A nova era da cibersegurança: quando a escala dos ataques supera a capacidade de defesa
Uma falha vira ferramenta de ataque em menos de 24 horas; corrigi-la pode levar de 30 a 60 dias. Agentes de IA e fornecedores comprometidos aumentam essa distância.
A infraestrutura digital que sustenta a economia global está entrando em uma nova fase de vulnerabilidade. Empresas, governos, instituições financeiras, hospitais, sistemas industriais e serviços essenciais dependem de redes cada vez mais interconectadas, enquanto a capacidade de explorar suas fragilidades cresce em velocidade superior àquela com que muitas organizações conseguem identificá-las, contê-las e corrigi-las.
Não se trata apenas de um aumento no número de ataques. O que está mudando é a relação entre a capacidade ofensiva e a capacidade defensiva. Vulnerabilidades podem ser descobertas, exploradas e incorporadas a operações criminosas em intervalos cada vez menores. Ao mesmo tempo, a complexidade das infraestruturas corporativas, a dependência de fornecedores externos e a multiplicação de serviços conectados ampliam as possibilidades de propagação de um comprometimento.
Os dados ajudam a dimensionar essa transformação. O Microsoft Digital Defense Report 2026, publicado em outubro, identificou aproximadamente 40 mil vulnerabilidades (CVEs) divulgadas no primeiro semestre do ano. O intervalo mediano entre a descoberta de uma vulnerabilidade em exploração e sua transformação em instrumento de ataque caiu para menos de 24 horas. Já a correção de vulnerabilidades críticas expostas externamente pode levar de 30 a 60 dias em ambientes corporativos.
A assimetria é evidente. O atacante pode trabalhar continuamente, testar alternativas, automatizar procedimentos e reutilizar ferramentas em diferentes alvos. A defesa depende, em muitas organizações, de processos fragmentados, equipes limitadas, ciclos de atualização e estruturas de resposta que não operam na mesma velocidade.
Essa diferença ganha outra dimensão com a interdependência tecnológica. Segundo o Data Breach Investigations Report 2026, da Verizon, terceiros participaram de 48% das violações analisadas, ante 30% no levantamento anterior. O indicador inclui diferentes formas de envolvimento, entre elas vulnerabilidades de software e comprometimentos de fornecedores. Uma invasão não precisa começar na empresa que sofrerá as consequências: pode entrar por um fornecedor de software, uma aplicação autorizada, uma credencial comprometida ou um serviço que concentra acesso a centenas ou milhares de ambientes.
A inteligência artificial acrescenta uma variável decisiva. Ela acelera reconhecimento, análise de vulnerabilidades, desenvolvimento de ferramentas, engenharia social e processamento de informações obtidas durante uma intrusão. Mais recentemente, estruturas baseadas em agentes especializados e mecanismos de coordenação passaram a executar sequências operacionais prolongadas, com menos intervenção humana contínua. Isso não significa que todos os ataques sejam autônomos ou conduzidos por IA. Significa que a automação está alterando os limites de produtividade e escala disponíveis aos agentes ofensivos.
O argumento central tem três partes. Primeiro, a IA pode reduzir o custo e a necessidade de intervenção humana em operações ofensivas. Segundo, o que transforma modelos em capacidade operacional é o Harness, a camada de software que conecta o modelo a ferramentas, dados, memória e permissões. Terceiro, a cadeia de fornecedores amplia o alcance de qualquer comprometimento. Os casos a seguir servem para demonstrar cada uma dessas afirmações, com as ressalvas que as fontes exigem.
Este ensaio examina quatro movimentos documentados em outubro e novembro de 2026: a automação ofensiva em operações reais, com o ARTEX como caso central; a arquitetura que a sustenta; a cadeia de confiança entre fornecedores, que oferece o terreno onde essa capacidade encontra vulnerabilidades já existentes; e o pano de fundo geopolítico, em que Estados, grupos de espionagem e organizações criminosas exploram as mesmas dependências.
As consequências ultrapassam a tecnologia da informação. Quando uma empresa de software é comprometida, seus clientes podem se tornar vítimas indiretas. Quando um serviço de nuvem é afetado, operações comerciais e administrativas podem parar. Quando hospitais, sistemas de energia, transportes ou redes de comunicação são atingidos, os efeitos deixam de ser exclusivamente digitais e chegam à vida cotidiana. A questão deixa de ser apenas como impedir uma invasão. É como proteger uma sociedade cuja economia, administração pública e comunicação dependem de uma infraestrutura interconectada, permanentemente exposta e cada vez mais complexa.
ARTEX: da IA assistiva à IA operacional
Durante muito tempo, a inteligência artificial nas atividades cibernéticas ficou em funções auxiliares. Modelos de linguagem interpretavam códigos, pesquisavam vulnerabilidades, produziam scripts e traduziam documentação técnica. O ser humano continuava organizando as tarefas, executando as ferramentas, interpretando os resultados e decidindo o próximo movimento.
Essa relação está mudando. Uma nova geração de plataformas integra modelos de linguagem, agentes especializados, ferramentas externas e mecanismos de coordenação em estruturas capazes de executar sequências inteiras de atividades. Em vez de responder a uma solicitação, elas recebem um objetivo, dividem o trabalho em tarefas menores, acionam ferramentas, analisam os resultados e determinam a próxima ação. Um modelo pode explicar como identificar uma vulnerabilidade. Um sistema de agentes pode testar um ambiente, executar ferramentas de análise, interpretar os resultados e prosseguir. Quando usada de forma maliciosa, a mesma capacidade é direcionada contra sistemas de terceiros.
O ARTEX é o caso mais concreto dessa mudança. Desenvolvido em Go e com interface web, foi concebido como plataforma de testes de segurança, para que equipes técnicas avaliassem sistemas sob sua responsabilidade. A mudança ocorreu quando agentes maliciosos passaram a usá-lo contra organizações que não estavam autorizados a testar.
Em 13 de novembro de 2026, o FBI publicou o alerta FLASH-20261113-001 sobre a ferramenta. Segundo o documento, diferentes agentes maliciosos a utilizam desde pelo menos agosto de 2026 para automatizar etapas de invasões, do reconhecimento inicial à extração de informações. As campanhas atingiram serviços financeiros, governo, tecnologia, defesa, semicondutores, energia, saúde, manufatura e telecomunicações. Entre os casos destacados estão ataques a instituições financeiras sul-coreanas, com extração de dados pessoais de cerca de 67 mil pessoas, e o comprometimento da cadeia de fornecimento do ConnectWise Cloud Backup, que teria possibilitado acesso a mais de 2.250 ambientes de clientes indiretos. O dado mais relevante é a velocidade: segundo o FBI, algumas intrusões avançaram do direcionamento inicial ao acesso privilegiado em menos de três horas.
A plataforma não tem modelo de linguagem próprio. Conecta modelos externos, comerciais e de pesos abertos, a uma estrutura de agentes especializados, recebe objetivos descritos em linguagem natural e os transforma em tarefas executáveis com ferramentas de segurança e mecanismos de coordenação. Isso permite trocar um modelo por outro sem reconstruir a estrutura. O modelo fornece interpretação e raciocínio; a arquitetura organiza o trabalho, administra as ferramentas e acompanha a execução. Por isso a capacidade operacional do ARTEX não está presa a um único fornecedor de IA.
O desenvolvedor original retirou o repositório público do GitHub em 8 de outubro, depois que o uso malicioso ganhou visibilidade. Versões derivadas, cópias e forks comunitários continuaram disponíveis. A retirada do código original não eliminou a ferramenta do ecossistema ofensivo.
Duas semanas e 36 bilhões de tokens
Em 5 de novembro, a Check Point Research publicou Hacking on Autopilot: Inside ARTEX Cybercrime Campaigns. O diferencial do estudo foi o acesso a registros internos de dez instalações mal configuradas, cujos bancos de dados expunham registros de uso, modelos configurados e interações entre operadores e agentes. Os pesquisadores identificaram 2.557 sistemas que hospedavam ou haviam hospedado painéis do ARTEX, dos quais 1.608 estavam ativos e publicamente acessíveis no momento do levantamento. O número não representa o total de instalações, já que muitas permanecem em redes privadas ou protegidas por firewalls. Entre as instâncias examinadas, modelos chineses predominavam, especialmente os da família DeepSeek Flash.
Um dos casos documentados é revelador. Entre 14 e 29 de outubro de 2026, um operador manteve dois painéis funcionando ao mesmo tempo, com os modelos DeepSeek V4.1 Flash e Kimi K3.1 Pro. O objetivo era obter certificados digitais e senhas de dez empresas que vendem certificados de assinatura de aplicativos para dispositivos Apple. Esses certificados permitem distribuir determinados softwares fora dos canais convencionais da App Store, e sua obtenção indevida pode facilitar a distribuição de aplicativos adulterados.
No período, os sistemas processaram cerca de 36 bilhões de tokens:
- 2,13 bilhões de tokens de entrada sem aproveitamento de cache;
- 33,79 bilhões de tokens de entrada com cache;
- 473,9 milhões de tokens de saída.
Com base nos preços oficiais da API do DeepSeek vigentes na época, a Check Point estimou o custo de uso dos modelos entre US$ 700 e US$ 1.500. Segundo a Check Point, os agentes obtiveram mais de 300 certificados com suas senhas. Depois dos procedimentos de validação, três atenderam aos critérios técnicos para uso na assinatura de aplicativos.
A participação humana foi pequena. Os registros mostram um operador que perguntava sobre o andamento das tarefas, pedia informações sobre os alvos, consultava quais estavam mais próximas do objetivo e ajustava prioridades. Não era necessário acompanhar cada tentativa. A supervisão humana continuava existindo, mas deixava de ser necessária em cada etapa: o operador definia objetivos e acompanhava o progresso, enquanto os agentes faziam grande parte do trabalho intermediário.
### O contraponto: agentes que erram
A mesma investigação traz um caso em que o resultado foi outro. Em outra campanha, um operador usou o ARTEX para tentar obter criptomoedas de plataformas e serviços financeiros. Os agentes receberam tarefas sobre 292 domínios de infraestrutura de pagamentos e processaram cerca de 167,5 milhões de tokens em quatro dias, com o DeepSeek V4 Pro, a um custo estimado entre US$ 145 e US$ 300. Identificaram vulnerabilidades, acessaram informações e produziram relatórios sobre oportunidades de exploração, mas não concretizaram o objetivo financeiro. Em determinado momento, interpretaram respostas de APIs como confirmação de operações bem-sucedidas. A verificação posterior mostrou que não havia movimentação nas carteiras do operador.
O episódio revela uma limitação dos sistemas baseados em agentes. Executar tarefas, interpretar respostas e produzir relatórios não implica compreender corretamente o resultado das próprias ações. Um agente pode identificar uma vulnerabilidade real e, ao mesmo tempo, interpretar de forma errada o sucesso de uma exploração. A automação também multiplica erros. A velocidade não elimina a necessidade de verificação.
A máquina é a arquitetura
A discussão sobre IA e segurança costuma se concentrar nos modelos: qual é o mais inteligente, qual escreve melhor código, qual tem menos restrições. Fica de fora uma peça decisiva, a camada de software que transforma um modelo em operador. Essa camada é o Harness. O Australian Cyber Security Centre, em setembro de 2026, o definiu como a camada que conecta modelos de linguagem a ferramentas, fontes de dados, memória e fluxos de planejamento, além de controlar privilégios, administrar a execução e registrar métricas.
Um modelo isolado recebe informações e produz respostas. Não tem acesso automático a sistemas externos, memória operacional persistente nem capacidade de executar uma tarefa indefinidamente. O modelo determina parte da capacidade de raciocínio; o Harness determina como ela é usada, a quais recursos tem acesso e como as ações são encadeadas. Seis componentes definem a eficiência dessa arquitetura:
- Orquestração. Transforma um objetivo amplo em tarefas menores, distribui entre agentes e acompanha os resultados, de forma hierárquica ou colaborativa. O Google Threat Intelligence Group (GTIG) descreveu estruturas como CAIRN, CyberStrikeAI e PentAGI, algumas com ciclos de observação, orientação, decisão e ação.
- Roteamento de modelos. Escolhe o modelo de cada tarefa conforme custo por token, velocidade, capacidade de raciocínio, disponibilidade e limites de uso. Permite substituir um modelo indisponível sem interromper a operação.
- Execução de ferramentas. Converte decisões do modelo em ações. O GTIG descreve estruturas que integram modelos a dezenas ou centenas de ferramentas de segurança.
- Memória e persistência. Preserva resultados anteriores, tarefas pendentes, decisões e erros, para que a operação seja retomada sem reconstruir o contexto.
- Supervisão e validação. Avalia se uma tarefa foi concluída e se o resultado é confiável, por meio de um agente supervisor, um verificador, regras determinísticas ou intervenção humana.
- Gestão de recursos. Administra chamadas de API, consumo de tokens, cache, execução paralela, armazenamento, infraestrutura e limites dos provedores.
### Roteamento e economia
Usar modelos diferentes numa mesma operação abre uma possibilidade econômica: não é preciso empregar o modelo mais caro em todas as tarefas. A documentação de arquitetura do Google Cloud descreve a estratégia de escolher modelos conforme complexidade, latência e custo de inferência, e observa que sistemas multiagente distribuem responsabilidades, mas acrescentam custos de processamento, comunicação e coordenação.
Uma arquitetura hipotética teria um modelo supervisor de maior capacidade para planejar e avaliar; modelos executores mais baratos para tarefas de volume; modelos verificadores para detectar inconsistências; e um orquestrador para distribuir o trabalho. É possível imaginar o Kimi K3.1 Pro na supervisão e o DeepSeek V4.1 Flash na execução. 
O valor de US$ 700 a US$ 1.500 é uma estimativa do custo de inferência, não o orçamento de uma campanha. Ficam de fora servidores, hospedagem, proxies, aquisição de acessos, desenvolvimento e manutenção do Harness, serviços externos e monitoramento. O consumo de tokens também não cresce de forma linear: agentes repetem etapas, trocam mensagens e recuperam contextos extensos. No caso analisado, quase 34 bilhões dos cerca de 36 bilhões de tokens eram de entrada com cache, cobrados de modo diferente do volume bruto. Ainda assim, o dado sugere que o processamento de IA pode ser parcela relativamente pequena do custo de uma operação. Não significa que qualquer operação sofisticada saia por esse valor. A automação não torna todos os ataques baratos, mas altera a relação entre investimento e capacidade ofensiva: reduz o custo marginal de novas tentativas e permite explorar mais alvos e manter operações por mais tempo.
### A nova superfície de risco
A camada que amplia a capacidade operacional também concentra risco. Um Harness pode ter acesso a credenciais, arquivos, sistemas corporativos e ferramentas com diferentes níveis de privilégio. Se essas permissões forem excessivas ou mal administradas, o comprometimento do agente produz consequências que vão além do modelo. O guia australiano destaca que os riscos importantes surgem das conexões entre modelos, ferramentas, dados e sistemas externos, e recomenda privilégio mínimo, gestão de identidade, monitoramento e supervisão humana. Um sistema pode usar um modelo com salvaguardas sofisticadas e ainda ser vulnerável na maneira como administra ferramentas, credenciais e permissões.
A vantagem, portanto, não está necessariamente em possuir o modelo mais avançado. Está em construir a arquitetura que extrai o máximo de cada modelo, no momento adequado, pelo menor custo operacional.
Um ecossistema, não uma ferramenta
O ARTEX não é um fenômeno isolado. Em 30 de outubro, o GTIG, em colaboração com a Mandiant, publicou uma investigação sobre frameworks ofensivos baseados em agentes, identificando o uso de ARTEX, HexStrike e CAIRN em atividades reais. Segundo os pesquisadores, essas estruturas já automatizavam etapas do ciclo de intrusão, como movimentação lateral, exploração de bancos de dados e preparação para extração de informações. Em 16 de novembro, uma atualização ampliou o levantamento, com o emprego de CAIRN e PentAGI em operações reais e experimentações com CyberStrikeAI e HexStrike AI.
- CAIRN. Estrutura multiagente baseada no ciclo OODA (observar, orientar, decidir e agir). Os agentes compartilham informações em um ambiente comum. O Google identificou seu uso em intrusões contra alvos que incluem organizações do setor aeroespacial nos Estados Unidos.
- PentAGI. Plataforma de automação ofensiva pensada para reduzir as barreiras técnicas de campanhas complexas. Entre o fim de agosto e o início de outubro, o Google acompanhou um agente de ameaças que usou uma versão personalizada para fazer reconhecimento sistemático e varredura de vulnerabilidades contra organizações de diferentes setores na Ásia.
- CyberStrikeAI. Conecta modelos comerciais e de pesos abertos a mais de cem ferramentas de segurança, com uma infraestrutura de coordenação que organiza as etapas de uma operação.
- HexStrike AI. Integra modelos de linguagem a mais de 150 ferramentas de segurança ofensiva, em reconhecimento, análise de aplicações web, exploração e análise de binários, com mais de doze subagentes especializados.
O Google também identificou Harnesses personalizados, desenvolvidos sob medida por grupos de ameaças, e indicou frameworks próprios criados por grupos associados à espionagem cibernética.
O ponto central é a diversidade. Não há um único modelo de agente nem uma plataforma dominante. Modelos, agentes, ferramentas, serviços de inferência e estruturas de coordenação podem ser combinados de várias maneiras. O modelo pode mudar, a ferramenta pode ser substituída, novos agentes podem ser incorporados. A arquitetura permanece como elemento organizador, e a capacidade ofensiva pode ser montada a partir de componentes relativamente acessíveis.
### Do patch ao exploit
O Google também relatou o uso de sistemas automatizados para comparar versões de software, sobretudo quando uma atualização corrige uma vulnerabilidade. Essa técnica, a análise diferencial de patches, examina o que mudou no código para entender qual falha foi corrigida. A partir daí, agentes podem tentar desenvolver provas de conceito e preparar explorações contra sistemas que ainda não instalaram a correção. Em novembro, o Google descreveu um ambiente de pesquisa automatizada que combinava análise diferencial contínua, identificação de vulnerabilidades, desenvolvimento de exploits e execução de testes sem intervenção humana em determinadas etapas.
A consequência potencial é reduzir o intervalo entre a divulgação de uma correção e a exploração de quem ainda não a aplicou. O relatório descreve agentes que exploram múltiplos caminhos de ataque, corrigem erros de execução e ajustam a estratégia em segundos ou minutos. Mas a velocidade tem custo: sem supervisão constante, as operações geram grande volume de tráfego, identificadores reconhecíveis e rastros técnicos associados às ferramentas, o que pode facilitar a detecção. Velocidade ofensiva não significa invisibilidade.
O outro lado: a IA que encontra vulnerabilidades
A capacidade ofensiva da IA não se entende sem o potencial da mesma tecnologia para descobrir e corrigir falhas em sistemas críticos. Em 4 de novembro de 2026, a OpenAI publicou os resultados de uma pesquisa sobre o uso de modelos especializados em cibersegurança para identificar vulnerabilidades no kernel do Linux. O experimento montou um fluxo automatizado que combinava análise de código, reprodução dinâmica de vulnerabilidades, avaliação de explorabilidade e geração de correções candidatas.
Em uma única execução, em ambiente controlado, o sistema identificou e analisou 2.308 possíveis problemas, reproduziu dinamicamente 1.724 vulnerabilidades e produziu 948 exploits funcionais de escalonamento local de privilégios, tipo de falha que pode permitir a um usuário com acesso limitado obter privilégios administrativos, até o nível de root (isto é, nível de administrador). O custo informado foi de cerca de US$ 1,21 milhão em créditos de API, ou aproximadamente US$ 1.279 por exploit. A OpenAI destacou ainda que modelos mais capazes encontram falhas que versões anteriores não identificaram, mesmo com o mesmo processo de análise.
Os números pedem leitura cuidadosa. A pesquisa não demonstra que 948 servidores Linux foram invadidos, nem que 948 vulnerabilidades foram exploradas em produção. São resultados obtidos em infraestrutura controlada, com validação e revisão posterior por pesquisadores humanos. Durante os dez dias de execução, mais de cem vulnerabilidades locais de escalonamento de privilégios já haviam recebido correções, ou tinham patches em preparação por outros colaboradores do projeto Linux.
Ainda assim, a demonstração importa. Uma investigação que antes exigiria equipes especializadas trabalhando por longos períodos pode ser conduzida por um processo automatizado e sistemático, e a própria capacidade de encontrar vulnerabilidades se torna mais escalável. A consequência é inevitável: técnicas capazes de identificar falhas, reproduzi-las e desenvolver provas de conceito também podem ser usadas por agentes maliciosos. A tecnologia não determina a finalidade de uma operação. Contexto, permissões, salvaguardas e controle sobre as ferramentas são determinantes. E há uma diferença significativa entre encontrar uma falha, explorá-la e produzir um comprometimento efetivo. Juntos, o ARTEX e a pesquisa da OpenAI sustentam a tese de que a IA está alterando a produtividade dos dois lados da disputa.
A cadeia de confiança: o elo mais fraco fora da organização
A segurança corporativa tradicional parte da ideia de proteger os próprios sistemas. Esse modelo encontra limites quando parte crescente da infraestrutura depende de serviços de terceiros: armazenamento, backup, comunicação, autenticação, gestão e administração remota. Para funcionar, esses serviços recebem permissões e credenciais que dão acesso a ambientes internos dos clientes. O fornecedor já tem acesso legítimo, e, se essas permissões são comprometidas, o invasor herda parte da confiança depositada no prestador, mesmo diante de organizações que mantêm estruturas de segurança robustas.
### ConnectWise: o fornecedor como vetor de acesso
Em 14 de outubro de 2026, a ConnectWise iniciou uma investigação após identificar atividades não autorizadas ligadas às credenciais de aplicação do Cloud Backup, antes chamado SkyKick, e suspendeu serviços para conter o problema. O serviço é integrado aos ambientes Microsoft 365 de parceiros e clientes e depende de identidades de aplicação e permissões concedidas pelos administradores. Em 17 de outubro, a empresa informou ter desabilitado sete identidades de aplicação e revogado certificados, e orientou parceiros a revisar permissões, autenticações suspeitas e acessos não reconhecidos. A suspensão interrompeu backups agendados, acesso a arquivos e restauração de dados, e afetou também SaaS Security e Cloud Management. Os arquivos de backup, segundo a empresa, permaneceram criptografados e isolados, sem evidência de comprometimento.
A Microsoft atribuiu a campanha ao grupo Storm-0940, que associa a interesses estatais chineses, e ao uso do ARTEX para automatizar reconhecimento, tentativas de autenticação e exploração dos acessos derivados. Relatou tentativas de alcançar mais de 2.250 ambientes de clientes; o FBI fala em acesso a mais de 2.250 ambientes de clientes indiretos. Os números exigem cuidado. Em uma campanha de password spraying entre 10 e 14 de outubro, a Microsoft registrou mais de 151 mil tentativas malsucedidas contra 327 contas de oito organizações, sem autenticações bem-sucedidas nessa etapa. Em atividades posteriores, ligadas às aplicações comprometidas, identificou autenticações e ações em alguns ambientes de clientes, incluindo operações no Microsoft Graph e alterações que poderiam permitir persistência. Obter acesso a uma identidade de aplicação, alcançar um ambiente e extrair informações são etapas diferentes. O que o caso mostra é que o invasor não precisa criar uma vulnerabilidade nova em cada organização: pode explorar uma relação de confiança já estabelecida.
### OPSSHIELD: a atualização que distribui a ameaça
Em 2 de novembro, a infraestrutura de distribuição de atualizações do cPGuard, produto de segurança para servidores Linux da OPSSHIELD, foi comprometida. Com credenciais obtidas indevidamente, o invasor distribuiu um script malicioso pelo canal legítimo de atualização. A empresa informou que ele acessou parte da infraestrutura de faturamento e licenciamento, obteve as chaves de publicação e distribuiu uma versão maliciosa durante cerca de 70 minutos. As versões afetadas vão da 5.88.12 à 5.88.19. O script instalava uma porta dos fundos (backdoor) e coletava credenciais e arquivos dos servidores atingidos. A OPSSHIELD publicou orientações para atualizar, investigar os sistemas e trocar credenciais e chaves SSH potencialmente expostas.
Em 3 de novembro, a empresa estimou que o invasor havia recuperado 32 arquivos de servidores de clientes. É uma estimativa preliminar de arquivos recuperados, não o total de servidores que receberam ou executaram a atualização, e não deve virar contagem de vítimas. O caso atinge uma camada sensível: administradores instalam ferramentas de segurança para se proteger, e os mecanismos de atualização delas recebem alta confiança e, muitas vezes, privilégios administrativos.
### ASOS: engenharia social sobre plataformas de terceiros
Nem todo comprometimento de fornecedor depende de falha técnica sofisticada. Em 6 de outubro, a varejista britânica ASOS confirmou atividade não autorizada em plataformas de terceiros usadas na comunicação com clientes, depois que consumidores receberam uma notificação não autorizada pelos canais da empresa. A investigação apontou que o invasor se passou por um contato confiável para obter as credenciais de um funcionário. Nomes e dados de contato de clientes podem ter sido acessados; a empresa não identificou comprometimento de dados de pagamento nem de senhas. A ASOS informou ter concluído a investigação e adotado medidas adicionais, e o episódio causou interrupção temporária de atividades de marketing e relacionamento. Bastou uma relação de confiança explorada, sem invadir a infraestrutura central da varejista.
### Miljödata: a falha de um fornecedor que alcança milhões
Em agosto de 2025, a provedora sueca de TI Miljödata sofreu um ataque que levou ao acesso indevido e à publicação de grandes volumes de dados pessoais. Segundo a própria empresa, cerca de 2,2 milhões de pessoas foram afetadas, com números de identificação pessoal, informações de contato e registros sensíveis sobre afastamentos médicos, reabilitação e ocorrências com estudantes. Entre os clientes estavam a maioria dos municípios suecos, várias regiões administrativas, órgãos governamentais e empresas privadas. Em 1º de outubro de 2026, a autoridade sueca de proteção de dados, a IMY, anunciou multa de 1,8 milhão de coroas suecas, por medidas técnicas e organizacionais insuficientes, entre elas verificações insuficientes na instalação de novos softwares e ausência de monitoramento automatizado em tempo real. Uma empresa especializada pode concentrar dados de uma população muito maior do que sua estrutura sugere.
### Qubole e PwC: permissões esquecidas e dados em mãos de terceiros
O caso da Qubole, divulgado em 9 de novembro, mostra o mecanismo de herança de confiança. Segundo a pesquisa divulgada, invasores usaram credenciais de gerenciamento de identidade e acesso associadas à conta AWS da plataforma para assumir funções de acesso que clientes haviam configurado em seus próprios ambientes (cross-account IAM roles), recurso legítimo de integração. Algumas dessas permissões continuavam ativas mesmo depois de os clientes deixarem de usar a plataforma. Os invasores conseguiram enumerar recursos, acessar variáveis de ambiente, consultar segredos e obter dados de buckets S3. O total de organizações afetadas não foi divulgado. Retirar um serviço de operação não significa revogar as permissões que ele recebeu, e uma integração esquecida pode continuar sendo porta de entrada.
Em 23 de outubro, a PwC confirmou um incidente com um fornecedor terceirizado que hospeda registros de treinamento de funcionários, depois que um grupo de extorsão afirmou ter roubado 590 GB de dados. As informações públicas na ocasião não permitiam confirmar a extensão do acesso nem o volume alegado. A organização pode não ter sofrido invasão direta e, ainda assim, enfrentar consequências do comprometimento de um prestador que guarda informações em seu nome. A relação de confiança é técnica, mas também contratual, operacional e jurídica.
### Optimizely: o código de terceiros que chega ao navegador
O incidente de 16 de novembro ilustra bem o risco do código de terceiros. A plataforma Optimizely Web Experimentation, usada para testar e personalizar sites, entrega código JavaScript carregado diretamente pelos navegadores dos visitantes. Um componente controlado por um fornecedor externo passa, assim, a executar código dentro das páginas dos clientes. Segundo a Report URI, um invasor conseguiu inserir JavaScript malicioso em projetos de clientes: foram 188 arquivos comprometidos, associados a 178 organizações, entre elas BBC, CNN, Zoom, Salesforce, HSBC, IKEA e Equifax, entregues pela infraestrutura legítima da plataforma.
O código malicioso tinha diferentes finalidades: substituir endereços de carteiras de criptomoedas, capturar dados de cartões digitados em formulários, roubar cookies e registrar capturas de tela. Havia também mecanismos para direcionar usuários de iPhone e iPad a ferramentas de exploração do iOS, o que não prova que os aparelhos tenham sido invadidos. A distinção é fundamental: os 188 arquivos saíram de uma amostra de 1.611 scripts examinados. Isso não significa que 178 organizações tenham sofrido invasões em seus servidores, nem que todos os visitantes foram prejudicados, e a Reuters informou não ser possível determinar quantas pessoas foram afetadas. O que ocorreu foi diferente: sites legítimos passaram a distribuir código malicioso porque confiavam em um componente externo. O arquivo chegava por um domínio legítimo, com certificado válido e aparente funcionamento normal.
### Seis formas de exposição
Os casos não são equivalentes, mas compartilham uma característica: a superfície de ataque ultrapassa os limites administrativos e técnicos da organização.
- Acesso privilegiado entre organizações (ConnectWise): credenciais de aplicações de um fornecedor abrem os ambientes de seus clientes.
- Integrações persistentes (Qubole): permissões antigas continuam válidas depois do fim do serviço.
- Código executado por terceiros (Optimizely): scripts externos operam nos navegadores dos usuários sem que os servidores dos clientes sejam comprometidos.
- Canal de atualização (OPSSHIELD): a proteção instalada vira canal de distribuição de malware.
- Engenharia social sobre plataformas externas (ASOS): uma credencial humana abre serviços de terceiros.
- Concentração de dados (Miljödata, PwC): um prestador guarda informações de muitas organizações e pessoas.
A concentração amplia o alcance de um incidente. Isso não significa que todos os clientes serão comprometidos quando o fornecedor for invadido: depende das permissões concedidas, dos controles existentes e da natureza do componente afetado. Há ainda uma assimetria de visibilidade. A empresa pode monitorar com cuidado os próprios servidores e ter pouca capacidade de acompanhar mudanças no código de uma plataforma externa ou investigar, em tempo real, a infraestrutura de um prestador.
### A IA acelera o problema, mas não explica todos os incidentes
Os incidentes recentes não demonstram que todos os ataques à cadeia de fornecedores usem IA. A conexão está documentada no caso ConnectWise, pela Microsoft e pelo FBI. Nas informações públicas consultadas sobre Qubole e Optimizely, não há evidência equivalente, e o mesmo vale para os demais casos. A IA não criou a fragilidade estrutural da cadeia de fornecedores: relações de confiança excessivas, credenciais persistentes, permissões amplas e dependência de componentes externos já eram problemas conhecidos. Pode ampliar a velocidade e a escala com que essas fragilidades são encontradas e exploradas, mas não deve virar explicação automática para todo incidente. O que se desenha é uma convergência de riscos: a superfície de ataque cresce enquanto o custo de explorar certas fragilidades pode diminuir.
A defesa em velocidade de máquina
A ideia de que a velocidade ofensiva supera a defensiva carece de precisão. Não existe medida única que compare o tempo de todos os ataques com o de todas as correções: os incidentes variam em complexidade, os ambientes têm diferentes níveis de maturidade e nem toda vulnerabilidade pode ser explorada em condições reais. Os casos documentados, porém, mostram uma assimetria preocupante. Um agente pode fazer reconhecimento de madrugada, testar múltiplos caminhos de acesso e continuar trabalhando em feriados e fins de semana. Uma organização administra sistemas legados, dependências de fornecedores, janelas de manutenção e processos internos de autorização.
Corrigir uma vulnerabilidade não termina quando o fornecedor publica o pacote de atualização. É preciso identificar os sistemas expostos, avaliar compatibilidade, testar efeitos colaterais, distribuir a atualização e verificar se a falha foi eliminada. Em infraestrutura crítica, como energia, transporte, telecomunicações e serviços financeiros, uma atualização mal planejada pode causar interrupções tão relevantes quanto as que pretende evitar. A velocidade da descoberta não se converte automaticamente em velocidade de correção.
O problema também é de coordenação. Diante de um incidente, a organização precisa saber quais sistemas foram atingidos, qual a extensão do comprometimento, se há acessos persistentes, quais os riscos operacionais e que medidas podem ser adotadas sem interromper serviços essenciais. Uma resposta inadequada em ambientes complexos pode produzir novas consequências. A dependência de poucos fornecedores de software, nuvem, identidade e autenticação amplia o alcance potencial de cada incidente, e a discussão passa a envolver a arquitetura de dependências de toda a economia digital.
### O que a ofensiva automatizada ainda não resolve
A defesa não está condenada a perder a corrida. Frameworks ofensivos têm limites: a automação não elimina a necessidade de infraestrutura, credenciais válidas, vulnerabilidades exploráveis e objetivos viáveis, e agentes erram, como mostrou a campanha de criptomoedas. O tráfego intenso, os identificadores reconhecíveis e os rastros técnicos apontados pelo Google criam padrões comportamentais que sistemas de monitoramento podem detectar para interromper a progressão de uma operação.
### Controles
A resposta não pode se limitar ao perímetro da própria empresa. É preciso mapear as relações de confiança que conectam fornecedores, aplicações, identidades, dados e infraestrutura:
- Inventariar os serviços externos e as permissões concedidas a cada um, e revogar os acessos de integrações que deixaram de ser usadas.
- Limitar e monitorar credenciais de aplicações ao mínimo necessário, com troca imediata quando houver suspeita de exposição. O Google e a Mandiant destacam credenciais de curta duração e o isolamento do plano de controle.
- Verificar o código de terceiros executado em seus ambientes, como scripts de publicidade, análise de tráfego, personalização, testes, atendimento e pagamentos, e detectar alterações inesperadas nesses arquivos com o mesmo rigor aplicado ao código próprio.
- Segmentar redes, isolar sistemas administrativos e manter monitoramento comportamental contínuo, com capacidade de revogar credenciais comprometidas rapidamente.
- Avaliar fornecedores. O NIST publicou em julho de 2026 um guia de due diligence para a gestão de riscos na cadeia de suprimentos, que recomenda examinar procedência, resiliência, práticas fundamentais de segurança, estrutura de propriedade e controle e os diferentes níveis de fornecedores.
Também será preciso incorporar IA às estruturas defensivas. Agentes podem correlacionar alertas, analisar registros, priorizar vulnerabilidades e investigar atividades suspeitas, e sistemas automatizados podem executar respostas previamente autorizadas, reduzindo o intervalo entre a identificação de uma ameaça e a contenção. Isso cria um desafio de governança: agentes com acesso a credenciais, ferramentas administrativas e infraestrutura crítica precisam operar sob controles rigorosos, como privilégio mínimo, gestão de identidade, monitoramento e supervisão humana.
A orientação central é abandonar a ideia de que a segurança de uma organização pode ser avaliada isoladamente. Uma empresa pode proteger bem os próprios sistemas e ainda depender de um fornecedor com acesso privilegiado, de uma aplicação que executa código externo ou de uma integração que segue ativa sem necessidade. A pergunta deixa de ser apenas se a empresa está protegida. Passa a ser se ela conhece, monitora e consegue controlar as relações de confiança de que depende.
O pano de fundo geopolítico
Depois dos fatos, resta a pergunta de quem explora essas dependências, com quais objetivos e como os interesses de Estados, grupos de espionagem e organizações criminosas se cruzam nesse ambiente. Os próprios casos documentados impedem uma resposta simples.
A mesma estrutura serve a objetivos distintos. A Check Point documentou operações de crime financeiro e de fraude com certificados digitais. A Microsoft associa a campanha da ConnectWise a interesses estatais chineses. O Google observou indícios de frameworks próprios de grupos ligados à espionagem, com possível conexão chinesa, e a própria investigação pede cautela para não transformar suspeita de vínculo estatal em conclusão definitiva. As atribuições estatais, nos casos acompanhados, vêm de empresas privadas e com ressalvas. Nada nos materiais examinados liga todos os grupos a um mesmo Estado.
Os alvos importam tanto quanto os autores. O FBI lista defesa, semicondutores, energia e telecomunicações, além de serviços financeiros, governo e saúde. O Google viu o CAIRN em intrusões contra organizações do setor aeroespacial dos Estados Unidos e um agente com PentAGI varrendo organizações na Ásia. Os ataques a instituições financeiras sul-coreanas expuseram dados de cerca de 67 mil pessoas. São setores em que se concentram a vantagem econômica, militar e tecnológica dos países.
A predominância de modelos chineses, como DeepSeek e Kimi, nas instâncias examinadas pela Check Point sugere um dado econômico e técnico antes de político: são modelos baratos e acessíveis para esse uso, e isso não prova coordenação estatal. Mas mostra que a dependência de modelos, como a de fornecedores, atravessa fronteiras e jurisdições, e que o controle sobre ferramentas, permissões e salvaguardas está espalhado entre empresas e países.
A cadeia de fornecedores leva a questão ao terreno da soberania. A Miljödata guardava dados de cerca de 2,2 milhões de pessoas, de municípios, regiões e órgãos governamentais suecos. A campanha da ConnectWise tentou alcançar mais de 2.250 ambientes de clientes. Quando governos e serviços essenciais dependem de poucos fornecedores, uma disputa entre Estados e grupos criminosos pode ser travada dentro da infraestrutura de quem nem sabe que está em jogo.
A máquina não é o modelo, é a arquitetura
Os episódios de outubro e novembro de 2026 apontam duas mudanças que se reforçam. A primeira é ofensiva: modelos, ferramentas e agentes organizados em arquiteturas que executam, avaliam e continuam trabalhando, com intervenção humana reduzida ao acompanhamento. A segunda é estrutural: a fronteira de segurança de uma organização já não coincide com a fronteira de sua infraestrutura.
A máquina de atacar não é um único modelo de IA. É uma arquitetura que transforma modelos, ferramentas e agentes em capacidade operacional, e que pode ser reproduzida, escalada e distribuída. Mas não há prova de que toda invasão seja conduzida por IA. O ARTEX é o caso documentado; nas informações públicas consultadas, Qubole e Optimizely não têm evidência equivalente. A IA não criou a fragilidade da cadeia de fornecedores, mas pode acelerar sua exploração. E a automação erra, deixa rastros e depende de infraestrutura, credenciais e vulnerabilidades que ainda precisam existir.
A mesma lógica serve à defesa. Pesquisas como a da OpenAI mostram que encontrar e validar vulnerabilidades também pode ser feito em escala, e a defesa precisa de estruturas que monitorem e respondam continuamente. Quando fornecedores compartilham credenciais, permissões, código e acesso a dados, uma falha localizada produz consequências em uma rede muito maior, e o tempo para identificar e interromper uma exploração pode ser o recurso mais escasso de uma organização.
Resta a dimensão política. Quando a mesma ferramenta serve à espionagem estatal e ao crime financeiro, e a atribuição vem de empresas privadas com graus diferentes de confiança, a resposta deixa de ser só técnica: envolve quem pode ser responsabilizado, quem define as regras para fornecedores que sustentam governos e serviços essenciais e quanto cada país depende de tecnologia que não controla.
A questão já não é apenas qual modelo consegue encontrar uma vulnerabilidade. É qual arquitetura consegue transformar essa descoberta em uma operação, e qual arquitetura defensiva conseguirá interrompê-la antes que produza consequências.