Pascal Geenens, VP de Inteligência de Ameaças Cibernéticas, Radware – Série de Entrevistas

Pascal Geenens, VP de Inteligência de Ameaças Cibernéticas, Radware, é um pesquisador de segurança cibernética e líder de tecnologia com mais de duas décadas de experiência em tecnologia da informação, segurança de rede e inteligência de ameaças. Na Radware, ele ajuda a liderar a pesquisa e o pensamento da empresa sobre o panorama de ameaças cibernéticas em constante evolução, com foco particular em ataques de negação de serviço distribuídos, malware de Internet das Coisas, ameaças automatizadas e o uso crescente de inteligência artificial por ambos os atacantes e defensores. Geenens desenvolve e mantém armadilhas de Internet das Coisas como parte da equipe de pesquisa de segurança da Radware e realizou uma pesquisa extensiva sobre ameaças como BrickerBot e Hajime. Antes de se juntar à Radware, ele trabalhou como engenheiro de consultoria na Juniper Networks , aconselhando principais provedores de serviços de nuvem e comunicações na Europa, Oriente Médio e África sobre estratégias de rede definida por software, virtualização de funções de rede e automação de centro de dados.

Radware é uma empresa de segurança cibernética e entrega de aplicativos de capital aberto que ajuda as empresas a proteger redes, sites, aplicativos e APIs em ambientes físicos, de nuvem, híbridos e definidos por software. Seu portfólio inclui proteção contra negação de serviço distribuída com IA, firewalls de aplicativos web, gerenciamento de bots, segurança de API, controladores de entrega de aplicativos e serviços de resposta de emergência gerenciados. Ao combinar análise comportamental, aprendizado de máquina, inteligência de ameaças em escala de nuvem e mitigação automatizada, a tecnologia da Radware é projetada para identificar atividade maliciosa em tempo real, preservando o acesso para usuários legítimos e mantendo a disponibilidade e o desempenho de serviços digitais críticos.

Você passou quase três décadas em segurança cibernética, desde o suporte ao kernel do IBM AIX e engenharia de infraestrutura até a descoberta de botnets como BrickerBot, JenX e Demonbot, e agora lidera a Inteligência de Ameaças na Radware. Olhando para trás, quais são as principais mudanças que você testemunhou na inovação dos atacantes, e como a IA mudou suas expectativas sobre como as próximas gerações de ameaças cibernéticas serão?

O panorama de ameaças cibernéticas passou por uma mudança fundamental, de hackers solitários que eram entusiastas altamente técnicos para cibercriminosos que são empresários sofisticados e organizados. No passado, um hacker era tipicamente motivado pelo desafio técnico em si. Hoje, a combinação de aceleração digital e IA gerativa comercializou toda a operação, alimentando uma economia de Crime como um Serviço (CaaS) madura. Atores maliciosos essencialmente espelharam o modelo de Software como um Serviço (SaaS) corporativo, vendendo ferramentas avançadas para qualquer um. Isso permite que novatos lancem ataques sofisticados em escala. À medida que nossa pegada digital expande a cada ano, a superfície de ataque disponível e as oportunidades de exploração financeira crescem com ela.

A IA está impulsionando o próximo capítulo dessa evolução de duas maneiras distintas.

Primeiro, ela democratiza o cibercrime. Ela dá um impulso imediato de capacidade aos atacantes amadores, enquanto ajuda as principais sindicâncias a otimizar suas operações, polir suas interfaces de usuário e comercializar seus serviços maliciosos de forma muito mais eficiente.

Segundo, e mais crítico, o surgimento de IA agente combinada com os últimos modelos de fronteira está automatizando o ciclo de vida da vulnerabilidade. Estamos nos movendo em direção a uma realidade operacional onde as máquinas podem escanear redes, descobrir vulnerabilidades e armazenar exploits quase que inteiramente por conta própria, trabalhando 24 horas por dia e executando ações em uma ordem de magnitude mais rápida do que qualquer defensor humano.

A IA está dramaticamente reduzindo a barreira técnica para os atacantes. Quais capacidades ofensivas de IA o preocupam mais nos próximos três a cinco anos, e quais delas você acha que estão recebendo mais atenção do que merecem?

A área que requer atenção mais próxima agora é a descoberta e exploração de vulnerabilidades assistidas por IA. No momento em que uma falha é divulgada, começa uma corrida. Os atacantes estão utilizando a IA para analisar instantaneamente a falha, mapear onde ela se aplica e gerar e testar variações de exploits. Isso comprime completamente o cronograma de exploração que já estava se movendo muito rápido para a maioria dos processos de gerenciamento de patches de empresas.

Simultaneamente, estamos vendo uma grande mudança em direção a sistemas de IA contínuos e locais. Especificamente, o surgimento de “agentes locais com um pulso”. Um exemplo primário é o OpenClaw e o anúncio recente da Microsoft (MSFT ) de que eles integrarão o OpenClaw na barra de tarefas de cada funcionário. Ao contrário de assistentes baseados em nuvem padrão, esses agentes locais são executados constantemente em segundo plano, diretamente na máquina do funcionário. Eles operam por meio de loops contínuos e imitam ações humanas, como digitação e navegação por meio de automação de navegador. Isso torna virtualmente impossível para os sistemas de segurança de endpoint padrão distinguir entre o funcionário e o agente de IA. Como os usuários inevitavelmente concedem permissões de sistema amplas a esses agentes para realizar seu trabalho, os agentes podem contornar conectores de API seguros simplesmente usando navegadores locais para clicar em links e botões. Se esses agentes autônomos locais forem atingidos por um ataque de injeção de prompt direto ou indireto, um ator ameaçador pode manipulá-los para exfiltrar, alterar ou destruir dados corporativos com zero rastros tradicionais.

O risco superestimado é o potencial para swarms de IA completamente autônomos e exploradores de zero dia que possam hackear empresas complexas em escala a partir do zero. Isso pode aparecer eventualmente, mas não é o problema de hoje. O problema de hoje é o de atacantes experientes com ferramentas e automação aprimoradas e um número maior de atacantes menos experientes que podem fazer mais do que podiam antes.

A janela entre a divulgação de vulnerabilidade e a exploração ativa continua a encolher. Quanto a IA acelerou esse cronograma, e quais mudanças as equipes de segurança de empresas devem fazer para se manter à frente?

É uma corrida em duas frentes: por um lado, você tem a corrida para descobrir, consertar e divulgar novas vulnerabilidades antes que os maus caras o façam; por outro lado, a corrida para corrigir implantações de software vulneráveis antes que os maus caras lancem um exploit. A IA está no centro de ambas as corridas.

Os defensores têm que lidar com um número crescente de vulnerabilidades e têm cada vez menos tempo para reagir. Uma vez que uma vulnerabilidade é pública, os atacantes se movem rapidamente pelos básicos. O que está afetado? É alcançável pela internet? O exploit pode ser reproduzido e adaptado para funcionar em mais ambientes? A IA ajuda com cada uma dessas etapas, resumindo a falha, revisando o código de prova de conceito, sugerindo ajustes e automatizando a varredura, exploração e processamento dos resultados.

A correção de patches não pode ser a única coisa que as equipes de segurança assistem. É necessário, mas geralmente é mais lento do que o cronograma do atacante, especialmente para aplicativos e APIs de produção que enfrentam a internet. As equipes precisam saber o que está exposto, o que é explorável na prática e quais serviços e recursos de negócios serão impactados quando forem atingidos.

Para fechar essa janela crítica de exposição, os defensores devem mudar de uma mentalidade reativa, baseada em patches, para um modelo automatizado, baseado em proteção, implementando defesas em tempo real específicas do ambiente. Em vez de confiar em assinaturas genéricas ou forçar as equipes de operações a lançar atualizações de software não validadas em produção, as organizações devem começar a confiar na descoberta contínua e automatizada de pontos de extremidade de API e lógica de negócios de aplicativos online, combinada com inteligência de ameaças sobre as últimas vulnerabilidades e ameaças para gerar patches virtuais personalizados dinamicamente. A implantação dessas proteções conscientes do contexto em aplicativos web e pontos de extremidade de API bloqueia tentativas de exploração no nível de tempo de execução antes que possam atingir a lógica de aplicativos vulneráveis. Esse tipo de interceptação automatizada compra um tempo de remediação para as equipes de segurança, permitindo que elas testem e implantem atualizações de software em um cronograma gerenciável sem expor o negócio a riscos imediatos ou tempo de inatividade.

As organizações estão implantando aplicativos e agentes de IA que dependem fortemente de APIs. Estão as empresas subestimando os riscos de segurança que isso cria, e quais são os maiores erros que você está vendo hoje?

Sim, muitas empresas ainda subestimam os riscos porque estão tratando agentes de IA como aplicativos para serem seguros e a segurança de IA como uma questão de privacidade de dados, e não como uma ameaça operacional. A questão que estamos vendo mais agora é uma falta de compreensão fundamental da agência do agente. Para que um agente de IA local seja realmente eficaz e economize tempo para um funcionário, o usuário tem que relatar todas as suas permissões de acesso a ele. Isso significa que o agente efetivamente herda a identidade e o acesso confiável do funcionário em aplicativos corporativos, sessões de navegador e arquivos locais. Mesmo que uma organização esteja ativamente monitorando e limitando conectores de agentes de IA, esses agentes locais podem interagir com sistemas imitando comportamento humano, como automação de navegador. Os sistemas de segurança corporativos se tornam completamente incapazes de distinguir entre o funcionário real e o agente automatizado.

Essa delegação de confiança se torna altamente perigosa devido à forma como os modelos de linguagem (LLMs) processam fundamentalmente a informação: os modelos de IA não distinguem entre dados e instruções. Quando um agente é concedido acesso amplo ao sistema para fazer seu trabalho, torna-se incrivelmente fácil para um ator ameaçador enganar o agente por meio de injeção de prompt indireta. Um atacante pode simplesmente plantar instruções maliciosas dentro de um e-mail, um PDF ou uma página da web que o agente é encarregado de ler. O modelo processa os dados não confiáveis como um comando, completamente contornando a consciência do usuário. De repente, uma ferramenta simples destinada a resumir documentos é manipulada para exportar autonomamente informações confidenciais, alterar dados corporativos ou instalar pacotes maliciosos, tudo enquanto se esconde atrás das credenciais legítimas do usuário.

Depois de passar anos pesquisando malware de Internet das Coisas e botnets, como você vê a IA transformando a próxima geração de botnets? Podemos eventualmente ver botnets autônomos capazes de adaptar suas táticas sem intervenção humana direta?

Os criadores de botnets nunca ficaram parados. Os operadores rotulam payloads, implementam novas vulnerabilidades, continuamente varrem dispositivos desatualizados e mudam sua infraestrutura de comando quando os defensores os pegam. Os agentes de IA podem acelerar seriamente esses ciclos, seja na triagem de vulnerabilidades, geração de exploits ou gerenciamento de infraestrutura.

Botnets autônomos não são ficção. O Brickerbot foi um dos primeiros bots autônomos. Ele permanecia silencioso e esperava por dispositivos infectados com Mirai para tentar comprometer o dispositivo hospedeiro e, em seguida, retaliava contra o dispositivo ofensor, explorando vulnerabilidades para obter uma posição no dispositivo. O bot agia como um sistema especializado baseado em regras, semelhante aos primeiros sistemas de IA. Outro botnet relevante que impressionou a comunidade de segurança mais de uma década atrás foi o Hajime. Ele foi um dos primeiros botnets peer-to-peer. Ao utilizar as tabelas de hash distribuídas do Torrent, o Hajime podia ser controlado e atualizado de forma descentralizada, não necessitando de uma infraestrutura de comando e controle centralizada e, por consequência, quase impossível de ser derrubado.

Há várias discussões na comunidade de segurança sobre o potencial para um botnet agente construído em frameworks de agentes de IA locais como o OpenClaw. Esses não são os botnets de malware tradicionais baseados em código, mas sim botnets impulsionados inteiramente por manipulação de contexto. Sempre que os agentes locais processam dados externos, os atacantes não precisam encontrar um exploit de software tradicional para capturar essas máquinas; eles apenas precisam enganar o LLM subjacente. Ao fazer isso, os atacantes obtêm acesso a execução de terminal poderosa, automação de navegador e potencialmente uma série de outras “habilidades”.

A comunidade está especificamente discutindo alguns elementos-chave que tornam um botnet “OpenClaw” amplamente viável:

• Como o OpenClaw ingere continuamente dados externos (como monitorar problemas do GitHub, ler mensagens do Slack/Telegram ou resumir páginas da web), os atacantes podem incorporar instruções maliciosas em dados públicos. Se um agente local de um usuário processar esses dados, o prompt injetado pode substituir as instruções do sistema e comandar o agente a se conectar a um servidor de comando e controle (C2) controlado pelo atacante.
• Pesquisadores de segurança observaram que os agentes OpenClaw têm a capacidade de utilizar canais de comunicação peer-to-peer ou agente-agente criptografados (como habilidades construídas pela comunidade, como o ClaudeConnect). Os cibercriminosos percebem que podem explorar esses canais de comunicação para permitir que os agentes sejam capturados e coordenem entre si silenciosamente, completamente contornando firewalls de rede e monitoramento de endpoint tradicionais.
• Varreduras de segurança revelaram que dezenas de milhares de usuários ingênuos estão executando instâncias do OpenClaw em servidores de nuvem e expõem acidentalmente as interfaces de gerenciamento HTTP diretamente à internet. Esse grande pool de ambientes de alto privilégio expostos fornece aos atores ameaçadores uma grande pegada para atacar.
• Como o OpenClaw depende fortemente de “habilidades” baixadas de repositórios públicos como o ClawHub, os atacantes estão carregando habilidades aparentemente inofensivas (como “O que faria o Elon”) que contêm instruções ocultas. Uma vez instaladas, o agente é ordenado silenciosamente a executar comandos de shell em segundo plano ou instalar malware, efetivamente recrutando a máquina hospedeira para um botnet sem que o usuário jamais veja um alerta de arquivo suspeito.

Em última análise, o consenso na comunidade é que o OpenClaw é um alvo primário para o primeiro botnet agente verdadeiro do mundo. Em vez de um botnet composto por roteadores comprometidos ou dispositivos de Internet das Coisas executando scripts de DDoS, um botnet OpenClaw consistiria em máquinas altamente capazes e totalmente autenticadas que os atores ameaçadores podem comandar para roubar credenciais, alterar dados ou orquestrar ataques de cadeia de suprimentos em escala e velocidade de máquina.

Quanto a bots automatizados que mudam de táticas e se adaptam autonomamente, utilizando um LLM central como seu cérebro, não é ficção, mas também não é algo que os herdeiros de botnets experientes favoreceriam. Os botnets são ativos. A automação que se comporta mal pode expor infraestrutura, chamar atenção cedo demais, expor o operador ou queimar excessivamente tokens. Os atacantes usarão a automação onde isso os ajuda a se mover mais rápido, mas eles são improváveis de abrir mão do controle sobre decisões que poderiam queimar o acesso, expor a infraestrutura ou prejudicar os lucros.

Não ignoraria completamente ou eliminaria o risco, no entanto. À medida que nos movemos em direção à IA de borda e novos dispositivos inteligentes se tornam mais frequentemente equipados com modelos de linguagem pequenos (SLMs) locais, posso ver atores ameaçadores oportunistas indo atrás do fruto mais fácil e incorporando funcionalidade de bot assistida por prompt em seus botnets. Pelo menos, eles não precisarão pagar pelo uso excessivo de tokens quando um SLM local começa a loopar em um prompt muito sofisticado ou um contexto que cresceu muito grande.

Campanhas de hacktivismo e ataques de DDoS em grande escala se tornaram cada vez mais comuns. Esses grupos estão se tornando mais sofisticados, ou a IA e as ferramentas de ataque facilmente disponíveis estão tornando ataques avançados acessíveis a uma audiência muito mais ampla?

Ambos. Alguns grupos de hacktivismo se tornaram genuinamente mais organizados. Alguns grupos, como o icônico NoName057(16), vêm realizando ataques de DDoS diariamente desde fevereiro de 2022. Eles tiveram tempo para melhorar suas ferramentas, construir um seguimento leal e aprender a escolher alvos que atraem atenção, cronometrar seus ataques em torno de eventos políticos e usar reivindicações públicas para construir pressão. Para os hacktivistas, a mensagem importa mais do que a própria interrupção.

Ao mesmo tempo, as ferramentas se tornaram mais fáceis de obter do que costumavam ser. Serviços de DDoS para aluguel, botnets, redes de proxy, scripts vazados e tutoriais permitiram que qualquer um com habilidades limitadas se juntasse a uma campanha e se sentisse parte de algo maior. A IA adiciona assistência de codificação, pesquisa de alvo, tradução, mensagens de campanha e automação básica em cima disso.

Os alvos sentem o impacto de qualquer forma, seja o ataque vindo de um grupo habilidoso impulsionado por ideologia ou de um lobo solitário contratado por um concorrente que aluga infraestrutura de ataque de DDoS. Um site down afeta os clientes. Um serviço público indisponível é notado pelos cidadãos. Barulho suficiente, e os executivos e equipes de comunicação devem responder, independentemente de quem está atrás do teclado.

À medida que as empresas correm para integrar IA gerativa em suas operações, quais novas superfícies de ataque estão surgindo que os líderes de segurança podem não estar completamente apreciando?

A resposta é definida pelo que o agente de IA pode alcançar. Uma vez que ele tenha acesso a documentos internos, código, pipelines de CI/CD, chaves de API ou ferramentas de devops, a superfície de ataque se expande rapidamente. Para ser útil, um agente precisa ter agência; caso contrário, é nada mais do que um chatbot glorificado. A questão então se torna o que o agente é permitido fazer. Qual informação confidencial ele pode ler? Pode alterar um ticket ou a conta bancária de um cliente no CRM? Pode executar código? Pode chamar um serviço externo? Pode expor dados por meio de chamadas de ferramentas?

A injeção de prompt indireta se torna mais séria em tal ambiente. Se um agente processa conteúdo não confiável e age, o prompt pode se tornar um caminho para o fluxo de trabalho. Isso é diferente de um chatbot respondendo a uma pergunta.

A IA agora está sendo usada por ambos os atacantes e defensores. Você acredita que a IA defensiva eventualmente manterá o ritmo com a IA ofensiva, ou as organizações enfrentarão uma batalha cada vez mais assimétrica nos próximos anos?

A IA está criando um desequilíbrio que favorece o atacante. Isso não ocorre porque os modelos de IA defensiva sejam inferiores. Na verdade, o uso de IA na defesa é altamente eficaz para filtrar o ruído diário e acelerar a resposta a incidentes. A questão, no entanto, é uma lacuna estrutural na velocidade operacional e nas restrições.

Historicamente, quando uma vulnerabilidade era descoberta, as equipes de segurança tinham uma pequena janela de tempo para implantar um patch antes que os atores ameaçadores a explorassem. Hoje, a IA agente comprimiu essa janela para quase zero. Ferramentas automatizadas podem encontrar uma falha e instantaneamente gerar um exploit direcionado. Um processo de gerenciamento de patches liderado por humanos simplesmente não pode competir com um pipeline de ataque automatizado em execução contínua.

Além disso, os dois lados operam sob regras completamente diferentes. Os atacantes enfrentam nenhuma restrição em termos de conformidade, ética ou tempo de inatividade operacional. Eles podem implantar agentes de IA personalizados para lançar campanhas de grande escala irrestritas. Os defensores, por outro lado, devem operar de forma determinística. Uma IA defensiva não pode isolar cegamente um banco de dados de produção central ou revogar as credenciais de um executivo com base apenas em uma anomalia de alta probabilidade. Os defensores requerem verificação para proteger a continuidade dos negócios, e a latência introduzida por essas barreiras necessárias é exatamente o que os ataques automatizados exploram.

Em última análise, a liderança de segurança não será definida por quem possui a IA “mais inteligente”, mas por quem resolve essa lacuna de velocidade arquitetônica. As organizações que tratam a IA como apenas outra ferramenta de segurança padrão serão esmagadas pela velocidade das ameaças modernas. O sucesso requer redesenhar a infraestrutura para permitir que a IA defensiva isole e contenha ameaças autonomamente.

Muitas equipes de segurança continuam a confiar em métricas de segurança tradicionais e métodos de detecção. À medida que os ataques se tornam mais rápidos e automatizados, quais indicadores ou comportamentos as organizações devem priorizar em vez disso?

A maioria das métricas de segurança ainda se concentra fortemente na atividade: alertas acionados, ataques bloqueados ou vulnerabilidades encontradas. Embora esses números sejam úteis para medir a resposta a incidentes, eles falham em fornecer insights sobre a exposição real da organização. Eles dizem aos defensores o que eles capturaram, mas não mostram os pontos cegos que permanecem abertos até que um atacante os explore.

Em uma era de ameaças automatizadas, confiar em métricas reativas não é mais viável. Uma vez que uma organização é alvo, a velocidade do ataque exige gestão proativa. O gerenciamento de superfície de ataque em tempo real é agora imperativo. Os defensores precisam de visibilidade contínua sobre riscos operacionais específicos: quais aplicativos e APIs críticos estão expostos à internet? Quais vulnerabilidades existem dentro deles?

A verdadeira resiliência vem de conectar esse contexto de superfície de ataque com detecção comportamental e inteligência de ameaças. Ao entender exatamente o que está exposto e como se comporta, as equipes de segurança podem antecipar e bloquear ataques desconhecidos anteriormente.

Em última análise, a velocidade operacional permanece um indicador crítico de sucesso, mas os defensores devem medir a janela de tempo certa: Quão rápido podemos identificar que uma nova vulnerabilidade afeta um sistema exposto e quão rápido podemos colocar um controle compensatório no lugar para protegê-lo? Essa velocidade específica é a medida mais verdadeira de se um programa de segurança pode resistir a ataques de alta velocidade em escala.

Olhando para a frente nos próximos cinco anos, qual você acredita que será o desafio de segurança cibernética definidor da era da IA, e o que os CISOs e as equipes de segurança devem começar a fazer hoje para se preparar para isso?

Olhando para a frente nos próximos cinco anos, o desafio de segurança cibernética definidor da era da IA será governar e proteger relacionamentos não humanos autônomos. À medida que as organizações se afastam de chatbots autônomos em direção a sistemas de multiagentes interconectados que possuem a agência para executar transações financeiras, alterar código-fonte e alterar infraestrutura de nuvem, as fronteiras de segurança tradicionais se quebrarão. Em cinco anos, uma empresa não gerenciará apenas funcionários humanos e software estático; ela supervisionará milhares de agentes de IA autônomos interagindo entre si, dados corporativos e sistemas de terceiros.

A visibilidade em sistemas agênticos em toda a organização será imperativa. Antes que os agentes se proliferem, os CISOs devem estabelecer um registro centralizado que defina a propriedade clara para cada agente implantado, os modelos de dados e repositórios que o agente está autorizado a ler e as ferramentas, APIs e comandos de sistema que ele está permitido chamar. Os CISOs também devem exigir que qualquer implantação de tecnologia agente utilize protocolos de conectividade padronizados e verificáveis para garantir que todas as integrações de ferramentas sejam estritamente registradas.

Em cinco anos, defender APIs e aplicativos online não será mais sobre gerenciar configurações, bloquear assinaturas conhecidas ou corrigir vulnerabilidades; será uma guerra automatizada de lógica contra lógica. À medida que os atores ameaçadores implantam pipelines de agente completamente automatizados e cientes do contexto que podem reverter a lógica de negócios de um aplicativo dentro de segundos após a descoberta, os firewalls de aplicativos web tradicionais se tornarão obsoletos. Defender esse panorama exigirá uma mudança para arquiteturas autônomas e impulsionadas por contexto.

Os atacantes usarão modelos de fronteira para automatizar completamente o ciclo de descoberta e exploração de falhas de lógica de API (como a Autorização de Nível de Objeto Quebrada, ou BOLA). Em vez de procurar bugs de software conhecidos, bots de ataque automatizados mapearão o esquema de API de um aplicativo inteiro, entenderão como os dados fluem e gerarão sequências de payloads personalizadas e altamente personalizadas para manipular a lógica de negócios. Como esses ataques usam sintaxe válida e chamadas de API legítimas, o limite de taxa e a detecção de assinatura padrão serão completamente cegos para eles.

Para contrariar a descoberta automatizada, os defensores devem alcançar visibilidade em tempo real e contínua sobre sua própria arquitetura exposta. As equipes de segurança não podem confiar em documentação estática ou catálogos de API desatualizados. A IA defensiva deve varrer e mapear continuamente cada ponto de extremidade de API ativo, relacionamento de microserviço e fluxo de trabalho de aplicativo online em ambientes de nuvem híbrida. Essa visibilidade automatizada deve ser combinada com uma Lista de Materiais de Software (SBOM) dinâmica para conectar instantaneamente uma nova divulgação global de vulnerabilidade às linhas de código específicas expostas à internet.

Como os ataques automatizados se misturam com o tráfego de usuários legítimos, a defesa deve mudar completamente para análise comportamental baseada em contexto. A IA defensiva perfilará o comportamento padrão de cada cliente de API, token e identidade de usuário. Ela monitorará a intenção e a sequência de chamadas de API, em vez de apenas as entradas. Se um script de ataque automatizado começa a costurar chamadas de API legítimas em uma sequência anômala para raspar dados ou testar uma falha de lógica, o sistema deve reconhecer a desviação estrutural de intenção e intervir instantaneamente.

A verdadeira medida de resiliência será quão rápido uma organização pode comprimir a janela entre a exposição de uma vulnerabilidade e sua remediação. Esperar que as equipes de desenvolvimento escrevam, testem e implantem atualizações de código em produção será uma estratégia fatal. A proteção real dependerá de patching virtual automatizado e ciente do contexto na camada de tempo de execução. Ao alimentar inteligência de ameaças e dados de descoberta de API diretamente em motores de IA defensiva na borda, a infraestrutura gerará e implantará automaticamente patches virtuais personalizados para interceptar e bloquear tentativas de exploração antes que elas sequer toquem a lógica de aplicativos vulneráveis.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Radware.