Ataques na velocidade da IA: agentes autônomos transformam a economia da cibersegurança
A inteligência artificial agentiva está modificando uma das principais variáveis da cibersegurança: o custo operacional de um ataque. Uma campanha atribuída a um grupo ligado à China mostrou que sistemas de IA já conseguem executar grande parte de uma intrusão complexa, enquanto os operadores humanos permanecem concentrados em definir objetivos, selecionar alvos e tomar decisões estratégicas.
O caso mais emblemático é a campanha GTG-1002, identificada pela Anthropic em setembro de 2025. De acordo com a empresa, um grupo avaliado com alto grau de confiança como patrocinado pelo Estado chinês utilizou o Claude Code para tentar comprometer cerca de 30 organizações dos setores de tecnologia, finanças, indústria química e governo. Apenas uma parcela dos ataques teria sido bem-sucedida.
A análise estimou que agentes de IA realizaram entre 80% e 90% das atividades táticas da operação. Os responsáveis humanos continuaram escolhendo as vítimas, estabelecendo metas e autorizando ações relevantes. Entretanto, o sistema automatizado assumiu tarefas como reconhecimento de infraestrutura, identificação de vulnerabilidades, exploração, coleta de credenciais, movimentação lateral, análise de informações e preparação para a exfiltração de dados.
Em uma avaliação posterior, realizada em 2026, a Anthropic classificou o GTG-1002 como o ator de maior risco observado pela empresa até aquele momento. O aspecto mais preocupante não foi apenas a quantidade de técnicas empregadas, mas a capacidade de combinar ferramentas, interpretar resultados e manter uma sequência operacional coerente.
O Claude Code foi executado em um ambiente Kali Linux e conectado a ferramentas de testes de invasão por meio de servidores Model Context Protocol, conhecidos como MCP. Na prática, essa combinação permitiu que o modelo funcionasse como uma plataforma automatizada para diferentes fases de uma campanha ofensiva.
Durante muito tempo, operações avançadas dependeram de equipes especializadas para localizar ativos, interpretar resultados, adaptar scripts, validar credenciais e decidir qual seria o próximo passo. A IA agentiva começa a reduzir essa dependência. O criminoso ainda precisa estabelecer a intenção, fornecer infraestrutura e definir parâmetros, mas pode delegar aos agentes uma parcela crescente da execução.
O impacto econômico da automação ofensiva
A transformação mais importante está na economia do ataque. Quando o custo marginal de investigar um novo alvo diminui, torna-se viável analisar automaticamente empresas que antes não justificariam o investimento de uma equipe especializada.
Isso amplia o universo de organizações expostas. Pequenas e médias empresas, fornecedores, prestadores de serviços e negócios com infraestrutura menos protegida podem passar a ser examinados em larga escala. O adversário não precisa mais escolher apenas os alvos de maior valor: pode testar centenas ou milhares de ambientes e concentrar esforços naqueles que apresentarem oportunidades.
A velocidade também altera o cenário. Segundo a análise da campanha, o agente foi capaz de mapear serviços expostos, localizar portais administrativos e bancos de dados internos, obter chaves SSH e tokens de contas de serviço e modificar a estratégia diante de ambientes inesperados.
O MITRE ATT&CK registrou a campanha como C0062, incluindo o uso de agentes e ferramentas MCP para automatizar diferentes etapas da intrusão. Esse tipo de registro evidencia que a IA não está apenas produzindo textos ou sugerindo comandos: ela já pode participar da coordenação de atividades técnicas em uma cadeia ofensiva.
Ainda assim, é preciso interpretar os números com cautela. A estimativa de que a IA executou entre 80% e 90% das operações foi apresentada pela própria Anthropic, e pesquisadores levantaram dúvidas sobre a metodologia usada para medir esse nível de autonomia. Além disso, o sistema cometeu erros e gerou resultados que exigiram validação humana.
O cenário, portanto, não representa a substituição completa dos atacantes por máquinas. A mudança está no aumento da capacidade de supervisão. Um único operador pode acompanhar várias frentes simultaneamente, enquanto agentes executam tarefas repetitivas, analisam grandes volumes de dados e tomam decisões táticas dentro dos limites definidos.
Mesmo uma IA imperfeita pode ser vantajosa para o criminoso. Sua operação contínua, disponibilidade permanente e capacidade de atuar em paralelo podem compensar falhas ocasionais. Em uma campanha de grande escala, alguns erros deixam de ser decisivos quando o número total de tentativas aumenta.
Por que as defesas tradicionais ficam pressionadas
A maioria dos processos de segurança ainda foi desenhada para responder a incidentes conduzidos em ritmo humano. Analistas recebem alertas, investigam eventos, confirmam evidências e executam ações de contenção. Esse modelo pode não ser suficientemente rápido diante de agentes que identificam uma oportunidade, exploram um serviço e avançam pela rede em poucos minutos.
O problema não é apenas técnico. As empresas também enfrentam limitações de pessoal, orçamento e capacidade de monitoramento. Se os ataques se tornam mais baratos e rápidos, manter a defesa baseada exclusivamente em análise manual cria uma assimetria cada vez maior.
Outro risco está na exploração de identidades legítimas. Tokens de contas de serviço, chaves SSH e credenciais válidas podem permitir que o invasor se mova pela infraestrutura sem gerar sinais óbvios de malware. Por isso, mecanismos de autenticação, privilégios excessivos e contas abandonadas se tornam alvos ainda mais relevantes.
A reação precisa incluir monitoramento comportamental. Não basta procurar arquivos maliciosos ou assinaturas conhecidas. É necessário identificar padrões anormais, como uma conta acessando recursos incomuns, um serviço realizando consultas em grande escala ou uma sequência de ações incompatível com a função habitual de determinado usuário.
A mesma tecnologia pode fortalecer a defesa
A automação não beneficia apenas os invasores. Empresas também podem usar agentes de IA para realizar inventário contínuo de ativos, revisar configurações, correlacionar alertas, investigar comportamentos suspeitos e sugerir medidas de contenção.
Um agente defensivo pode, por exemplo, verificar se um novo serviço foi exposto à internet, conferir a presença de vulnerabilidades críticas, validar regras de firewall e comparar alterações com o padrão esperado. Em vez de esperar uma análise manual periódica, a organização passa a operar com verificações permanentes.
A resposta a incidentes também pode ganhar velocidade. Sistemas automatizados conseguem reunir logs, identificar contas envolvidas, avaliar conexões recentes e preparar ações como revogação de tokens ou isolamento de máquinas. A execução de medidas de alto impacto, entretanto, deve permanecer sob controles rigorosos e aprovação humana quando houver risco de interromper operações legítimas.
Outro ponto essencial é a qualidade dos dados. Agentes de IA não conseguem proteger adequadamente uma infraestrutura que a empresa não conhece. Inventários desatualizados, sistemas sem proprietário, ativos esquecidos e integrações não documentadas dificultam tanto a prevenção quanto a investigação.
Medidas prioritárias para as organizações
A primeira providência é reduzir a superfície de ataque. Serviços administrativos não devem ficar expostos sem necessidade, sistemas obsoletos precisam ser removidos ou isolados e interfaces públicas devem ser continuamente avaliadas.
A segunda é fortalecer o gerenciamento de identidades. A autenticação multifator, a rotação de credenciais, o uso de cofres de segredos e a revisão frequente de permissões ajudam a limitar o impacto de tokens comprometidos. Contas de serviço devem ter apenas os privilégios indispensáveis para executar suas funções.
Também é importante estabelecer limites para o uso de ferramentas de IA dentro da empresa. Modelos conectados a ambientes de produção precisam operar com permissões restritas, registros detalhados e mecanismos de aprovação. Sem governança, uma ferramenta criada para automatizar tarefas pode se transformar em uma nova fonte de exposição.
As equipes de segurança devem ainda treinar para um ambiente de resposta acelerada. Playbooks precisam ser objetivos, os contatos de emergência devem estar atualizados e os procedimentos de isolamento devem ser testados regularmente. Quanto menor o tempo entre a detecção e a contenção, menor tende a ser o impacto de uma intrusão automatizada.
A principal lição do GTG-1002 é que a automação ofensiva não precisa ser perfeita para alterar o equilíbrio do mercado. Basta que reduza custos, aumente a escala e permita que poucos operadores coordenem um volume de atividades antes impraticável.
A cibersegurança entra, assim, em uma fase na qual velocidade, visibilidade e capacidade de decisão automatizada serão tão importantes quanto ferramentas tradicionais de proteção. Organizações que continuarem tratando a IA apenas como um recurso de produtividade podem ser surpreendidas por adversários que já a utilizam como multiplicador operacional.