IA descobre falha zero-day e Google interrompe ataque em massa

O ataque que não aconteceu

Pouca gente pensa no custo de uma vulnerabilidade zero-day. Mas se você trabalha com segurança, sabe que o jogo muda quando alguém encontra uma falha antes do patch. O Google anunciou que, pela primeira vez, usou IA para descobrir uma vulnerabilidade zero-day e interromper um ataque cibernético em massa. O caso veio a público no relatório do Google Threat Intelligence Group (GTIG), que detalha como atores estatais e criminosos estão usando IA para escalar seus ataques.

O fato

O GTIG identificou um grupo de ameaças que usou IA para descobrir e explorar uma vulnerabilidade zero-day. O Google não revelou qual era a falha nem o grupo, mas afirmou que conseguiu bloquear o ataque antes que causasse danos. O relatório também aponta que atores chineses e norte-coreanos estão usando IA para caçar vulnerabilidades, e que grupos russos estão incorporando código de ofuscação gerado por IA em malwares como o PROMPTSPY, que usa a API do Gemini para controlar dispositivos. Além disso, grupos criminosos como o TeamPCP estão mirando na cadeia de suprimentos de IA, atacando pacotes open-source populares.

Como funciona na prática

Do lado da defesa, o Google desenvolveu ferramentas de IA como o Big Sleep e o CodeMender. O Big Sleep analisa o código em busca de padrões de vulnerabilidade, enquanto o CodeMender sugere correções automaticamente. A ideia é usar a mesma tecnologia que os atacantes usam para explorar falhas, mas para encontrá-las antes. Do lado do ataque, o relatório destaca o projeto 'wooyun-legacy', um plugin para Claude que contém mais de 85 mil casos reais de vulnerabilidades do WooYun, usado para treinar modelos a analisar código de forma mais eficaz. Ou seja, a IA está sendo usada para automatizar a descoberta de falhas em ambos os lados.

O malware PROMPTSPY é um exemplo claro: ele usa a API do Gemini para interpretar comandos e executar ações no dispositivo Android, tudo com ofuscação gerada por IA. Isso torna a detecção muito mais difícil, porque o código não segue padrões fixos. A latência e o custo de chamar APIs de IA em tempo real podem ser um gargalo, mas para um ataque direcionado, o custo compensa.

O que isso muda na prática

Para equipes de segurança, a mensagem é clara: se você não está usando IA para defender, está em desvantagem. Ferramentas como Big Sleep e CodeMender ainda não são públicas, mas mostram o caminho. Empresas menores podem começar a usar modelos de linguagem para analisar logs ou sugerir patches, mesmo que de forma mais simple. Quem perde são os atacantes tradicionais que dependem de exploits manuais, mas eles também estão se adaptando rápido. Uma ação prática: comece a testar ferramentas de análise de código baseadas em IA no seu pipeline de CI/CD. Integrar um modelo que verifica vulnerabilidades antes do deploy pode ser mais barato que remediar um zero-day depois.

Tensão: uma corrida armamentista

A pergunta que fica é: isso escala? O Google conseguiu parar um ataque, mas quantos outros não foram detectados? O custo de rodar modelos de IA para análise de código em larga escala é alto, tanto em infraestrutura quanto em energia. Além disso, os atacantes também têm acesso a esses modelos. É uma corrida onde ambos os lados usam a mesma tecnologia, e o diferencial pode ser quem tem mais dados ou mais capacidade computacional. Será que estamos apenas movendo o gargalo da descoberta manual para a automação, ou realmente elevando o nível de segurança?

Conclusão

A descoberta do zero-day pelo Google é um marco, mas também um alerta. A IA está democratizando tanto a defesa quanto o ataque. Se antes uma vulnerabilidade zero-day exigia meses de trabalho de um especialista, agora pode ser encontrada em dias por um modelo bem treinado. A pergunta que fica para quem constrói sistemas: sua segurança está preparada para um adversário que nunca dorme e que aprende a cada ataque?