Ramutė Varnelytė, CEO da IPXO – Série de Entrevistas

Ramutė Varnelytė, CEO da IPXO, traz mais de 15 anos de experiência de liderança comercial e foi nomeada para liderar a empresa no início de 2025. Em seu papel, ela impulsiona o crescimento estratégico, a excelência operacional e a posição no mercado, garantindo que a IPXO permaneça à frente da inovação no aluguel e gerenciamento de endereços IP.

IPXO, abreviação de Internet Protocol Exchange Organization, foi fundada em 2021 para abordar a escassez global de IPv4, criando uma plataforma de aluguel e monetização dinâmica. Ela cresceu para se tornar o maior mercado totalmente automatizado para aluguel de endereços IP do mundo. A plataforma suporta milhões de endereços IP globalmente, apoiada por fortes relacionamentos com Registros de Internet Regionais e uma missão de construir um ecossistema IP unificado e eficiente.

Vamos discutir como a IPXO usa perfis de risco baseados em comportamento e aprendizado de máquina para distinguir entre automação de IA benigna e atividade de bot maliciosa. A conversa explorará o surgimento de agentes de IA no tráfego da internet, os desafios de segurança cibernética dos provedores de serviços de internet e estratégias para equilibrar segurança com eficiência operacional.

Quais tendências levaram você a concluir que os agentes de IA – e não apenas bots de raspagem – agora dominam os padrões de tráfego em muitas organizações?

Os bots estão em todos os lugares agora, superando muito o tráfego humano. Mais de um terço do tráfego de bots é composto pela chamada “parte de bot ruim”, que contribui para muitas atividades maliciosas. A tendência é clara em vários relatórios de incidentes: quando as empresas investigam tráfego incomum ou prejudicial, picos estranhos no uso de API ou outras irregularidades, as evidências mostram que muitos desses sistemas automatizados se comportam mais como agentes de IA, porque fingem ser diferentes navegadores ou dispositivos (spoofing de agente de usuário), mudam rapidamente seus IPs (rotação rápida de IP), são inconsistentes em comparação com a atividade típica de bot de raspagem e similares. Basicamente, o volume maciço de tráfego, bem como o aumento da complexidade de suas ações, apontam para agentes de IA, e não apenas bots simples.

Quais sinais comportamentais são usados para construir perfis de risco de IP – como frequência de solicitação, cabeçalhos ou padrões geográficos?

É possível avaliar a “pontuação de reputação” de um IP sem sequer olhar para o conteúdo real das solicitações, mas apenas observando como ele se comporta na rede. Esses padrões irregulares são “independentes de conteúdo”, o que significa que você não precisa de dados reais. Metadados e comportamento específico são suficientes para avaliar o perfil de risco de IP. Isso também funciona em escala, pois o comportamento suspeito não é ocultado pela criptografia moderna como TLS 1.3 ou ECH. Ainda há muitos dados observáveis que simplesmente não são criptografados.

Como o seu sistema distingue entre automação de IA benigna e atividade maliciosa, como raspagem, botnets ou preenchimento de credenciais – especialmente sem inspecionar o conteúdo da carga?

É importante considerar como a automação se comporta ao longo de um determinado período de tempo, não apenas o que ela está solicitando. Os “bons” bots são geralmente muito previsíveis, têm uma certa estrutura e etapas que seguem. Bots maliciosos, por outro lado, frequentemente pulam de forma imprevisível, usam identificadores descartáveis, mantêm um ritmo “máquina-like” rígido e distribuem solicitações por muitos servidores para evitar detecção. Isso se resume a modelagem de comportamento estendido, avaliando como ele se move pelo site ao longo do tempo.

Pode explicar como os provedores de serviços de internet existentes lutam para lidar com o tráfego de proxy em crescimento enquanto mantêm fortes defesas contra ataques cibernéticos?

Os protocolos modernos escondem mais detalhes de conexão para aumentar a privacidade, então está ficando mais difícil e mais caro para os provedores de serviços de internet avaliar o tipo de tráfego e classificá-lo corretamente. Como é mais difícil ver o que está dentro, os provedores de serviços de internet confiam mais no comportamento do tráfego, e não no conteúdo. A luta está na mudança forçada de alterar seus métodos de confiar principalmente na inspeção de tráfego, o que aumentou os custos operacionais, e integrar novas ferramentas de inteligência de ameaças para se adequar à nova abordagem.

Quais são as compensações de segurança cibernética que os provedores de serviços de internet enfrentam se eles relaxarem as restrições para acomodar o tráfego de agentes de IA?

Relaxar os filtros pode reduzir os falsos positivos e a fricção, para manter os agentes executando tarefas suavemente. Mas isso também pode potencialmente aumentar o número de ameaças e ataques, pois a “parte de bot ruim” já compõe uma quantidade significativa de tráfego. Filtros mais frouxos igualam a mais altos riscos. Uma forma de comprometer entre os dois seria a abordagem de portão ponderado por risco. Por exemplo, se houver tráfego suspeito, o primeiro passo poderia ser desacelerá-lo, em vez de bloqueá-lo completamente. Controles mais nuances precisam ser configurados.

Quais são as tecnologias principais que alimentam sua pontuação de risco em tempo real – você está usando aprendizado de máquina, feeds de inteligência de ameaças ou detecção de anomalias comportamentais?

Nós usamos uma mistura saudável de monitoramento e avaliação de dados ao vivo, aprendizado de máquina e várias ferramentas de inteligência de ameaças. O objetivo é rapidamente identificar qualquer irregularidade no comportamento, entender a intenção do tráfego e se há razões para acreditar que é prejudicial; se sim – sinalizar casos de alto risco e lidar com isso de acordo.

Como o seu sistema se integra com os fluxos de trabalho existentes de provedores de serviços de internet ou SOC de empresas – pode acionar alertas ou mitigação automaticamente?

Sim, nosso sistema envia alertas para fluxos de trabalho existentes, bem como bloqueia certas ameaças em nível de rede. Ele pode ser executado em vários modos, dependendo da tolerância ao risco.

A plataforma de perfis de risco descobriu algum padrão de ataque surpreendente ou caso de mau uso durante os testes iniciais ou implantações?

Sim, houve vários. Um exemplo em toda a indústria poderia ser “rastreamentos de alucinação”, quando os LLMs inventam URLs inexistentes e, em seguida, tentam buscá-las. Ou surtos repentinos de solicitações, repetindo em intervalos de tempo exatamente iguais, como 15 minutos ou uma hora. Todos esses padrões são úteis para nós aprimorar o rastreamento de comportamento e reduzir falsos positivos.

Quais são as implicações de privacidade e segurança de construir perfis baseados em comportamento sem inspecionar o conteúdo criptografado – especialmente sob as leis globais de proteção de dados?

Os metadados comportamentais podem ser considerados dados pessoais, mas há exceções, por exemplo, se o interesse é legítimo, pode ser justificado e é necessário para monitoramento de segurança. Dito isso, o interesse em acessar e a quantidade de dados retidos devem ser proporcionais aos riscos que estão sendo avaliados.

Como você evita falsos positivos que sinalizam automação benigna, como crawlers de pesquisa ou agentes de IA branlistados, como ameaças cibernéticas?

Nós testamos novas salvaguardas e regras antes de implantá-las, avaliamos múltiplos sinais antes de tomar qualquer ação, também usamos desafios suaves primeiro para testar a legitimidade do tráfego, em vez de bloqueá-lo diretamente. É uma lista de verificação em múltiplas camadas, que está sendo constantemente aprimorada.

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