O Google Threat Intelligence Group (GTIG), a área de inteligência de ameaças do Google, publicou nesta segunda-feira, 16 de novembro, a edição trimestral do seu acompanhamento sobre o uso de IA por atacantes. O título já diz onde a empresa quer chegar: “Agentic Threat Activity Crosses a Significant Threshold”, algo como “a atividade de ameaças com agentes cruza um limiar importante”.
O trecho que mais chamou atenção trata de uma ferramenta batizada pelos próprios operadores de exploit_agent. Segundo o GTIG, ela foi montada para comparar o código de aplicações web populares antes e depois de cada correção, deduzir que falha a correção fechou, escrever o exploit e disparar o ataque sem intervenção humana. O Google afirma que, no último trimestre, viu pela primeira vez atacantes usando frameworks de modelos de linguagem para automatizar por completo a descoberta e a exploração de vulnerabilidades, “sem um humano no circuito”.
O que o Google diz ter encontrado
O ponto de partida foi um servidor de staging deixado exposto na internet. Nele estava um framework multiagente de pesquisa de vulnerabilidades e de transformação de falhas em armas, ligado a vários modelos de fronteira e a modelos rodando localmente. O relatório não diz quais modelos eram usados.
Pela descrição do GTIG, o sistema faz análise diferencial contínua de softwares web populares. Compara o código antes e depois dos anúncios de correção, analisa as diferenças para achar vulnerabilidades em potencial, rascunha exploits e os executa automaticamente.
No mesmo servidor havia dados já retirados de vítimas e vários scripts para etapas posteriores a uma invasão: reconhecimento da rede interna, força bruta de senhas, instalação de webshells (portas de acesso remoto deixadas em servidores web) e remoção de webshells instalados por outros atacantes. Pela telemetria de vítimas encontrada ali, o GTIG diz que o operador tinha interesse específico em sites franceses de mídia e entretenimento e do setor de educação.
O relatório traz duas evidências do material. Uma é um trecho de código mostrando o framework examinando a checagem de permissões do plugin Spectra (Ultimate Addons for Gutenberg) para WordPress, na versão 2.19.25. A outra são comentários em russo num arquivo de configuração. Traduzidos, dizem: “Chaves de API de LLM para autoexploração (piloto exploit_agent)” e “Coloque as chaves você mesmo, aqui, não no chat. As duas linhas são obrigatórias”.
O que o relatório não diz
O VentureBeat, que leu o relatório no mesmo dia, resume as lacunas: o Google não identificou uma vulnerabilidade específica explorada pelo framework, não deu número de vítimas e não mediu quanto tempo a ferramenta leva entre a correção e o exploit.
O código do plugin Spectra aparece como exemplo do que a ferramenta analisava. O relatório não diz que essa análise virou um ataque bem-sucedido. Os dados de vítimas e os scripts de pós-invasão estavam no mesmo servidor, mas o texto não afirma que foi o exploit_agent que produziu essas invasões. O VentureBeat faz a mesma ressalva.
Também não há atribuição. Os comentários em russo indicam a língua de quem escreveu a configuração, e o próprio arquivo chama o projeto de “piloto”. O Google não liga a ferramenta a um grupo nem a um país. Parte da imprensa tratou o caso como obra de um “operador russo”; isso é uma leitura dos comentários, não uma conclusão publicada pelo GTIG.
Por fim, tudo vem de telemetria e investigação do próprio Google, sem verificação independente divulgada. A empresa vende produtos de segurança e modelos de IA, e o relatório termina apresentando as defesas dela, entre elas o Google AI Threat Defense e as travas de uso cibernético do Gemini 4 Carbon.
Por que o patch virou mapa
A ideia de olhar a correção para achar a falha é antiga. Quando um fornecedor publica uma atualização, a diferença entre a versão velha e a nova aponta o lugar exato do problema. Quem atualiza rápido fica protegido; quem demora fica exposto a uma falha que agora é pública. O trabalho de ler o diff, entender o defeito e escrever um exploit funcional era o que segurava o atacante por alguns dias.
É esse trabalho que o GTIG diz estar sendo automatizado. O relatório argumenta que, para quem usa modelos de linguagem, pode ser mais eficiente mirar em falhas já corrigidas (as n-days) do que caçar zero-days. O material de pesquisa é finito: versões do código-fonte, inclusive de canais de prévia ou pré-lançamento, notas de versão, pesquisas publicadas e provas de conceito sobre a falha. Achar um zero-day exige uma rede muito mais larga. Na conclusão do GTIG, esses encadeamentos podem reduzir muito o intervalo entre a divulgação da correção e a exploração.
Merritt Baer, ex-vice-CISO da AWS, disse ao VentureBeat que os atacantes “não inventaram um novo tipo de bug”. Para ela, eles automatizaram a parte tediosa: ler o patch, descobrir o que foi corrigido e escrever o exploit. “Uma pessoa habilidosa poderia levar dias nisso. Agora um agente faz enquanto o operador dorme.”
Os casos que o próprio relatório usa como contexto
O exploit_agent não aparece sozinho no texto. O GTIG cita dois episódios recentes, levantados por pesquisa aberta, para sustentar a tese de que a janela encolheu.
O primeiro é o da PaperCut, software de gestão de impressão. No fim de agosto de 2026, atacantes exploraram como zero-days duas falhas que, encadeadas, permitem executar código remotamente sem autenticação: a CVE-2026-81578, um desvio de autenticação, e a CVE-2026-82078, de carregamento dinâmico de classes inseguro. Segundo o relatório, pesquisadores de segurança e a empresa Huntress geraram exploits funcionais com ajuda de LLMs em até um dia após a divulgação. A GreyNoise relatou uma campanha quatro dias depois da divulgação em que um atacante provavelmente usou LLMs para criar e testar exploits, montar a lista de alvos e atacar centenas de organizações. Ainda segundo a GreyNoise, citada pelo GTIG, o atacante foi do primeiro acesso a administrador de domínio em minutos.
O segundo envolve o PHP. As falhas CVE-2026-109618 e CVE-2026-109619 foram descobertas com análise apoiada por LLM. Antes das correções oficiais, lançadas em 21 de outubro, um vídeo de prova de conceito e código já corrigido tinham sido publicados, o que permitiu comparar versões e tentar montar exploits antes do patch. Nos primeiros dias depois da correção, surgiram centenas de provas de conceito que diziam funcionar e não funcionavam, provavelmente feitas com ajuda de LLMs. O GTIG registra que isso gerou trabalho extra para quem precisava separar o exploit real do falso.
O relatório também traz uma estatística do próprio GTIG, feita em setembro. Entre janeiro e agosto de 2026, o total de vulnerabilidades divulgadas e de exploits quase dobrou. Os zero-days explorados subiram pouco, de uma média de 8 por mês em 2025 para 11 por mês em 2026, até saltarem para 22 em agosto.
O resto do relatório
O exploit_agent é uma parte de um quadro maior. O GTIG e a Mandiant dizem ter visto vários grupos usando frameworks abertos de pentest com agentes em invasões reais. Além do ARTEX, já bastante divulgado, o relatório cita CAIRN, CyberStrikeAI, PentAGI e HexStrike AI. O CAIRN foi visto em invasões contra alvos que incluem o setor aeroespacial dos EUA. Uma plataforma derivada do PentAGI foi usada, entre o fim de agosto e o início de outubro, para reconhecimento e varredura de vulnerabilidades contra organizações na Ásia. O GTIG também diz ter indícios de que um grupo ligado à China desenvolvia um framework próprio de ataque automatizado, provavelmente para espionagem.
O próprio Google aponta um limite dessas ferramentas: hoje elas trocam discrição por velocidade. A execução autônoma gera tráfego que deixa rastro forense e marcas no código, o que facilita a detecção. A empresa espera que isso mude conforme as ferramentas e os modelos melhorarem.
O FBI tinha publicado em 13 de novembro um alerta FLASH sobre o ARTEX. Segundo o documento, desde pelo menos agosto de 2026 vários atores usam o framework contra organizações de finanças, governo, tecnologia, defesa, energia, saúde, telecomunicações e outros setores, e algumas invasões foram do primeiro alvo ao acesso privilegiado em menos de três horas. O FBI diz ainda que pesquisadores encontraram mais de 1.600 consoles do ARTEX expostos publicamente no início de novembro.
Dois outros pontos do relatório interessam a quem cuida de TI. Um é o LLMJacking, o roubo de credenciais de nuvem e de modelos para revender acesso a IA. A Mandiant diz ter atendido casos em que a cobrança fraudulenta passou de US$ 100 mil num único dia, e casos em que o abuso acumulado chegou a US$ 1 milhão antes da contenção. O outro é o uso das ferramentas de IA da própria vítima como porta de entrada. Um grupo que o GTIG suspeita ser o MIDNIGHT NEPTUNE, ligado à Coreia do Norte, alterou arquivos .claude/settings.json em repositórios internos de empresas de criptomoedas para que o Claude Code baixasse um backdoor ao ser iniciado.
O que muda no ciclo de patch
Os parágrafos desta seção são leitura do caso, sem dado novo do relatório.
Para a equipe de TI, a consequência prática do exploit_agent não depende de saber quantas vítimas ele fez. O relatório descreve uma ferramenta desenhada para disparar a partir do anúncio da correção. Se esse desenho funcionar como o Google descreve, o dia em que o fornecedor publica o patch deixa de ser o começo de um prazo confortável para atualizar e passa a ser o dia em que o ataque também fica disponível.
Isso pesa mais em aplicações web expostas e de código aberto, porque o diff está à mão de qualquer um. O exemplo escolhido pelo GTIG é um plugin de WordPress. O alerta do FBI sobre o ARTEX aponta na mesma direção quando pede inventário de tudo o que está exposto, incluindo os sistemas periféricos que costumam ficar sem dono: portais de parceiros e fornecedores, backends de aplicativos móveis, sistemas legados, integrações de terceiros e aplicações criadas por áreas de negócio fora da TI.
As recomendações que aparecem nas fontes são conhecidas. O FBI pede reduzir a superfície exposta e restringir interfaces administrativas a redes confiáveis, e lista como indício de ataque conexões de saída para APIs de modelos de linguagem e anomalias no consumo de tokens. Baer resumiu ao VentureBeat: saber o que está exposto à internet, aplicar correções mais rápido do que no ano anterior e vigiar a exploração, não só as vulnerabilidades.
E no Brasil
Nenhuma das fontes consultadas traz dado sobre ataques do exploit_agent no Brasil, nem sobre o tempo médio que empresas brasileiras levam para aplicar correções. A telemetria descrita pelo Google aponta para a França.
Há um ponto concreto para comparar. O CTIR Gov, centro de resposta a incidentes do Gabinete de Segurança Institucional que atende o governo federal, descreve em sua página de alertas como gera avisos sobre vulnerabilidades. O alerta semiautomatizado só sai quando todos os critérios são atendidos ao mesmo tempo: a falha precisa estar no catálogo KEV da CISA, que reúne vulnerabilidades com exploração comprovada; precisa ter entrado nesse catálogo nos últimos 30 dias; precisa envolver tecnologias monitoradas pelo órgão; e precisa ter mais de 3% de probabilidade de exploração no EPSS, o índice do FIRST. É um filtro feito para priorizar e evitar excesso de alertas, e o texto do órgão diz que o objetivo é reduzir o intervalo entre a identificação de uma ameaça e o início do tratamento.
A leitura possível é que um filtro que exige exploração comprovada chega, por definição, depois do primeiro ataque. Se a hipótese do GTIG se confirmar, e a distância entre o patch e o exploit cair para horas em aplicações web populares, órgãos e empresas que esperam esse tipo de sinal para agir vão começar o trabalho com o ataque já em curso. Para software exposto à internet, o gatilho de atualização tenderia a ser a publicação da correção, não a confirmação de que alguém já a explorou.
Do outro lado da balança, o mesmo tipo de ferramenta está sendo vendido para a defesa. A OpenAI lançou em novembro o GPT-6 Cyber, restrito a clientes aprovados, e a Anthropic já tinha reunido grandes empresas no Project Glasswing para usar IA na defesa de software. A questão que fica para equipes menores, sem acesso a esses programas, é quem chega primeiro ao diff. O texto sobre a falha do Chromium e os agentes de IA trata de outro lado do mesmo problema: agentes que dependem de software que também precisa de patch.
Fontes
- Google Threat Intelligence Group. GTIG AI Threat Tracker: Agentic Threat Activity Crosses a Significant Threshold, 16 nov. 2026.
- VentureBeat. Google says attackers built an AI framework to turn software patches into exploits without human intervention, 16 nov. 2026.
- FBI. FLASH-20261113-001: Threat Overview of ARTEX Autonomous Penetration Testing Framework, 13 nov. 2026.
- CTIR Gov, Gabinete de Segurança Institucional. Alertas: critérios técnicos, atualizado em 28 out. 2026.

