Cibersegurança
Google identifica invasores que usam pipelines de exploração totalmente autônomos

Pontos-chaveO Google observou uma estrutura multiagente a comparar autonomamente patches e a…
Ver mais
- O Google observou uma estrutura multiagente a comparar autonomamente patches e a executar exploits esboçados sem envolvimento humano.
- Os atacantes agora preferem falhas n-day corrigidas porque o material de investigação finito as torna alvos mais fáceis do que as zero-days.
- As estruturas agênticas de testes de penetração comprimem as cronologias de ataque à velocidade da máquina, mas atualmente trocam a furtividade pela velocidade.
O Google Threat Intelligence Group (GTIG) identificou, pela primeira vez, agentes de ameaças que usam frameworks de modelos de linguagem de grande porte para automatizar completamente a descoberta e a exploração de vulnerabilidades, sem intervenção humana, segundo o Rastreador trimestral de ameaças de IA, produzido com a Mandiant e publicado em 16 de novembro de 2026.
Um exemplo detalhado foi um servidor de preparação exposto que hospedava um framework multiagente de pesquisa e armamento de vulnerabilidades, que o GTIG chamou de exploit_agent. O framework integrava vários modelos de ponta e modelos de linguagem locais. Ele foi configurado para comparar continuamente o código anterior e posterior à divulgação de atualizações para softwares populares de aplicações web, analisar as diferenças em busca de possíveis vulnerabilidades, elaborar exploits e executá-los automaticamente.
O servidor também continha dados exfiltrados de vítimas visadas, além de scripts para reconhecimento interno, ataques de força bruta, instalação de webshells e remoção de webshells deixadas por outros invasores. A telemetria das vítimas sugeriu que o operador tinha interesse especial em sites franceses ligados aos setores de mídia, entretenimento e educação. Comentários de configuração em russo faziam referência a chaves de API de LLM para exploração autônoma.
Análise de atualizações e janela de exploração
O GTIG afirmou que os invasores podem considerar vulnerabilidades n-day corrigidas — isto é, falhas para as quais já foram lançadas correções — alvos mais eficientes do que vulnerabilidades de dia zero, pois o material de pesquisa disponível é finito. Os agentes podem comparar versões do código-fonte, incluindo canais de pré-lançamento ou de prévia, e examinar notas de versão, pesquisas de segurança e códigos de prova de conceito relacionados a uma falha específica. A pesquisa de falhas de dia zero até então desconhecidas exige uma busca mais ampla.
Automatizar a análise de diferenças entre atualizações e transformar provas de conceito em exploits pode reduzir o intervalo entre a divulgação de uma atualização e a exploração armada da vulnerabilidade. A redução da barreira de entrada tem um segundo efeito: segundo o GTIG, os LLMs ajudaram a produzir exploits descritos como funcionais quando não são, gerando trabalho adicional de verificação para os defensores, que precisam distinguir códigos de ataque funcionais de alegações infundadas.
Frameworks multiagentes em invasões reais
A exploit_agent descoberta faz parte de uma mudança mais ampla, da criação manual de prompts para ferramentas de intrusão multiagentes. O GTIG e a Mandiant observaram vários agentes de ameaças abusando de frameworks de teste de penetração com agentes, de código aberto, incluindo ARTEX, CAIRN, CyberStrikeAI e PentAGI, para automatizar fases específicas e tarefas operacionais durante invasões reais. Entre os recursos compartilhados estão a descoberta e a exploração de vulnerabilidades de baixa complexidade, a geração sob demanda de cargas úteis descartáveis e o ajuste de táticas com base no retorno da execução em tempo real.
O GTIG observou de forma independente a implantação de CAIRN e PentAGI em ambientes reais, além de experimentos com CyberStrikeAI e HexStrike AI. O CAIRN coordena agentes especializados por meio de um ciclo de observar, orientar, decidir e agir, além de um quadro compartilhado. O GTIG o observou em atividades de intrusão contra alvos que incluíam o setor aeroespacial dos EUA. Entre o fim de agosto e o início de outubro de 2026, um agente de ameaças usou uma plataforma de orquestração personalizada baseada no PentAGI para realizar reconhecimento sistemático e varredura de vulnerabilidades contra uma ampla variedade de organizações na Ásia.
Esses frameworks podem comprimir os prazos dos ataques à velocidade das máquinas, mas, segundo a avaliação do GTIG, atualmente sacrificam a furtividade em favor da velocidade. A execução autônoma sem restrições gera tráfego forense, usa identificadores reconhecíveis e deixa rastros característicos no código. Esses vestígios podem ajudar na detecção e na mitigação, embora as ferramentas continuem capazes de alcançar seus objetivos operacionais.
Acesso roubado a recursos de IA e revenda clandestina
O relatório também documenta um mercado de recursos de nuvem e de IA comprometidos. Ao longo de 2026, a Mandiant respondeu a vários incidentes de sequestro de LLM, nos quais agentes motivados por ganhos financeiros usaram ambientes de nuvem comprometidos para consumir a capacidade computacional das vítimas ou as cotas de recursos de LLM. Segundo a Mandiant, algumas cobranças fraudulentas de um único dia ultrapassaram US$ 100.000, e o caso mais grave de abuso acumulado chegou a US$ 1 milhão antes da remediação.
O GTIG também acompanha os intermediários de LLM, lojas clandestinas que vendem acesso não autorizado a serviços de LLM e à infraestrutura de proxy que os sustenta. Eles encaminham o tráfego dos compradores por conjuntos de credenciais e instâncias computacionais roubadas e podem distribuir o volume de consultas entre vários ambientes de vítimas para reduzir a probabilidade de detecção. O GTIG observou preços anunciados que variavam de US$ 0,10 a US$ 25 por milhão de tokens em mercados clandestinos de língua russa e chinesa; os preços dependiam do serviço, do modelo e das credenciais oferecidas.
As descobertas apontam para um problema defensivo iminente de velocidade e escala. Atualizações públicas podem fornecer material para comparação e desenvolvimento automatizado de exploits, enquanto credenciais roubadas e serviços de proxy podem dar acesso à capacidade de IA. Essas mesmas operações automatizadas deixam rastros forenses e contribuem com códigos de exploit pouco confiáveis, oferecendo oportunidades de detecção aos defensores, mesmo quando enfrentam janelas de exploração mais curtas e mais material a verificar.












