IA já cria frameworks autônomos de ciberameaças e acelera ataques em escala
As ameaças digitais estão entrando em uma nova fase. Em vez de depender apenas de comandos isolados enviados a modelos de linguagem, grupos criminosos e operadores de espionagem passaram a combinar diferentes agentes de inteligência artificial em frameworks capazes de planejar, executar e ajustar ataques complexos com pouca intervenção humana.
A avaliação é do Google Threat Intelligence Group (GTIG), que identificou uma evolução significativa na forma como a IA vem sendo empregada no cibercrime. Segundo o grupo, os invasores já integram recursos de inteligência artificial em várias etapas da operação, desde o reconhecimento inicial até a exploração de vulnerabilidades, o roubo de credenciais e a tentativa de ocultar os rastros deixados na infraestrutura comprometida.
Em um dos casos analisados, um agente com motivação financeira conseguiu montar e colocar em funcionamento uma campanha de grande escala para captura de credenciais em menos de seis horas. Os agentes automatizados fizeram varreduras em busca de falhas, coletaram milhares de dados de acesso, corrigiram problemas durante a própria operação, alternaram endereços IP e utilizaram serviços de nuvem comprometidos para dificultar a detecção.
Essa velocidade altera profundamente o equilíbrio entre ataque e defesa. Antes, uma equipe de segurança podia contar com um intervalo maior para identificar comportamentos suspeitos, investigar a origem da atividade e bloquear os recursos utilizados pelos invasores. Com frameworks multiagentes, porém, decisões que exigiriam horas de trabalho humano podem ser tomadas em segundos, reduzindo a janela disponível para contenção.
Da coleta passiva à operação autônoma
O GTIG descreve uma transição dos chamados infostealers, programas normalmente voltados à extração de informações em computadores e navegadores, para plataformas ofensivas mais completas. Esses novos sistemas podem coordenar tarefas, distribuir funções entre agentes, avaliar resultados e mudar de estratégia quando encontram obstáculos.
Na prática, um agente pode fazer o reconhecimento da rede, outro analisar vulnerabilidades, um terceiro validar credenciais e um quarto administrar a infraestrutura usada no ataque. A coordenação entre eles permite que a operação continue mesmo quando determinada ferramenta falha ou quando os defensores bloqueiam parte dos recursos.
O problema se torna ainda mais grave porque a IA também está acelerando o desenvolvimento de software. Ferramentas de programação assistida ajudam equipes legítimas a produzir código com mais rapidez, mas também podem ser exploradas por criminosos para gerar scripts, adaptar malwares e testar variações de ataques em grande volume.
Risco crescente na cadeia de suprimentos
O relatório aponta que práticas de codificação apoiadas por IA contribuíram para comprometer ecossistemas de software em larga escala durante 2025 e no início de 2026. Plataformas como PyPI, npm e Docker Hub passaram a ser alvos especialmente relevantes, pois concentram componentes utilizados por milhares de aplicações e empresas.
Um dos grupos citados é o UNC6780, também conhecido como TeamPCP. Com motivação financeira, o ator realizou campanhas contra esses ecossistemas desde março de 2026. Entre as técnicas empregadas estavam métodos para induzir assistentes de programação baseados em IA a produzir respostas inseguras e para confundir scanners de segurança que utilizam modelos de linguagem.
Esse tipo de ofensiva pode atingir organizações que nunca tiveram contato direto com o invasor. Basta que uma biblioteca contaminada, uma imagem de contêiner adulterada ou um pacote aparentemente legítimo seja incorporado a um projeto. O comprometimento se espalha pela cadeia de dependências, tornando a identificação da origem muito mais difícil.
Por isso, empresas precisam reforçar a análise de componentes de terceiros, manter inventários atualizados de dependências, verificar a procedência de pacotes e aplicar assinaturas digitais sempre que possível. A revisão humana continua essencial, especialmente em trechos de código gerados automaticamente.
Modelos, APIs e dados proprietários viram alvos
Outra tendência destacada pelo GTIG é o aumento dos ataques contra ativos relacionados à inteligência artificial. O interesse dos invasores já não se limita a laboratórios especializados: modelos treinados, códigos-fonte, conjuntos de dados, chaves de API e ambientes de desenvolvimento também estão sendo perseguidos.
Os alvos incluem organizações públicas, empresas militares, hospitais, veículos de comunicação e companhias que desenvolvem soluções próprias. O roubo desses ativos pode permitir espionagem, extorsão, cópia de propriedade intelectual ou manipulação de sistemas automatizados.
As credenciais de API merecem atenção especial. Quando expostas, elas podem ser usadas para consumir serviços caros, extrair informações internas ou operar modelos em nome da vítima. Além do prejuízo financeiro, o uso indevido pode comprometer a reputação da empresa e gerar problemas regulatórios.
A proteção deve incluir cofres de segredos, autenticação multifator, limitação de permissões, rotação automática de chaves e monitoramento de consumo. Credenciais nunca devem ser inseridas diretamente em códigos, repositórios públicos ou arquivos compartilhados sem proteção.
Frameworks multiagentes em velocidade de máquina
O cenário descrito pelo relatório envolve tanto grupos criminosos quanto atores estatais. Em uma ocorrência, uma infraestrutura de nuvem pertencente a uma organização foi invadida para hospedar um framework multiagente. A operação alcançou uma escala normalmente associada a equipes maiores e mais estruturadas.
Outro exemplo é o framework chamado “Recon”, projetado para automatizar reconhecimento e gerenciamento de credenciais. O sistema organizava, verificava e administrava mais de 23.800 segredos em tempo real. Após identificar a atividade, o Google informou ter desabilitado ativos relacionados aos operadores.
Também há sinais de que grupos ligados à Rússia e à China estão testando modelos de linguagem para coordenar conjuntos complexos de ferramentas. A finalidade é tomar decisões táticas em “velocidade de máquina”, reduzindo a dependência de operadores humanos e ampliando a frequência das ações.
Isso não significa que todos os ataques se tornaram totalmente independentes. Em muitos casos, criminosos ainda supervisionam as etapas mais importantes. A diferença está na escala: uma pequena equipe pode controlar diversas operações simultâneas, enquanto agentes automatizados realizam tarefas repetitivas, analisam resultados e sugerem os próximos movimentos.
Como as empresas podem se preparar
A defesa precisa evoluir na mesma velocidade. Monitorar apenas assinaturas conhecidas de malware já não é suficiente. As equipes devem observar comportamentos anômalos, como mudanças rápidas de endereços IP, criação incomum de contas, acessos em sequência a muitos sistemas e uso atípico de serviços em nuvem.
Também é importante adotar controles de identidade com privilégio mínimo. Cada usuário, aplicação ou agente automatizado deve ter somente as permissões necessárias para executar sua função. Em caso de comprometimento, essa limitação reduz o impacto e dificulta a movimentação lateral.
Ambientes de desenvolvimento merecem proteção adicional. Repositórios, pipelines de integração contínua, ferramentas de automação e registros de contêineres devem utilizar autenticação forte, revisão de alterações e segregação de funções. Todo código gerado por IA precisa passar por testes, análise estática e validação de segurança antes de chegar à produção.
A preparação para incidentes também deve considerar ataques conduzidos por agentes autônomos. Playbooks precisam definir quando revogar credenciais, isolar máquinas, suspender integrações de nuvem e bloquear determinados domínios ou endereços. Quanto mais automatizada for a resposta, menor será o tempo de reação.
A estratégia de defesa do Google
O Google afirma adotar uma abordagem composta por várias camadas, reunindo proteções preventivas nos próprios modelos, inteligência especializada sobre ameaças e mecanismos direcionados de contenção.
A empresa também destaca a arquitetura Google AI Threat Defense, que combina a capacidade de raciocínio do Gemini e de outros modelos com priorização de riscos e recursos automatizados de correção. A proposta é identificar padrões de ataque, classificar sua gravidade e acelerar medidas de resposta.
Outra iniciativa mencionada é o Gemini 3.8 Flash Cyber, apresentado como o modelo de cibersegurança mais avançado da companhia. A intenção é aplicar IA não apenas na identificação de ameaças, mas também na investigação, na triagem de alertas e na remediação de incidentes.
Mesmo com essas ferramentas, a tecnologia não elimina a necessidade de profissionais especializados. Modelos podem interpretar sinais, correlacionar eventos e sugerir ações, mas decisões críticas exigem governança, auditoria e supervisão. Uma automação mal configurada pode bloquear operações legítimas ou ampliar um incidente.
A expansão dos frameworks autônomos mostra que a inteligência artificial deixou de ser apenas um recurso auxiliar para invasores. Ela já funciona como elemento de coordenação, adaptação e escala. Para as empresas, a resposta passa por proteger identidades, dados e cadeias de software, além de monitorar continuamente o uso de IA dentro e fora da organização.
Quanto mais os ataques se aproximam da autonomia, mais a segurança precisa combinar tecnologia, processos bem definidos e equipes preparadas para agir antes que uma operação automatizada transforme uma falha isolada em um comprometimento amplo.