Os Agentes de IA Estão Transformando os Dias Zero em uma Corrida que os Humanos Não Podem Ganhar Sozinhos

Por anos, as vulnerabilidades de dia zero foram perigosas, mas eram escassas e difíceis de explorar em larga escala. Encontrar uma delas exigia paciência, habilidades especializadas e um profundo entendimento do comportamento do software. Como Nicole Perlroth e outros jornalistas relataram, havia um comércio de dias zero, e os estados nacionais os tratavam como armas cibernéticas extremamente valiosas.

Hoje, os dias zero estão amplamente disponíveis. Quase qualquer pessoa pode descobrir novos, com a ajuda de modelos de IA de código aberto ou de IA proprietários, como Claude e OpenAI.

Os mesmos avanços que tornam a IA útil para escrever código, resumir logs e acelerar operações de segurança também podem ser usados para procurar falhas, encadear vulnerabilidades e testar caminhos de exploração à velocidade da máquina. Os atacantes não precisam mais inspecionar manualmente cada dependência, reverter a engenharia de cada aplicativo ou gastar semanas procurando por uma fraqueza. Os agentes de IA podem automatizar grande parte desse trabalho, explorando bases de código, digitalizando sistemas expostos, gerando hipóteses e iterando até encontrarem algo útil.

Isso muda a economia da exploração de dia zero. Um atacante humano pode ter apenas tempo para perseguir os alvos mais promissores. Um atacante assistido por IA pode se dar ao luxo de examinar muito mais software, muito mais rapidamente, com muito menos fadiga. Mesmo que a maioria das tentativas falhe, o volume de tentativas torna o sucesso mais provável. Na segurança cibernética, a escala muitas vezes transforma eventos raros em eventos rotineiros.

A IA Está Expandindo a Superfície de Busca de Dia Zero

É por isso que os dias zero estão se tornando um risco empresarial mais urgente. O software moderno é muito grande, muito interconectado e muito dependente de componentes de terceiros para que qualquer organização possa entender completamente todas as fraquezas antes que um atacante o faça. A maioria das empresas confia em uma mistura complexa de plataformas comerciais, bibliotecas de código aberto, serviços de nuvem, aplicativos SaaS, APIs, sistemas de identidade, dispositivos de borda e ferramentas internas. Cada camada introduz potenciais vulnerabilidades. Cada integração cria novos caminhos de ataque. Cada atualização pode alterar silenciosamente o perfil de risco.

A realidade desconfortável é que há uma quantidade massiva de vulnerabilidade não descoberta dentro de software de todos os tipos. Algumas delas existem em código antigo. Algumas existem em código novo escrito sob pressão. Algumas vêm de dependências que poucas organizações rastreiam com precisão suficiente. Algumas surgem da forma como os sistemas interagem, mesmo quando cada componente individual parece seguro. Os agentes de IA são bem adaptados para explorar essa complexidade porque podem procurar amplamente, persistentemente e adaptativamente.

Os defensores enfrentam um problema de patching impossível. Você não pode patchar uma vulnerabilidade que não sabe que existe. Você não pode priorizar cada fraqueza teórica igualmente. Você não pode testar completamente todas as combinações de software, configuração e comportamento do usuário antes da implantação. Mesmo os programas de gerenciamento de vulnerabilidade maduros são frequentemente construídos em torno de CVEs conhecidos, avisos de fornecedores e feeds de inteligência de ameaças. Esses são essenciais, mas chegam após a descoberta. Em um mundo de caça a dia zero acelerada por IA, a descoberta pode acontecer primeiro nas mãos de um atacante.

Isso cria um jogo crescente de “acerte o mole”. Uma vulnerabilidade é encontrada. Um patch é apressado. A exploração muda para um sistema vizinho, uma dependência diferente ou uma interface newly exposta. As equipes de segurança respondem, mas a fila de pendências continua expandindo. A IA aumenta a velocidade do martelo em ambos os lados, mas os atacantes muitas vezes se beneficiam primeiro porque precisam encontrar apenas um caminho viável. Os defensores precisam proteger todos eles.

A resposta de longo prazo pode vir da própria IA. À medida que os sistemas de IA se tornam melhores em gerar, revisar e testar código, eles devem ajudar a eliminar inteiras classes de vulnerabilidades antes que o software chegue à produção. O desenvolvimento seguro por design pode se tornar muito mais prático quando a IA pode inspecionar continuamente o código, identificar padrões inseguros, modelar a exploração e recomendar correções em tempo real. Eventualmente, podemos chegar a um ponto em que erros comuns de memória, falhas de injeção, erros de autenticação e configurações inseguras sejam drasticamente reduzidos porque a engenharia assistida por IA os captura cedo. Em nosso trabalho no DeepTempo, já vemos um uso maior de linguagens seguras de memória, como Rust, em nosso software; embora Rust seja mais difícil em alguns aspectos para codificar, é mais seguro e codificá-lo se tornou muito mais fácil graças à IA.

Os Defensores Precisam Mudar de Velocidade de Patch para Resiliência de Ataque

Embora um futuro em que todo o software tenha sido patchado ou reescrito de forma mais segura seja digno de ser perseguido, é incerto se isso é teoricamente possível por uma variedade de razões. Em qualquer caso, sabemos que isso ainda não chegou e não chegará por muitos anos. O código gerado por IA de hoje ainda pode introduzir vulnerabilidades. E as ferramentas de segurança de IA ainda podem perder o contexto. Os ambientes empresariais de hoje ainda contêm décadas de dívida técnica acumulada. Os atacantes já estão usando automação para se mover mais rápido, enquanto os defensores ainda estão integrando a IA em fluxos de trabalho existentes, cadeias de aprovação e modelos de risco, e descobrindo que os LLMs não são úteis na detecção de ataques.Mais informações sobre como os LLMs se saem na detecção podem ser encontradas em benchmarks de código aberto recentes, como o SOC Bench. Por exemplo, os engenheiros por trás do SOC Bench descobriram que os melhores LLMs têm uma taxa de falsos positivos na faixa de 20% e custariam centenas de milhões de dólares por dia na escala de um ambiente de segurança típico.Como resultado de todos os fatores acima, o surgimento da IA atualmente favorece vastamente os atacantes.

Infelizmente, as organizações precisam assumir que algumas vulnerabilidades desconhecidas serão descobertas por adversários antes que sejam divulgadas publicamente. Além disso, graças ao aprimoramento do phishing e à prevalência da captura generalizada de identidades, os atacantes podem simplesmente fazer login.Em resumo, pelo menos no curto prazo, a estratégia de segurança não pode depender inteiramente da prevenção. A prevenção permanece crítica, mas deve ser combinada com detecção mais rápida, análise comportamental mais forte e contenção mais apertada.

Como várias organizações sugeriram recentemente, incluindo NIST, os Cinco Olhos e a Academia Nacional de Ciências, dado o surgimento de atacantes habilitados por IA, as equipes de segurança devem reavaliar as abordagens para entender o que é normal em usuários, máquinas, identidades, aplicativos e fluxos de dados. Os exploits de dia zero muitas vezes têm sucesso porque contornam assinaturas conhecidas, mas ainda deixam rastros que os modelos de classificação mais poderosos de hoje podem ver e discernir. Por exemplo, os ataques podem mostrar padrões de acesso incomuns, uso anormal de privilégios, atividade de processo inesperada, fluxos de autenticação estranhos ou movimento de dados que, em combinação, não correspondem à linha de base do ambiente. A IA construída com propósito pode ajudar os defensores a encontrar esses sinais mais cedo, especialmente quando o ataque em si é novo.

Além disso, as empresas devem reduzir o raio de explosão da violação. Segmentação, privilégio mínimo, controles de identidade fortes, monitoramento contínuo e isolamento rápido importam mais quando vulnerabilidades desconhecidas estão sendo exploradas. Se um atacante usa um dia zero para ganhar entrada, a próxima pergunta é até onde eles podem se mover antes de serem detectados. A janela menor torna o exploit menos valioso.

Não há um botão de pausa limpo para este momento. Os agentes de IA continuarão a melhorar. A experimentação ofensiva continuará a acelerar. O número de sistemas dignos de serem investigados continuará a crescer. A tarefa da comunidade de segurança é garantir que a IA defensiva amadureça tão rapidamente.

Os dias zero sempre recompensaram velocidade, criatividade e assimetria. Os agentes de IA amplificam todos os três. As organizações que se adaptam tratarão a IA como mais do que uma camada de produtividade para as equipes de segurança. Elas também usarão IA construída com propósito para detectar eficientemente e com precisão ameaças desconhecidas, priorizar sinais aparentemente fracos que, em combinação com milhares de outros, sugerem uma violação, e responder antes que uma vulnerabilidade explorada se torne uma crise empresarial em larga escala.