Do prompting à autonomia: como o uso de IA por atores de ameaça está evoluindo

O Google Threat Intelligence Group divulgou um novo relatório sobre como atores de ameaça estão usando inteligência artificial. Em comparação com o relatório de maio, a principal mudança é que ataques assistidos por IA estão exigindo progressivamente menos intervenção humana.

A IA está sendo cada vez mais usada não apenas como assistente, mas como orquestradora. Em um caso, após comprometer a infraestrutura de nuvem de uma organização, um ator de ameaça com motivação financeira usou um assistente de codificação com IA para planejar, construir e executar uma campanha massiva de coleta de credenciais. Menos de seis horas se passaram do planejamento ao lançamento, enquanto o sistema gerenciou autonomamente a verificação de vulnerabilidades, resolveu erros e rotacionou endereços IP — reduzindo substancialmente a necessidade de supervisão manual.

Estruturas agênticas para cibersegurança ofensiva estão se tornando mais maduras. Um exemplo é o Recon, uma estrutura para reconhecimento automatizado e coleta de credenciais. Agentes autônomos foram usados para identificar vulnerabilidades, escanear infraestrutura do lado do servidor e realizar exploração direcionada. Pesquisadores descobriram mais de 23.800 segredos coletados na infraestrutura associada ao Recon, incluindo chaves de API para serviços de nuvem e IA.

A IA também está acelerando o desenvolvimento de exploits N-day. LLMs estão sendo usados para analisar vulnerabilidades divulgadas recentemente, prototipar exploits e construir cadeias de exploração cada vez mais complexas e multifásicas. Em um caso, o GTIG descobriu um conjunto de artefatos gerados por IA direcionados a uma vulnerabilidade do Firefox recentemente corrigida, aproximadamente um mês após o lançamento do patch.

Ao mesmo tempo, o GTIG ainda não observou atores de ameaça implantando cadeias totalmente autônomas contra alvos do mundo real nos moldes de “a IA encontra um zero-day → desenvolve um exploit → realiza a intrusão”. Pesquisas recentes mostram que modelos de fronteira já conseguem identificar zero-days e executar intrusões de rede autonomamente, mas para atores de ameaça isso continua sendo amplamente uma capacidade experimental.

Atores de ameaça estão cada vez mais usando IA para vincular múltiplos estágios do ciclo de vida do ataque em um único fluxo de trabalho. Isso não é uma capacidade nova, mas o GTIG agora está vendo fluxos de trabalho mais longos e mais autônomos, abrangendo reconhecimento → descoberta de vulnerabilidades → exploração → pós-exploração → coleta de credenciais.

As próprias ferramentas de IA estão se tornando uma nova superfície de ataque. Pesquisadores estão observando instruções maliciosas direcionadas a assistentes de codificação com IA e scanners de segurança de LLM, ataques envolvendo IA e cadeias de suprimentos de software, e o roubo de chaves de API, modelos e código-fonte. Algumas campanhas de destilação — tentativas de reproduzir capacidades de modelos proprietários a partir de suas saídas — já ultrapassaram 100 milhões de prompts.

Contas comprometidas de serviços de IA e recursos de nuvem também estão se tornando mais valiosas. Atores de ameaça as usam para obter acesso a modelos comerciais, automatizar suas próprias operações e executar cargas de trabalho caras às custas da vítima. Em 2026, o preço médio dessas contas em mercados subterrâneos monitorados pelo GTIG mais que dobrou.

O que mudou desde o relatório de maio?

O GTIG já havia documentado vários casos de uso avançados em maio: um exploit zero-day que avaliou ter sido desenvolvido com IA, experimentos com ofuscação de malware assistida por IA, componentes de IA no backdoor Android PROMPTSPY, ferramentas agênticas para reconhecimento e testes de penetração, e ataques direcionados ao próprio ecossistema de IA.

Em outras palavras, os últimos meses não trouxeram uma classe fundamentalmente nova de capacidade. A maior mudança está na maturidade e autonomia. Em maio, a maioria dos usos de IA observados ainda se concentrava em tarefas discretas dentro do ciclo de vida do ataque, embora o GTIG já tivesse começado a ver fluxos de trabalho agênticos. Agora, os pesquisadores estão observando cada vez mais sistemas que conectam mais estágios, lidam com problemas operacionais com menos entrada humana e exigem progressivamente menos intervenção manual. _ A mudança parece mais evolutiva do que revolucionária. O principal risco hoje não é um “hacker de IA” totalmente autônomo, mas a necessidade decrescente de envolvimento humano nos fluxos de trabalho de ataque existentes e o consequente aumento na velocidade operacional. Uma tendência particularmente importante é o encolhimento do tempo entre a divulgação de uma vulnerabilidade e a disponibilidade de código de exploit funcional._