventos públicos ou detalhes do código das páginas da web, e então formular hipóteses sobre o ambiente da organização. Fuji apresenta a deception defensiva, ou seja, fornecer informações falsas com o objetivo de induzir o atacante ao erro em seu raciocínio, como uma das opções possíveis.
Gerenciar a dívida de correções e usar a inteligência artificial com cautela
O material também chama atenção para o problema da «dívida de correções»: o acúmulo de vulnerabilidades que não foram corrigidas devido à dificuldade de testar as atualizações, preparar os procedimentos e realizar a verificação após a aplicação. Fuji afirma que as empresas japonesas podem ser particularmente afetadas pela complexidade dos sistemas e pelo tempo exigido pelas operações anteriores e posteriores à instalação dos patches. Entre as tendências mencionadas estão a redução da quantidade de sistemas que precisam de correção por meio da migração para a nuvem e o uso da inteligência artificial para acelerar testes e verificações.
No entanto, usar inteligência artificial para a defesa traz um risco correspondente. Se a organização enviar seu código ou os dados de seu ambiente a um provedor e esse provedor sofrer um ataque, a ferramenta de proteção poderá se transformar em uma fonte de informações para o atacante. Por isso, antes de construir um ambiente de análise de vulnerabilidades com inteligência artificial, é necessário verificar onde os dados serão armazenados e se serão usados para treinamento. O material afirma que o interesse pela inteligência artificial soberana, que mantém a ferramenta sob o controle da organização, está crescendo entre os clientes da Accenture.
A leitura editorial da certi.news: a mudança efetiva não é o surgimento de ataques totalmente autônomos, mas a redução do custo da busca por alvos e vulnerabilidades exploráveis. Isso aumenta o valor da resiliência operacional e da redução da superfície de informações expostas, em paralelo à análise proativa, aos testes de intrusão e aos exercícios de equipes vermelhas. A fonte afirma que os defensores têm uma vantagem importante: seu conhecimento mais amplo dos próprios ambientes; contudo, o grau de aproveitamento dessa vantagem dependerá da qualidade dos dados, dos controles de compartilhamento de informações e da capacidade das organizações de corrigir o que descobrirem antes que o atacante se antecipe.