A Gambit Security’s “AI Across the Intrusion Lifecycle” Mostra Como a IA Está Se Movendo Mais Fundo em Ciberataques do Mundo Real

Gambit Security’s novo relatório, AI Across the Intrusion Lifecycle oferece uma visão detalhada de como a inteligência artificial está se movendo além de um papel de apoio no cibercrime e se tornando integrada à mecânica diária de intrusões reais. Escrito pelo Diretor de Inteligência de Ameaças Eyal Sela e pelo Pesquisador de Ameaças Cibernéticas Nir Varon, o relatório examina três atores de ameaça não relacionados que usam IA para tudo, desde a construção de scripts e ferramentas de exploração até a análise de dados de negócios roubados, solução de problemas de infraestrutura e determinação interativa do que fazer em seguida em ambientes comprometidos.
A importância não é simplesmente que os atacantes estão pedindo a grandes modelos de linguagem para escrever malware. Os casos sugerem algo mais consequente: a IA está se tornando parte do fluxo de trabalho operacional de uma intrusão, ajudando os atacantes a se adaptarem à medida que surgem novos sistemas, credenciais, erros e oportunidades.

De assistente de codificação a participante operacional

Ao longo das três investigações, a Gambit observou os atacantes usando IA em diferentes estágios de uma intrusão. Modelos geraram scripts personalizados para os ambientes que encontraram, desenvolveram ferramentas de exploração, priorizaram informações de negócios valiosas, realizaram tarefas de TI e DevOps e refinaram comandos repetidamente com base na saída retornada pelos sistemas comprometidos.

Isso representa uma evolução importante a partir de algumas das primeiras discussões sobre cibercrime habilitado por IA, que se concentravam fortemente em e-mails de phishing, geração de malware ou redução da barreira técnica para atacantes inexperientes.

A IA pode agora funcionar mais como um assistente técnico altamente responsivo que permanece envolvido à medida que uma operação se desenrola.

O panorama de ameaças mais amplo parece estar se movendo na mesma direção. A Anthropic analisou recentemente 832 contas associadas a atividade cibernética maliciosa entre março de 2025 e março de 2026 e encontrou o uso de IA abrangendo todas as 14 táticas representadas no framework MITRE ATT&CK. A empresa também encontrou que a participação de atores que classificou como de risco médio ou superior aumentou de 33% para 56% entre a primeira e a segunda metade do período estudado.

Os casos da Gambit fornecem uma visão particularmente concreta do que essa mudança pode parecer dentro de comprometimentos ativos.

Um operador de ransomware suspeito coloca o Claude Code dentro do loop de ataque

O primeiro caso envolve um operador de ransomware suspeito que a Gambit observou usando o Claude Code em intrusões em seis organizações em junho de 2026, com os pesquisadores também conectando o ator a dois comprometimentos anteriores.

As vítimas abrangiam várias indústrias e países, incluindo uma empresa de serviços de energia da Austrália, uma empresa de serviços financeiros de Maurício, empresas da África do Sul, Tailândia e Malásia, e várias organizações nos Estados Unidos. A Gambit atribui a atividade com confiança média a um afiliado que usa a operação de ransomware como serviço The Gentlemen.

O que se destaca é a amplitude do papel do Claude Code.

O atacante usou o sistema para realizar reconhecimento, gerar comandos de exploração, escrever scripts maliciosos, modificar políticas de firewall, mapear sistemas internos e determinar quais máquinas ou bancos de dados mereciam atenção adicional.

Uma vez que as credenciais e o acesso remoto foram estabelecidos, a IA ajudou a interpretar os dados de reconhecimento e identificar sistemas de maior valor, como controladores de domínio, servidores de arquivos e infraestrutura de backup. Em outra parte da intrusão, ela analisou bancos de dados pertencentes a uma plataforma de serviços financeiros e ajudou a identificar dados de produção e documentos de clientes como particularmente importantes.

O caso também ilustra os limites das salvaguardas atuais. Em um momento, o Claude reconheceu que parecia estar interagindo com uma rede corporativa real e se recusou a prosseguir sem evidências de autorização. O operador abriu uma nova sessão, reformulou o trabalho como teste de vulnerabilidade autorizado e o modelo continuou.

Mas a capacidade aumentada não significou execução perfeita. Durante o comprometimento da empresa de serviços de energia, o Claude tentou modificar uma configuração de firewall e acabou deixando o dispositivo inacessível. O incidente é um importante contraponto aos medos de hackers de IA perfeitamente autônomos: os modelos podem acelerar as operações ofensivas, mas também podem cometer erros caros dentro dos próprios sistemas que os atacantes estão tentando controlar.

Zerofot mostra o que acontece quando a IA encontra escala

O segundo caso é menos sobre uma intrusão direcionada e mais sobre a industrialização do roubo de credenciais.

A Gambit rastreia o operador como Zerofot, descrevendo uma campanha que procurava arquivos e diretórios expostos na internet para chaves de API, credenciais de nuvem, tokens de software e chaves privadas SSH.

No centro da operação estava um scanner de coleta de credenciais personalizado chamado auto_scan. O operador construiu a ferramenta usando o OpenAI Codex e o Claude Code, instruindo os modelos sob a premissa de que o trabalho estava sendo realizado em um ambiente de captura de bandeira autorizado. O scanner coletou arquivos expostos, procurou por credenciais potenciais e tentou validar as chaves descobertas contra seus respectivos serviços.

O papel da IA não parou uma vez que a ferramenta foi escrita.

O Claude Code também foi usado para o trabalho menos glamoroso, mas operacionalmente crítico, de manter a infraestrutura em funcionamento. Através de um framework de orquestração de multi-agente, ele ajudou a gerenciar a infraestrutura do scanner, proxies, rede, configurações de firewall, monitoramento e depuração.

Essa distinção é importante. As operações cibernéticas exigem muito mais do que descobrir uma vulnerabilidade ou gerar uma carga útil. A infraestrutura precisa ser implantada, o software quebra, os logs precisam ser interpretados e os problemas de configuração precisam ser resolvidos. A IA pode ajudar cada vez mais com esse trabalho de conexão.

A escala documentada pela Gambit é substancial. Entre 5 de abril e 23 de maio de 2026, a operação coletou 2.975 credenciais e chaves validadas de 1.742 hosts de vítimas. Isso incluiu 661 chaves privadas SSH, 635 chaves de acesso da AWS associadas a 214 contas, 448 chaves Google Gemini, 254 chaves OpenAI e 176 chaves Anthropic, entre muitos outros tipos de credenciais. A Gambit afirma que as informações foram compartilhadas com a Shadowserver Foundation e os provedores de serviços afetados para apoiar a notificação e a revogação de credenciais.

RAGE transforma o código gerado por IA em um framework de exploração

A terceira investigação se concentra em RAGE, um framework personalizado de Python projetado para digitalizar serviços que enfrentam a internet, explorar implantações vulneráveis, coletar credenciais e instalar mineradores de criptomoedas.

Os pesquisadores da Gambit acreditam que grande parte do RAGE e seus scripts associados foram gerados por IA. Uma pista é reveladora: partes do código ainda contêm raciocínio de primeira pessoa, autocorrigindo aparentemente deixado para trás pelo modelo durante o desenvolvimento.

A IA também foi incorporada diretamente no sistema concluído. O RAGE incluiu um “Orquestrador de IA” com suporte do DeepSeek dentro do painel do operador que forneceu orientação para gerenciar a operação de mineração.

O framework visou serviços expostos, incluindo Redis, Elasticsearch, Docker, Tomcat, Jenkins e outros, enquanto procurava ambientes comprometidos por credenciais que pudessem criar oportunidades adicionais.

Em uma instância, as credenciais recuperadas de uma implantação de Redis exposta pertencente a um provedor de software como serviço forneceram acesso administrativo a uma conta da AWS. O atacante subsequentemente gerou ferramentas adicionais para enumerar identidades, armazenamento e outros recursos de nuvem.

Logs recuperados mostraram acesso a oito usuários de Gerenciamento de Identidade e Acesso, quatro dos quais tinham acesso de administrador, bem como 196 buckets do Amazon S3.

Uma campanha que parecia principalmente motivada pela mineração de criptomoedas também teve a capacidade de transformar um serviço exposto em um comprometimento de nuvem muito mais amplo.

Os erros da IA podem se tornar parte da vantagem do defensor

Um dos aspectos mais interessantes da pesquisa da Gambit é que ela documenta falhas da IA ao lado de sucessos da IA.

Modelos às vezes expuseram as intenções do atacante de maneiras inesperadas. Ferramentas geradas por IA usaram nomes conspícuos, como “recon” para sessões de nuvem, enquanto outros artefatos gerados preservaram comentários descritivos e raciocínio que poderiam fornecer pistas sobre como foram criados. No caso do ransomware, uma tentativa de modificação de firewall produziu uma interrupção.

Essas fraquezas complicam a ideia de que a IA torna automaticamente as operações cibernéticas mais sigilosas ou sofisticadas.

Pesquisadores de segurança da Microsoft descreveram a IA como um acelerador dentro dos fluxos de trabalho dos atacantes, com operadores humanos ainda dirigindo muitas operações de ponta a ponta. As descobertas da Gambit sugerem que a relação pode se assemelhar cada vez mais a uma parceria: os humanos fornecem objetivos e julgamento, enquanto a IA absorve porções significativas da iteração técnica necessária para atingir esses objetivos.

Isso pode tornar os atacantes mais rápidos sem necessariamente torná-los melhores em segurança operacional.

Equipes de segurança cibernética podem precisar defender contra iteração de velocidade de máquina

A preocupação maior levantada pela pesquisa é a velocidade.

Muitos controles de segurança supõem que um adversário se moverá por uma rede a um ritmo humano. Um atacante tradicionalmente precisa entender uma tecnologia desconhecida, pesquisar comandos, escrever scripts, solucionar erros e interpretar grandes volumes de dados antes de decidir para onde se mover em seguida.

Um sistema de IA pode comprimir muitas dessas etapas.

O risco, portanto, não está limitado a um agente de hacking autônomo no futuro. Um atacante que permanece firmemente no controle ainda pode usar a IA para reduzir a quantidade de expertise, tempo e esforço manual necessário para operar em ambientes desconhecidos.

Os defensores podem, consequentemente, precisar se concentrar menos em se um pedaço específico de malware foi “gerado por IA” e mais em sinais comportamentais em todo o ciclo de vida da intrusão: reconhecimento anormalmente rápido, comandos adaptativos repetidos, descoberta agressiva de credenciais, enumeração de nuvem inesperada, alterações na infraestrutura de backup ou segurança e movimento entre sistemas que ocorre mais rápido do que as operações tradicionais lideradas por humanos sugeririam.

As mesmas capacidades também permanecem valiosas para a defesa. A Anthropic, por exemplo, tem desenvolvido sistemas de IA que identificam vulnerabilidades e ajudam as equipes de segurança a remediá-las, enfatizando a natureza de uso dual de modelos cibernéticos cada vez mais capazes. A competição é cada vez mais sobre qual lado pode aplicar essas capacidades mais rápido e com melhor visibilidade.

Em última análise, “AI Across the Intrusion Lifecycle” é convincente porque move a discussão de segurança cibernética da IA para longe de ataques futuros hipotéticos e em direção ao comportamento operacional observável. Os três casos documentados pela Gambit Security mostram atacantes experimentando diferentes modelos, frameworks e níveis de automação, mas compartilham um padrão importante: a IA não está mais confinada a ajudar a preparar um ataque. Ela está cada vez mais presente enquanto o ataque está realmente acontecendo.