Uma vulnerabilidade crítica no VMware vCenter está sendo explorada em uma campanha atribuída, com confiança moderada, a um grupo hacker de língua chinesa. Os ataques exploram a CVE-2026-59310, falha com pontuação CVSS 9,8 que permite execução arbitrária de código e foi corrigida pela Broadcom em 29 de julho. A atividade começou apenas cinco dias após a divulgação pública da vulnerabilidade. Segundo a empresa alemã de resposta a incidentes QUIRSO, a campanha teria comprometido 361 endereços IP únicos em 47 países. Alemanha aparece com 55 sistemas afetados, seguida por Estados Unidos, com 41; Turquia, 38; Irã, 26; e França, 25. A atribuição a um agente relacionado à China é baseada em diferentes indícios, incluindo artefatos em chinês nos scripts criados pelos invasores, possível reutilização de pesquisas publicadas por uma fonte chinesa, ferramentas e softwares de gerenciamento em chinês, ausência de vítimas na China continental e horários de atividade compatíveis com o fuso UTC+08:00. A investigação também encontrou evidências da exploração da CVE-2026-59309, uma vulnerabilidade de bypass de autenticação no vCenter que vem sendo alvo de varreduras. Atividades maliciosas compatíveis com sua exploração foram identificadas já em 1º de agosto, seguidas pela criação de uma conta administrativa no ambiente. Os pesquisadores, entretanto, não encontraram sobreposição entre essa atividade e a cadeia de ataque posteriormente associada à CVE-2026-59310 no mesmo servidor. A conta “vcenter_admin” criada durante a primeira atividade também não foi utilizada nas etapas seguintes. Na exploração da CVE-2026-59310, os invasores abusaram do serviço cron do Linux. Um arquivo malformado chamado “zz-poc59310-syslog.log” foi registrado e, posteriormente, comandos curl ou wget foram utilizados para baixar e executar um backdoor a partir de infraestrutura controlada pelos atacantes. O nome do arquivo faz referência direta à CVE e a um proof-of-concept (PoC) desenvolvido após a divulgação da vulnerabilidade. Segundo a QUIRSO, os indícios sugerem que o servidor de syslog do vCenter Server Appliance (vCSA) foi abusado para inserir arquivos em um diretório privilegiado utilizado pelo cron. Pelo menos um deles conseguiu executar e instalar o backdoor chamado “linuxFile”. Esse malware fornece capacidade de execução remota de comandos. O implante estabelece uma conexão WebSocket com o servidor de comando e controle (C2), recebe instruções, executa comandos por meio do /bin/sh e envia os resultados de volta aos invasores. O endereço do C2 é ofuscado com XOR e a comunicação utiliza criptografia própria do malware, mesmo sobre uma conexão ws:// sem criptografia de transporte. O backdoor também consegue restabelecer automaticamente a comunicação após falhas e possui mecanismos de persistência utilizando systemd e cron. Os invasores recorreram extensivamente ao cron para executar outras cargas maliciosas. Entre elas estava o script “esxi.sh”, utilizado para baixar e instalar uma ferramenta de reverse SSH específica para a arquitetura do sistema. Esse mecanismo permitia manter um canal de acesso remoto à infraestrutura comprometida. Para dificultar a identificação das atividades, alguns cronjobs receberam nomes semelhantes aos de serviços legítimos da VMware, como vmware-vpxd-stats-*, vmware-perf-collect-* e vmware-perf-sync-*. Esses mecanismos foram utilizados para adicionar chaves SSH dos invasores, instalar um web shell JSP chamado “vmware-perf-update.jsp”, acessar credenciais e criar novas contas administrativas. Uma delas, chamada “adminuser”, foi adicionada ao grupo de administradores do vSphere SSO. A campanha também envolveu a criação de outras contas, como “vcadmin”, além da manipulação do VMware Directory Service (vmdir). Em uma das técnicas observadas, os invasores criaram o arquivo /etc/sudoers.d/vmware-perf, concedendo à conta de serviço perfcharts acesso irrestrito ao root via sudo, sem necessidade de senha. Scripts executados pelos hackers ainda buscavam credenciais do vmdir diretamente no sistema. Caso o primeiro método falhasse, o ataque procurava módulos Python da VMware para obter informações associadas à conta da máquina vCenter. As credenciais eram então utilizadas para realizar alterações privilegiadas no diretório. Após consolidar o controle do vCenter, os responsáveis pela campanha utilizaram APIs do vSphere para reconhecimento do ambiente e o script “esxi.sh” para distribuir o cliente reverse SSH. Contas locais também foram criadas nos hosts ESXi, preparando o ambiente para etapas posteriores. A cadeia de ataque terminou, no sistema analisado pela QUIRSO, com a implantação de um ransomware nos servidores ESXi. O malware criptografou arquivos utilizando a extensão .babyk, normalmente associada a variantes derivadas do ransomware Babuk. Ainda não está claro, porém, se a implantação do ransomware era o objetivo principal da operação. A QUIRSO analisou apenas um dos sistemas comprometidos e não conseguiu determinar se o ransomware foi distribuído para outras vítimas da campanha. Os pesquisadores consideram a possibilidade de o ransomware ter sido utilizado como uma espécie de cortina de fumaça. Ao criptografar também logs dos servidores ESXi, o malware poderia eliminar dados de telemetria importantes e dificultar a reconstrução das atividades anteriores dos invasores. A CVE-2026-59310 foi particularmente perigosa porque forneceu execução de código diretamente como root no vCenter Server Appliance. Dessa forma, comandos posteriores já eram executados com privilégios máximos, sem que os invasores precisassem comprometer primeiro uma conta local comum e realizar elevação de privilégios. Em uma atualização da investigação, a QUIRSO também identificou um repositório no GitHub chamado “pikpak0066/tmpclean”, criado em 14 de agosto e associado à mesma infraestrutura. Embora apresentado como um programa em Go para remover arquivos antigos do diretório /tmp no Linux, a análise encontrou binários reverse_ssh relacionados à campanha. O programa verifica o diretório /tmp e remove arquivos, links simbólicos, sockets e outros itens modificados há pelo menos 24 horas, repetindo a operação a cada hora. Como grande parte dos artefatos maliciosos observados durante os ataques era armazenada nesse diretório, os pesquisadores suspeitam que a ferramenta seja utilizada para apagar sistematicamente evidências e dificultar análises forenses. Uma versão denominada “tmpclean v3.0.0” também contém binários atualizados do reverse_ssh, indicando que o repositório pode estar sendo utilizado para distribuir novas cargas maliciosas. A motivação para sua criação permanece incerta.

A adoção acelerada de inteligência artificial no ambiente de trabalho está criando uma nova superfície de risco para as empresas, impulsionada pelo uso de contas pessoais, aplicações não autorizadas, extensões de navegador e IDE, exposição de informações sensíveis e agentes autônomos com acesso a sistemas corporativos. Os dados fazem parte do Enterprise AI Usage Risk Report 2026, relatório da Akamai Security baseado em informações da LayerX. O levantamento aponta que 47,11% das conversas empresariais com ferramentas de IA são realizadas por meio de identidades pessoais, enquanto 52,89% utilizam identidades corporativas. Esse comportamento alimenta o chamado shadow AI, expressão utilizada para definir ferramentas e serviços de inteligência artificial adotados pelos funcionários sem aprovação, supervisão ou controles adequados das equipes de TI e segurança. O problema não está restrito ao endereço de e-mail utilizado para acessar esses serviços. Entre as conversas realizadas com identidades corporativas, 14,4% estavam associadas a assinaturas pessoais ou freemium, e não a planos empresariais administrados pela organização. Nesses casos, informações corporativas podem ficar fora de políticas internas de retenção, exclusão, auditoria e conformidade. A proporção varia de acordo com a plataforma. Nos ambientes analisados, mais de 60% das conversas realizadas no ChatGPT, Copilot e DeepSeek estavam associadas a identidades pessoais. Em ferramentas direcionadas ao mercado corporativo, o cenário foi diferente: 98,15% das conversas no Gemini Enterprise e 90,55% no Copilot M365 utilizavam identidades corporativas gerenciadas. O relatório identifica cinco áreas principais de atenção: crescimento da superfície de ataque provocado pela disseminação da IA no ambiente de trabalho; utilização de contas pessoais e aplicações não autorizadas; exposição de dados sensíveis; extensões de navegador e IDE; e agentes de IA que passam a executar ações fora dos controles tradicionais de segurança. Usuários intensivos de IA concentram parte do risco Outro ponto identificado é que o uso de IA não ocorre de maneira uniforme dentro das organizações. Os dados indicam que 18,24% dos usuários utilizam IA semanalmente e 30,47% mensalmente. Um usuário corporativo participa, em média, de 36 conversas com IA. Entretanto, os 50% menos ativos registram 12 ou menos conversas, enquanto os 5% mais ativos chegam a pelo menos 144 interações. A diferença também aparece na profundidade das conversas. Uma sessão possui, em média, aproximadamente cinco prompts, enquanto as 5% mais extensas chegam a pelo menos 18. Esses usuários mais intensivos, classificados no relatório como AI power users, tendem a incorporar os modelos de IA de maneira mais profunda aos seus processos de trabalho. Quanto maior essa integração, maior pode ser o volume de contexto corporativo compartilhado com os modelos, incluindo documentos, código-fonte, informações de clientes e outros dados potencialmente sensíveis. Vazamento de dados por IA desafia controles tradicionais A IA generativa também altera a maneira como informações corporativas podem deixar o ambiente da empresa. Soluções tradicionais de Data Loss Prevention (DLP) foram desenvolvidas principalmente para monitorar canais como e-mail, armazenamento em nuvem, transferência de arquivos e uploads. Em uma interação com IA, porém, uma informação pode ser fragmentada entre diversos prompts, trechos de código, documentos, screenshots, conteúdo copiado e colado e sucessivas mensagens enviadas ao modelo. Isso significa que uma única entrada pode parecer inofensiva quando analisada isoladamente, mas diferentes interações podem, em conjunto, revelar informações relevantes sobre sistemas, clientes, projetos ou propriedade intelectual da organização. Nesse cenário, os controles precisam considerar não apenas padrões conhecidos de informações confidenciais, mas também o contexto no qual os dados estão sendo fornecidos aos sistemas de inteligência artificial. Extensões de IA ampliam a superfície de ataque As extensões com funcionalidades de IA representam outro vetor de risco. Em empresas de médio porte, com 1.000 a 2.500 funcionários, 17,7% dos usuários analisados possuíam pelo menos uma extensão de IA instalada. O percentual foi de 14,55% nas organizações com menos de mil funcionários e de 9,53% nas empresas com mais de 2.500. Mais relevante do que a quantidade é o nível de acesso solicitado por esses componentes. Entre as extensões analisadas, 56,4% exigiam permissões consideradas altas e 16,7% permissões críticas. Somadas, essas duas categorias representam 73,1% do total, enquanto somente 1,4% operava com permissões classificadas como baixas. Também foram identificadas diferenças em relação às extensões convencionais. 16,31% das extensões de IA analisadas apresentavam CVEs conhecidos, contra 10,8% das extensões em geral. O acesso a recursos sensíveis do navegador também aparece com maior frequência. Cerca de 18,19% das extensões de IA solicitavam acesso a cookies, quase três vezes os 6,67% observados no conjunto geral. Permissões de scripting estavam presentes em 41,91% das extensões de IA, contra 15,4% das demais. O relatório cita o chamado CursorJacking como exemplo do impacto que uma extensão maliciosa pode causar. No cenário demonstrado pelos pesquisadores, uma extensão poderia extrair chaves de API e tokens de sessão relacionados ao assistente de programação Cursor. Credenciais desse tipo podem abrir caminho para acesso não autorizado ao ambiente de desenvolvimento e, dependendo das permissões disponíveis, expor código-fonte, conversas realizadas com IA e serviços integrados ao fluxo de trabalho do desenvolvedor. Agentes de IA criam um novo problema de identidade A expansão dos agentes autônomos acrescenta outra dimensão ao problema. Diferentemente de um chatbot convencional, que recebe uma solicitação e gera uma resposta, agentes de IA podem ter capacidade para acessar aplicações SaaS, consultar arquivos e e-mails, utilizar sessões autenticadas e executar ações em nome do usuário. Isso faz com que a segurança deixe de envolver apenas a interação entre uma pessoa e um modelo. Um agente pode passar a funcionar como uma identidade digital com privilégios próprios, capaz de acessar diferentes recursos corporativos. O relatório apresenta o CometJacking como exemplo desse cenário. Na demonstração, instruções maliciosas incorporadas a uma página poderiam manipular um agente por meio de indirect prompt injection. O agente poderia então ser induzido a acessar informações sensíveis e enviá-las para uma infraestrutura controlada pelo atacante. Esse tipo de ataque introduz uma mudança importante no modelo tradicional de segurança. Em vez de tentar convencer diretamente uma pessoa a entregar informações por meio de phishing, um atacante pode buscar manipular o agente autorizado a agir em nome dela. O impacto potencial depende diretamente das permissões concedidas. Um agente conectado simultaneamente a e-mail, arquivos corporativos, sistemas SaaS e sessões autenticadas pode se tornar um ponto de acesso relevante caso seja manipulado ou comprometido. Empresas precisam ampliar a governança sobre IA Diante desse cenário, o relatório recomenda que as organizações identifiquem os funcionários que utilizam IA com maior intensidade, descubram aplicações de shadow AI, monitorem o uso de contas pessoais e tenham visibilidade sobre prompts e uploads envolvendo informações sensíveis. Extensões de navegador e IDE também precisam fazer parte do inventário de segurança, especialmente aquelas com acesso a cookies, scripting, páginas corporativas ou ambientes de desenvolvimento. Para identidades, as recomendações incluem adoção de SSO e autenticação multifator, além da aplicação de privilégio mínimo a agentes autônomos. Controles de DLP também precisam ser adaptados para considerar o contexto das interações com modelos de IA, em vez de depender exclusivamente da identificação tradicional de arquivos ou padrões de dados. A estratégia proposta não consiste simplesmente em bloquear ferramentas de inteligência artificial. O objetivo é aplicar políticas considerando fatores como usuário, aplicação utilizada, identidade, sensibilidade das informações, postura de segurança do dispositivo e ações que o sistema de IA está autorizado a executar. À medida que assistentes e agentes passam a receber acesso a dados corporativos e capacidade para executar tarefas, a inteligência artificial deixa de ser apenas uma ferramenta de produtividade e passa a integrar efetivamente a infraestrutura tecnológica das empresas. Isso exige estender aos sistemas de IA controles de identidade, privilégio, monitoramento, governança e proteção de dados tradicionalmente aplicados a usuários e aplicações corporativas.

O brasileiro Lucas Freitas Vieira, de 12 anos, desenvolveu uma pesquisa que combina engenharia reversa, análise estática e regras YARA para identificar estruturas associadas a Return-Oriented Programming (ROP) em arquivos de malware. A versão mais recente do trabalho amplia a metodologia, os experimentos e a revisão da literatura, além de estabelecer uma separação mais rigorosa entre a identificação de capacidade relacionada a ROP e a confirmação de cadeias efetivamente montadas dentro de um binário. Intitulado Static Detection of ROP Gadget Chains in Malware via Entropy-Aware YARA Rules, o trabalho está disponível no Zenodo como preprint. O estudo ainda está em processo de aprimoramento e não deve ser interpretado como uma pesquisa já validada por revisão por pares. A intenção é submetê-lo à avaliação de especialistas para incorporar críticas e fortalecer a metodologia antes de buscar publicação em plataformas acadêmicas como o arXiv. A pesquisa aborda uma lacuna específica na análise estática de malware. Ferramentas como ROPgadget e Ropper conseguem enumerar gadgets — pequenas sequências de instruções que podem ser reutilizadas em ataques ROP — existentes em um executável. A presença desses elementos, porém, não significa que o arquivo contenha uma cadeia ROP pronta para execução, já que programas legítimos também apresentam diversos gadgets. A metodologia desenvolvida procura estruturas mais significativas, como stack pivots, sequências POP;RET usadas no carregamento de registradores e terminadores responsáveis pelo despacho da cadeia. O processo combina essas características com análise de entropia de Shannon por seção do executável PE e uma segunda etapa de verificação baseada em desassemblagem. A versão revisada organiza o processo em cinco estágios: triagem do arquivo e análise de entropia; identificação de packers; desempacotamento ou localização do Original Entry Point (OEP); engenharia reversa no Ghidra e verificação dos ponteiros da cadeia; e geração e validação das regras YARA. Um dos pontos centrais é a chamada chain-pointer verification. A etapa procura, nas seções de dados do executável, sequências de ponteiros que direcionem para regiões de código executável. Os destinos são desassemblados e classificados em categorias como PIVOT, POP, TERM ou OTHER. O método também tenta eliminar estruturas legítimas que poderiam ser confundidas com cadeias ROP, incluindo jump tables e vtables. Essa distinção tornou-se especialmente importante na nova avaliação. O estudo mostra que uma regra YARA baseada apenas na coexistência de determinados padrões pode funcionar como um indicador de capacidade ou estruturas compatíveis com ROP, mas não necessariamente comprova que uma cadeia ROP esteja montada no arquivo. Para uma afirmação de maior confiança, o trabalho reserva a confirmação à etapa adicional de verificação estrutural. Nos testes internos, a pesquisa avaliou 160 amostras distribuídas entre cinco grupos: 50 shellcode droppers, 50 amostras de AsyncRAT, 30 de njRAT, 10 implantes C2 personalizados e 20 trojans bancários. Como duas regras são avaliadas sobre as mesmas 20 amostras do trojan bancário, o trabalho contabiliza 180 avaliações individuais. As regras alcançaram TPR agregado de 93,9%, com 169 resultados verdadeiramente positivos nas 180 avaliações. A taxa agregada de falsos positivos foi de 0,026%, correspondente a 13 ocorrências no corpus de 50 mil arquivos PE considerados limpos. O próprio artigo ressalta que as 180 avaliações não são totalmente independentes devido à dupla avaliação das amostras de trojan bancário. Ao atribuir peso igual às cinco famílias, o resultado é de 93,8%. A análise de entropia também apresentou impacto nos testes. Nas três famílias contendo variantes empacotadas, as condições baseadas em entropia aumentaram em média a taxa de detecção em 16,2 pontos percentuais em comparação com as regras baseadas somente em padrões. O trabalho compara ainda os resultados com o conjunto de regras YARA-Forge. No corpus utilizado na pesquisa, a abordagem proposta registrou TPR médio de 93,9%, contra 71,2% do baseline, uma diferença de 22,7 pontos percentuais. Em contrapartida, o YARA-Forge apresentou FPR menor: 0,003%, contra 0,026% do método avaliado. A nova versão amplia significativamente a validação externa. Foram utilizados 56 arquivos de malware provenientes de 22 conjuntos de famílias, incluindo Zeus, SpyEye, Carberp, Dyre, Emotet, AgentTesla, Bumblebee e outras ameaças, além de amostras adicionais de stealers escritos em Rust e controles legítimos selecionados para testar cenários adversos. A regra estrutural genérica identificou 32 dos 56 binários externos, ou 57,1%, registrando pelo menos uma detecção em 18 dos 22 conjuntos avaliados. Os resultados abrangem RATs, trojans bancários, loaders, droppers, ransomware e stealers lançados entre 2007 e 2025. Essa avaliação também revelou uma limitação relevante. Três dos quatro arquivos legítimos escolhidos especificamente para testar situações envolvendo software empacotado ou comprimido acionaram pelo menos uma das regras. PuTTY e o instalador do 7-Zip, por exemplo, produziram correspondências relacionadas ao vocabulário de gadgets, enquanto uma versão do PuTTY empacotada com UPX também acionou a trilha destinada a arquivos empacotados. Por isso, o artigo alerta que determinadas regras devem ser interpretadas como sinais para threat hunting quando não há uma confirmação estrutural adicional. A análise de entropia, isoladamente, também não é considerada evidência suficiente de atividade maliciosa. A etapa de verificação por ponteiros apresentou um resultado diferente. Nenhuma cadeia ROP estaticamente montada foi confirmada nos 59 arquivos PE reais analisados — 56 amostras externas de malware e três executáveis legítimos. Em contrapartida, o verificador detectou corretamente um executável sintético construído com uma cadeia de cinco gadgets e rejeitou um controle negativo baseado em vtable. Esse resultado levou o estudo a uma conclusão mais cautelosa: nas amostras externas examinadas, o sinal estático mais útil esteve relacionado à presença de capacidade, padrões estruturais e características de loaders, e não à confirmação de cadeias ROP previamente montadas. Segundo o trabalho, malwares modernos podem construir essas cadeias dinamicamente durante a execução ou simplesmente não utilizar ROP. Outra mudança importante está na fundamentação acadêmica. A versão revisada documenta uma busca sistemática pela literatura seguindo diretrizes de Kitchenham e o modelo PRISMA 2020. Foram identificados 250 registros, 177 permaneceram após a remoção de duplicatas e 33 estudos foram sintetizados diretamente no trabalho, além de pesquisas fundamentais recuperadas por análise das referências. O levantamento também permitiu delimitar melhor a contribuição proposta. Já existem pesquisas sobre detecção de ROP em tempo de execução, tráfego de rede e documentos contendo exploits, mas o trabalho concentra-se no cenário de triagem estática de malware PE dentro do ecossistema de ferramentas como YARA e antivírus. A pesquisa reconhece limitações. As cinco famílias internas possuem entre 10 e 50 amostras cada, os conjuntos utilizados são amostras de conveniência e o corpus de arquivos limpos não representa adequadamente toda a variedade de softwares legítimos empacotados. A cobertura principal também está concentrada nas arquiteturas x86 e x64, enquanto ARM64 e Thumb foram avaliados apenas com gadgets sintéticos. Além disso, cadeias construídas dinamicamente durante a execução podem não deixar uma estrutura estática para o verificador encontrar. Por esse motivo, o trabalho posiciona a abordagem como uma camada complementar de análise pré-execução, e não como substituta de mecanismos de proteção em runtime. Os artefatos utilizados na pesquisa foram disponibilizados publicamente, incluindo as regras YARA, scripts de análise de entropia, verificador de ponteiros, anotações das análises realizadas no Ghidra e informações para reprodução dos experimentos. As amostras de malware não são redistribuídas pelo projeto.

Modelos avançados de inteligência artificial demonstraram desempenho muito superior em tarefas ofensivas do que na defesa de ambientes corporativos. Em testes conduzidos pela startup de segurança Corma, quatro modelos conseguiram implantar backdoors persistentes em 85% das execuções, mas detectaram apenas 19% dos ataques quando colocados no papel de defensores. A diferença é chamada pela empresa de “defense gap”, ou lacuna defensiva, e representa um problema crescente à medida que modelos de IA ganham capacidade para encontrar vulnerabilidades, programar e coordenar ferramentas de forma autônoma em fluxos de ataque com múltiplas etapas. Para avaliar essa diferença, a Corma testou Claude Opus 4.8, GPT-5.5, Grok 4.3 e DeepSeek V4 como atacantes e defensores em uma empresa simulada e suas redes, construídas para reproduzir de forma próxima um ambiente corporativo com diferentes unidades de negócio. A missão ofensiva era implantar um backdoor, enquanto o agente defensor precisava identificar a invasão e interrompê-la. Os quatro modelos foram colocados uns contra os outros em todas as combinações possíveis, inclusive contra eles mesmos, com 15 execuções independentes por combinação. Ao todo, foram contabilizados 241 testes. Os resultados mostraram uma diferença expressiva: atuando ofensivamente, os modelos conseguiram estabelecer um backdoor persistente em 85% das execuções. Quando receberam a responsabilidade de proteger o mesmo ambiente, conseguiram detectar apenas 19% dos ataques. Segundo Alon Pluda, CEO e fundador da Corma, modelos desenvolvidos por empresas como OpenAI, Anthropic e Google já apresentam capacidades avançadas de programação e linguagem, incluindo identificação e correção de vulnerabilidades e orquestração de ferramentas em processos com várias etapas. Quando essas capacidades são combinadas com sistemas agênticos, os modelos deixam de funcionar apenas como ferramentas de pesquisa de vulnerabilidades e passam a ter condições de executar diferentes etapas de um ataque de maneira coordenada. O mesmo avanço, porém, não estaria acontecendo na mesma velocidade na defesa. Uma das explicações apresentadas pela pesquisa está no tipo de informação que precisa ser interpretada durante uma investigação de segurança. Enquanto tarefas ofensivas podem ter objetivos relativamente claros — explorar uma condição ou fazer determinado ataque funcionar —, a defesa exige encontrar sinais suspeitos em grandes quantidades de logs, eventos, configurações, trilhas de auditoria e informações armazenadas nos sistemas. Grande parte desse conteúdo consiste em dados estruturados de máquinas, e não em linguagem natural ou código-fonte, dois tipos de informação amplamente presentes no treinamento dos grandes modelos de linguagem. Segundo a pesquisa, os modelos parecem interpretar esses dados defensivos com menor confiabilidade. Além disso, o raciocínio necessário para defesa tende a ser mais aberto. Uma equipe ou agente de segurança precisa identificar comportamentos potencialmente maliciosos entre milhares de atividades legítimas, correlacionar eventos e determinar quando uma sequência aparentemente comum representa parte de uma invasão. “Defensive security is about finding needles in the haystack”, afirmou Pluda ao The Register, comparando a tarefa defensiva à procura de uma agulha em um palheiro. Agentes de IA começam a atuar diretamente na resposta a incidentes A proposta da Corma é utilizar modelos especializados para alimentar agentes de IA que atuam como integrantes de uma equipe de segurança. Esses sistemas podem receber diferentes tarefas defensivas e operar sobre ambientes corporativos para investigar e responder a ameaças. A empresa afirma que organizações Fortune 100 e Fortune 500 dos setores de saúde, serviços financeiros, energia, infraestrutura crítica e varejo já utilizam sua força de trabalho baseada em IA. Segundo dados divulgados pela própria startup, essas primeiras implementações teriam reduzido o tempo de resposta a ameaças em mais de 94% e ampliado em 15 vezes a cobertura entre diferentes funções de segurança. Como esses números são fornecidos pela própria empresa, devem ser interpretados como resultados reportados pela Corma, e não como uma avaliação independente. Um dos casos relatados por Pluda ilustra o nível de autonomia pretendido para esses agentes. Um executivo de segurança estava passeando com seu cachorro quando recebeu no relógio uma notificação enviada por um agente informando que havia identificado um ataque em andamento e solicitando autorização para bloqueá-lo. O executivo aprovou a ação pelo dispositivo. Segundo o relato, o agente bloqueou o malware, impediu que o invasor avançasse lateralmente pela rede corporativa e mitigou a intrusão em menos de dez minutos. O episódio representa uma mudança relevante em relação ao uso convencional de IA em cibersegurança. Em vez de apenas resumir alertas ou auxiliar um analista durante uma investigação, agentes passam a participar diretamente do ciclo de detecção, decisão e resposta a incidentes — embora ações críticas ainda possam depender de autorização humana, como no caso relatado. Esse modelo também aumenta a importância de mecanismos de confiança e controle. Um agente capaz de bloquear processos, usuários, dispositivos ou comunicações dentro de uma rede precisa interpretar corretamente o contexto antes de executar uma ação, já que uma decisão equivocada pode afetar sistemas legítimos e operações de negócio. Startup recebe US$ 60 milhões Fundada há cerca de um ano, a Corma anunciou uma rodada seed de US$ 60 milhões, liderada pela Sequoia Capital, com participação da Khosla Ventures e Coatue. Pluda afirma que a empresa pretende desenvolver modelos cada vez mais especializados em segurança defensiva para reduzir a diferença observada em relação às capacidades ofensivas da IA. A evolução dos sistemas agênticos adiciona uma nova dimensão a essa disputa. Os mesmos recursos que permitem automatizar pesquisa de vulnerabilidades, desenvolvimento de código e coordenação de ferramentas também podem ser aplicados à investigação de alertas, correlação de eventos e resposta a incidentes. Os testes apresentados pela Corma, no entanto, indicam que ainda existe uma diferença significativa entre essas duas aplicações. Enquanto os modelos avaliados tiveram sucesso em 85% das tentativas de estabelecer um backdoor, apenas 19% dos ataques foram identificados quando esses mesmos modelos assumiram a função de defesa.

Grandes empresas de inteligência artificial e desenvolvimento de software estão apoiando um novo padrão aberto para facilitar a portabilidade de ferramentas e habilidades entre diferentes plataformas de agentes de IA. Batizado de Agent Plugins 1.0, o formato pretende permitir que desenvolvedores criem uma capacidade uma única vez e possam reutilizá-la em diferentes agentes compatíveis. A especificação inicial foi publicada pela Vercel com contribuições de Amazon, Cursor, Microsoft e OpenAI, que também comprometeram engenheiros com o desenvolvimento do projeto. A iniciativa foi rapidamente acolhida pela Agentic AI Foundation (AAIF), ligada à Linux Foundation, embora seja administrada como uma entidade independente. O Agent Plugins 1.0 define uma estrutura padronizada de diretórios para reunir as ferramentas e habilidades utilizadas por um agente. O projeto se apoia em dois padrões já existentes: o Model Context Protocol (MCP), administrado pela AAIF, e o Agent Skills, padrão aberto originalmente desenvolvido pela Anthropic em 2025. Cada tecnologia desempenha uma função diferente. O Agent Skills contém instruções que definem como um agente deve executar determinada tarefa, enquanto o MCP fornece conectividade com recursos externos, como bancos de dados, APIs e scripts. O Agent Plugins reúne essas capacidades em um único pacote portátil. Na prática, a proposta é estabelecer para agentes de IA uma lógica semelhante ao conceito de "escreva uma vez, execute em qualquer lugar". Um plugin poderia, em teoria, ser transferido entre diferentes plataformas sem exigir que suas habilidades e integrações fossem reconstruídas para cada ambiente. A interface com o usuário, os limites de segurança e os marketplaces para distribuição dos plugins continuam sob responsabilidade de cada plataforma. Segundo o projeto, VS Code, Cursor, GitHub Copilot, ChatGPT, Codex e Kiro já oferecem suporte ao padrão. A estrutura segue uma abordagem baseada no próprio sistema de arquivos. Cada plugin possui um diretório principal acompanhado por um pequeno manifesto e um schema. O manifesto registra informações como nome, versão e esquema do plugin em JSON. As instruções do agente ficam armazenadas no subdiretório skills, enquanto a configuração do servidor MCP é mantida em um arquivo mcp.json. Desenvolvedores também podem utilizar um diretório de namespace para extensões específicas de determinada plataforma. Essa separação foi projetada para manter o formato principal previsível sem incorporar imediatamente cada nova funcionalidade experimental criada pelas diferentes plataformas de agentes. Extensões podem ser adicionadas ao namespace, embora isso não garanta que permaneçam portáveis entre diferentes clientes. Para a versão 1.0, os responsáveis optaram deliberadamente por manter o escopo limitado. Funcionalidades experimentais poderão ser avaliadas para versões futuras, dependendo da adoção e da evolução do ecossistema. O Agent Plugins será administrado por um modelo aberto de governança, com um comitê técnico independente responsável pela evolução da especificação e pela análise de contribuições públicas. Atualmente, engenheiros de Amazon, Cursor, Microsoft, OpenAI e Vercel fazem parte da equipe principal de desenvolvimento. A especificação utiliza a licença Creative Commons Attribution 4.0 International (CC-BY-4.0). A iniciativa faz parte de um movimento mais amplo de padronização da infraestrutura para agentes de IA. O Google transferiu seu protocolo Agent2Agent (A2A), desenvolvido para comunicação entre agentes, para a AAIF e também trabalha no Agentic Resource Discovery, uma especificação voltada à descoberta de ferramentas disponíveis na web. A própria AAIF mantém outro projeto complementar chamado Skills Over MCP, que propõe distribuir habilidades diretamente por meio de servidores MCP. A abordagem difere do Agent Plugins principalmente na forma como os componentes são empacotados e distribuídos. Com diferentes propostas ainda em desenvolvimento, o Agent Plugins 1.0 tenta resolver uma questão central do mercado emergente de agentes de IA: evitar que ferramentas, integrações e instruções precisem ser reconstruídas sempre que um desenvolvedor muda de plataforma.

Um novo memorando da Casa Branca assinado pelo presidente dos Estados Unidos, Donald Trump, determina a criação de um programa que permitirá a empresas privadas norte-americanas autorizadas participar de operações cibernéticas contra organizações criminosas transnacionais estrangeiras. A iniciativa ficará sob responsabilidade do National Coordination Center (NCC) e prevê que empresas previamente avaliadas possam empregar suas capacidades técnicas para combater grupos envolvidos em crimes cibernéticos, fraudes e outros esquemas direcionados contra cidadãos e interesses dos Estados Unidos. Segundo o memorando, as companhias participantes atuarão sob direção e supervisão do governo federal. Cada operação dependerá de autorização e deverá respeitar parâmetros e restrições previamente definidos. O programa prevê duas categorias principais de atuação. A primeira envolve operações de vigilância cibernética, nas quais empresas autorizadas poderão acessar dados sensíveis sem autorização do proprietário ou operador do sistema alvo. A segunda categoria é mais ofensiva e envolve operações de "efeitos cibernéticos". Essas ações poderão resultar em interrupção, negação, degradação ou destruição de sistemas de informação, redes ou infraestrutura pertencentes às organizações criminosas selecionadas como alvo. Poderão ser enquadrados grupos estrangeiros envolvidos em crimes facilitados por meios digitais contra o governo dos EUA, cidadãos norte-americanos ou interesses do país. O memorando estabelece que os alvos não devem fazer parte institucionalmente de governos estrangeiros nem operar integralmente sob suas ordens, a menos que existam evidências demonstrando essa conexão. As empresas também terão de interromper qualquer operação que ultrapasse os limites da autorização concedida. Entre as restrições estão ações contra cidadãos norte-americanos, sistemas localizados nos Estados Unidos ou infraestruturas controladas por pessoas dos EUA. Caso uma operação alcance inadvertidamente algum desses alvos protegidos, a empresa deverá aplicar procedimentos para minimizar o impacto e comunicar imediatamente o NCC. O órgão, por sua vez, ficará responsável por notificar o Departamento de Justiça. A iniciativa amplia uma estratégia anunciada pela Casa Branca em março para combater organizações criminosas transnacionais envolvidas em ransomware, distribuição de malware, phishing, fraudes financeiras, sextorsão, golpes conhecidos como "pig butchering" e esquemas de falsificação de identidade. De acordo com dados divulgados pelo governo norte-americano, consumidores dos Estados Unidos relataram perdas estimadas em US$ 20,8 bilhões relacionadas a crimes facilitados por meios digitais. A medida representa uma expansão significativa da participação do setor privado em operações cibernéticas ofensivas conduzidas sob supervisão do governo norte-americano. O modelo, porém, levanta questões jurídicas e de segurança, já que a legislação vigente nos Estados Unidos restringe empresas privadas de realizar ataques ou operações de interrupção cibernética sem autorização judicial. A decisão ocorre enquanto outros países também discutem ampliar suas capacidades ofensivas no ambiente digital. Na Alemanha, o governo aprovou um projeto de legislação que amplia os poderes das agências de inteligência doméstica e estrangeira para desativar servidores hostis, interromper redes cibernéticas no exterior, realizar operações de resposta contra hackers ligados a Estados e sabotar cadeias de suprimentos de adversários.

Ataques realizados por agentes autônomos de inteligência artificial contra governos e empresas de energia no início de julho indicam que o uso ofensivo da tecnologia contra infraestrutura crítica deixou de ser apenas uma possibilidade teórica. Especialistas alertam que a combinação entre IA, sistemas industriais vulneráveis e décadas de dívida técnica pode transformar invasões digitais em impactos físicos. Tom Kellermann, vice-presidente de segurança de IA e pesquisa de ameaças da TrendAI, classificou o cenário como um "perigo claro e presente". Segundo ele, agentes de IA transformados em armas podem, no futuro, atingir mecanismos de segurança de infraestruturas críticas e provocar consequências no mundo físico. A preocupação também foi destacada por autoridades durante as conferências Black Hat e DEF CON. Brett Leatherman, diretor-assistente da Divisão Cibernética do FBI, apontou instalações de água e esgoto, redes elétricas, mercados de alta frequência e sistemas financeiros entre os ambientes nos quais um comprometimento da integridade pode gerar impactos significativos para comunidades e para a segurança nacional. Um dos principais sinais dessa mudança ocorreu entre os dias 1º e 4 de julho, quando operadores suspeitos de ligação com a China utilizaram uma estrutura de ataque baseada nos agentes de IA Hermes e OpenClaw contra alvos em Taiwan. Ao longo de 12 ondas de ataques, o sistema descrito como "quase autônomo" utilizou até oito subagentes, cada um responsável por seus próprios alvos e técnicas. A campanha comprometeu um site governamental, um sistema de e-mail do governo, a agência de segurança nuclear de Taiwan, fornecedores da cadeia de TI e pelo menos sete empresas do setor de energia. Os agentes identificaram e exploraram vulnerabilidades e configurações incorretas enquanto avançavam pelas redes, obtendo dados sensíveis, credenciais e outros segredos. O episódio demonstrou como sistemas de IA podem automatizar diferentes etapas de uma cadeia de ataque e coordenar ações contra múltiplos alvos. O cenário preocupa ainda mais devido às fragilidades já existentes em infraestruturas críticas. Nos Estados Unidos, mais de 30 pequenos sistemas de abastecimento de água em Minnesota, além de instalações em quase uma dúzia de outros estados, foram recentemente alvo de ataques cibernéticos. Não há evidências de que IA tenha sido utilizada nesses ataques. Muitos dos sistemas afetados mantinham controladores lógicos programáveis (PLCs) diretamente expostos à internet e protegidos por senhas padrão ou fracas. Chris Inglis, ex-diretor nacional de cibersegurança dos Estados Unidos, afirmou que esses incidentes expõem décadas de dívida técnica. Sistemas sem correções, equipamentos em fim de vida e atualizações de segurança adiadas ampliam a superfície de ataque e oferecem mais oportunidades para comprometer ambientes responsáveis por serviços essenciais. A IA pode tornar a exploração dessas fragilidades mais rápida e acessível. E o risco não está limitado aos modelos mais avançados. Modelos abertos e amplamente disponíveis já demonstram capacidade para encontrar falhas em software e configurações, combinar vulnerabilidades e gerar ações para comprometer sistemas. Pesquisadores da Universidade de Toronto, por exemplo, utilizaram neste ano um modelo aberto e publicamente disponível para desenvolver um worm que, segundo eles, conseguiu se propagar por uma rede corporativa de testes. O código identificava vulnerabilidades conhecidas e configurações incorretas, gerava ataques e se adaptava para avançar lateralmente e comprometer outras máquinas. Outra preocupação envolve sistemas de controle industrial (ICS) e tecnologia operacional (OT). Historicamente, ataques sofisticados contra esses ambientes exigem conhecimento especializado sobre equipamentos, protocolos e processos industriais. A IA pode reduzir essa barreira. John Hultquist, analista-chefe do Google Threat Intelligence Group, afirmou que esse conhecimento técnico, antes restrito a um grupo relativamente pequeno de especialistas, pode se tornar muito mais acessível com agentes capazes de pesquisar e aprender sobre sistemas industriais. Na avaliação de Hultquist, países como China e Rússia já possuem operadores com capacidade avançada nesse campo, mas ferramentas de IA podem aumentar as capacidades de agentes com menor especialização em OT, incluindo grupos ligados a países como Coreia do Norte e Irã. Outro sinal dessa evolução surgiu durante a Black Hat, quando pesquisadores da OpenAI apresentaram detalhes de uma avaliação de segurança na qual agentes de IA conseguiram atacar a plataforma Hugging Face. Durante o experimento, agentes solicitaram ajuda a outros agentes, criaram estruturas para troca de mensagens e desenvolveram protocolos próprios de comunicação para coordenar suas atividades. Michael Dalton, da equipe técnica da OpenAI, afirmou que é esperado que agentes maliciosos passem a implantar, otimizar e transformar coletivos de agentes ofensivos em ferramentas de ataque. Paul Nakasone, ex-diretor da NSA, classificou esse tipo de experimento como um ponto de inflexão para ataques cibernéticos autônomos gerados por IA. O desafio para os defensores é acompanhar essa evolução. Ryan Whelan, chefe global de Cyber Intelligence da Accenture, avalia que ainda pode levar mais de um ano para surgirem enxames de agentes defensivos autônomos capazes de combater esse tipo de ameaça em escala. Enquanto isso, sistemas ofensivos podem avançar mais rapidamente porque atacantes não estão sujeitos às mesmas limitações legais, operacionais e éticas impostas às organizações responsáveis pela defesa. Para especialistas, essa diferença pode fazer com que os primeiros usos em escala de agentes cibernéticos autônomos ocorram justamente no lado ofensivo.

Ryan Dahl, criador do Node.js e do Deno, apresentou o celld, um projeto open source que implementa de forma independente conceitos dos Workers e Durable Objects da Cloudflare. A proposta é permitir que desenvolvedores executem aplicações distribuídas e com estado em infraestrutura própria, sem depender do backend da Cloudflare. Dahl descreveu o celld como uma "implementação distribuída e auto-hospedada de Durable Objects e Workers". O projeto mantém compatibilidade com as APIs JavaScript dessas tecnologias, facilitando a adoção por desenvolvedores familiarizados com o ecossistema da Cloudflare. Introduzido em 2020, o Durable Objects oferece um ambiente serverless com estado. Cada objeto possui um identificador global exclusivo, armazenamento próprio baseado em SQLite e execução single-threaded, modelo que reduz problemas complexos de concorrência em sistemas distribuídos. Uma das principais diferenças em relação a arquiteturas serverless tradicionais, como AWS Lambda, é a possibilidade de manter dados próximos da capacidade computacional responsável por processá-los. Isso permite construir aplicações distribuídas de baixa latência sem depender de uma arquitetura composta por diversos serviços externos para determinadas funções. Com WebSockets, um Durable Object pode manter conexões simultâneas com diversos usuários em aplicações em tempo real. O modo Hibernate permite suspender objetos quando não estão sendo utilizados, reduzindo o consumo de recursos. O modelo é especialmente adequado para jogos multiplayer, ferramentas colaborativas, aplicações de produtividade e agentes de IA. O celld leva essa arquitetura para fora da infraestrutura da Cloudflare. Em vez do backend da empresa, utiliza Amazon S3 ou serviços compatíveis como mecanismo de armazenamento, além do runtime assíncrono Tokio, escrito em Rust. Assim como nos Durable Objects, cada objeto do celld recebe sua própria instância do SQLite. Dahl afirma que a implementação pode ser significativamente mais barata em escala. Em sua comparação, 100 células permanentemente residentes custariam aproximadamente US$ 415 por mês na Cloudflare, enquanto uma infraestrutura celld baseada em um bucket compatível com S3 da DigitalOcean e um servidor virtual de 8 GB ficaria em cerca de US$ 49 mensais. A Cloudflare contestou a comparação. Segundo a empresa, os US$ 415 representariam um cenário no qual todos os objetos permanecessem continuamente ativos. Caso fossem colocados em modo de suspensão quando ociosos, o custo estimado seria de US$ 20,65 mensais. Dessa forma, a diferença de preço depende diretamente do perfil de utilização da aplicação. Além da questão financeira, o projeto chama atenção por permitir que o modelo de Durable Objects seja executado fora de um único provedor. Outras empresas também vêm explorando arquiteturas que aproximam armazenamento e processamento, como a Neon, que recentemente apresentou o Neon Functions para workloads de longa duração. O celld é desenvolvido em Rust e JavaScript, distribuído sob licença Apache 2 e oferece suporte a código JavaScript e TypeScript. Em teoria, aplicações escritas em Rust, C/C++, Go ou Zig também podem ser executadas por meio de WebAssembly, com adaptações para o V8. Apesar de ser open source, o projeto estabelece uma restrição incomum: contribuições geradas por agentes de inteligência artificial não são aceitas. Os responsáveis argumentam que ferramentas de programação baseadas em IA facilitam o envio de grandes alterações com pouco contexto, que podem exigir dos mantenedores mais tempo de revisão do que efetivamente economizam. Contribuições humanas continuam sendo aceitas, desde que os desenvolvedores compreendam o funcionamento do código submetido. Para Dahl e sua equipe, o objetivo é tornar a abstração criada pelos Durable Objects disponível em diferentes infraestruturas, preservando suas características de processamento distribuído e armazenamento com estado sem manter a dependência de um único provedor.

A Trezor, fabricante de carteiras físicas para criptomoedas, confirmou que uma violação de segurança em sua parceira de logística ShipMonk expôs informações pessoais de mais de 13 mil clientes. O incidente inclui compradores no Brasil e envolve dados como nomes, endereços residenciais, telefones e e-mails. Inicialmente, a investigação indicava que o vazamento estaria limitado a pedidos realizados em determinados países nos últimos 90 dias. Novas informações, porém, apontam que compras mais antigas também podem ter sido afetadas. Segundo a Trezor, 11.742 clientes dos Estados Unidos, Reino Unido, Suécia, Colômbia, Brasil, Itália e Portugal tiveram nomes, endereços de e-mail, números de telefone e endereços de entrega expostos. Esse grupo realizou compras entre 10 de maio e 8 de agosto. Outros 1.947 clientes tiveram nomes, cidades onde residem e endereços de e-mail comprometidos. Parte desses pedidos pode ter sido realizada antes de 10 de maio. A Trezor afirmou que ainda está verificando essas informações e o período exato da exposição junto à ShipMonk. A ShipMonk é responsável por armazenar e enviar produtos da Trezor e, por isso, coleta as informações necessárias para processar as entregas. A parceira está sujeita à política de retenção de 90 dias da Trezor, que determina que os dados dos clientes sejam excluídos ou anonimizados dentro desse período após sua coleta para um pedido. A Trezor destacou que seus próprios sistemas e dispositivos permanecem seguros. Portanto, o incidente não significa que as carteiras de hardware ou as criptomoedas armazenadas pelos clientes tenham sido comprometidas. O principal risco imediato apontado pela empresa é o aumento de campanhas de phishing. Com informações como nome, telefone, e-mail e histórico relacionado à compra de uma carteira de criptomoedas, criminosos podem criar mensagens mais convincentes se passando pela própria Trezor, bancos ou corretoras de criptoativos. A exposição de endereços residenciais também representa um risco adicional. Proprietários de criptomoedas já foram alvo de roubos, invasões e sequestros em diferentes países, incluindo casos registrados na França e nos Estados Unidos. Uma base capaz de associar identidades e endereços físicos a compradores de hardware wallets pode, portanto, ter valor para criminosos interessados em ataques fora do ambiente digital. A empresa informou que entrou em contato diretamente com os clientes afetados e recomendou que qualquer comunicação recebida seja comparada com informações divulgadas por seus canais oficiais. Também reforçou que usuários nunca devem inserir o backup de suas carteiras em sites nem compartilhá-lo com terceiros. Segundo a Trezor, esta é a primeira vez desde sua fundação, em 2013, que uma violação expõe números de telefone e endereços de entrega de seus clientes. A companhia reconheceu a gravidade dos possíveis riscos e pediu desculpas aos afetados. Após o incidente, a fabricante também informou que está priorizando o desenvolvimento do recurso "Anonymous Delivery", projetado para permitir compras sem associar diretamente a identidade e o endereço residencial do cliente ao pedido. Nesse modelo, o comprador utilizará um apelido ou identificador no lugar do nome real e receberá o produto em um armário automatizado de entregas, em vez de sua residência. O pacote será enviado sem a marca da Trezor e com identificação genérica do remetente, enquanto a transportadora utilizará e-mail ou SMS apenas para fornecer o PIN necessário para retirar a encomenda. A Trezor prevê lançar o Anonymous Delivery na União Europeia em setembro e nos Estados Unidos até o final de 2026.

A inteligência militar da Ucrânia identificou um módulo Nvidia Jetson Orin nos destroços de um míssil de cruzeiro russo S-71 Monochrome, indicando que componentes comerciais avançados continuam chegando ao arsenal de Moscou mesmo após sanções internacionais e a saída da Nvidia do mercado russo em 2022. A Direção Principal de Inteligência do Ministério da Defesa da Ucrânia (GUR) informou que o componente foi encontrado em um S-71M, míssil lançado do ar com capacidades autônomas. Segundo informações disponíveis sobre a arma, o sistema pode procurar e atacar alvos utilizando sensores ópticos e processamento computacional embarcado. Para a inteligência ucraniana, a presença do componente "pode indicar o uso de tecnologias de inteligência artificial no míssil". O S-71M seria capaz de operar tanto sob supervisão humana quanto de maneira totalmente autônoma. Fotografias divulgadas pelo GUR mostram um chip Nvidia bastante danificado pelo calor, com a identificação TE980M-A1. O código corresponde ao Jetson Orin NX 16GB, módulo lançado pela Nvidia no início de 2023 e desenvolvido para aplicações de computação embarcada, incluindo sistemas autônomos. A data de lançamento é particularmente relevante. A Nvidia encerrou suas operações na Rússia em 2022, após a invasão da Ucrânia, antes da chegada do TE980M-A1 ao mercado. Isso indica que o componente encontrado no míssil teria chegado à Rússia por algum canal indireto depois que a fabricante interrompeu suas vendas diretas ao país. A Nvidia afirma que os módulos Orin são produtos comerciais vendidos para diversas aplicações e não foram projetados para uso militar. A empresa também informou que esses componentes não deveriam estar disponíveis oficialmente na Rússia. Segundo a fabricante, unidades Jetson usadas podem ser encontradas por meio de diversos canais de revenda, dificultando o rastreamento depois da comercialização inicial. A Nvidia afirmou ainda que tomará medidas caso identifique clientes violando os controles de exportação dos Estados Unidos. Não está claro como o Jetson Orin encontrado pela inteligência ucraniana chegou às mãos russas. Divulgações recentes do GUR também documentaram componentes eletrônicos fabricados na China presentes em armamentos utilizados pela Rússia. Os Estados Unidos mantêm controles de exportação que restringem o envio de chips avançados para países como Rússia e China. Apesar dessas medidas, componentes sujeitos a restrições podem circular por mercados secundários, intermediários e outros canais fora do controle direto dos fabricantes. Para o GUR, a descoberta demonstra limitações dos mecanismos atuais de controle de exportação. Ao mesmo tempo, a agência considera a presença de componentes estrangeiros uma indicação de que a indústria russa ainda depende de tecnologias desenvolvidas no exterior para determinadas capacidades de seus sistemas militares. A Ucrânia defende maior pressão por sanções e mais coordenação internacional para impedir que componentes tecnológicos estrangeiros cheguem à indústria militar russa. A origem específica e a cadeia de fornecimento do módulo Nvidia encontrado no S-71M, porém, ainda não foram determinadas.

A Direção-Geral de Finanças Públicas da França (DGFiP) confirmou que um invasor acessou seus sistemas e extraiu dados no fim de junho de 2026. A admissão ocorreu após um suposto cibercriminoso anunciar em um fórum hacker um banco de dados que, segundo ele, contém informações de mais de 2 milhões de contribuintes franceses. Usando o pseudônimo "ZeroBytes", o responsável pela publicação afirmou ter obtido acesso à infraestrutura da DGFiP por meio de credenciais roubadas e de uma técnica para contornar a autenticação multifator (MFA). O banco de dados supostamente roubado foi colocado à venda na quarta-feira. O invasor também alegou continuar com acesso aos sistemas da autoridade fiscal e ofereceu a possibilidade de vendê-lo junto com os dados. A DGFiP, porém, contestou essa afirmação e informou que o acesso não autorizado havia sido interrompido ainda no fim de junho. Segundo o órgão, o incidente ocorreu após um caso de roubo de identidade. Uma auditoria realizada naquele período levou à interrupção do acesso, mas as investigações iniciais confirmaram que, antes do bloqueio, o invasor conseguiu consultar e extrair informações relacionadas a pessoas físicas e profissionais. Após identificar o comprometimento, a DGFiP implementou novas restrições para impedir novos acessos e usos não autorizados. A investigação continua para determinar exatamente quais informações foram comprometidas e quantos usuários foram afetados. Portanto, a alegação de que 2 milhões de contribuintes tiveram seus dados roubados ainda não foi confirmada pelas autoridades. A DGFiP também informou que comunicará o incidente à Comissão Nacional de Informática e Liberdades (CNIL), autoridade francesa de proteção de dados, e notificará as pessoas afetadas assim que a investigação identificar o alcance do vazamento. O caso amplia uma sequência de incidentes de segurança envolvendo órgãos e serviços públicos franceses em 2026. Em fevereiro, o Ministério da Economia e Finanças, responsável pela DGFiP, confirmou que invasores usaram credenciais roubadas para acessar um banco de dados com informações bancárias de cidadãos franceses. Cerca de 1,2 milhão de registros foram extraídos antes da revogação do acesso. Poucas semanas depois, o Ministério da Saúde confirmou um ataque contra a fornecedora de tecnologia Cegedim Santé, no qual aproximadamente 15,8 milhões de arquivos administrativos foram roubados. Cerca de 165 mil continham anotações médicas que, em um número considerado muito limitado de casos, revelavam históricos de saúde. Em abril, o Ministério do Interior também confirmou um ataque contra a France Titres, agência responsável por documentos de identidade, incluindo passaportes e carteiras de motorista. O suposto responsável, apontado como um adolescente de 15 anos, afirmou que o incidente teria afetado entre 18 milhões e 19 milhões de pessoas. O número divulgado pelo invasor não representa, por si só, uma confirmação oficial da extensão do comprometimento. Já em junho, o departamento responsável pelo Tchap, plataforma de mensagens criptografadas utilizada pelo governo francês, investigou uma possível violação. Os supostos invasores alegaram ter acessado mais de 73 mil contas, 643 mil mensagens, quase 60 mil arquivos de mídia e centenas de salas de conversa.

O grupo hacker norte-coreano Lazarus foi associado à exploração de uma vulnerabilidade zero-day no Windows em ataques contra empresas dos setores de defesa e aeroespacial na França, Alemanha, Brasil e Índia. A campanha utiliza falsas ofertas de emprego para comprometer as vítimas, obter privilégios SYSTEM e instalar backdoors nos computadores. Segundo a Check Point Research, a atividade faz parte da Operation Dream Job, campanha de espionagem cibernética e engenharia social mantida há anos por hackers ligados à Coreia do Norte. Os invasores abordam profissionais em plataformas como o LinkedIn, fingindo ser recrutadores de empresas conhecidas e apresentando oportunidades de emprego convincentes para construir uma relação de confiança. Entre as companhias utilizadas como isca estão Lockheed Martin e Enveil. Depois do contato inicial, as vítimas são induzidas a abrir documentos PDF maliciosos ou instalar um visualizador de PDF adulterado. A campanha explora a CVE-2026-68820, vulnerabilidade de escalonamento de privilégios no Windows Ancillary Function Driver for WinSock, o AFD.sys. A falha recebeu pontuação CVSS 7,0 e foi corrigida pela Microsoft nas atualizações do Patch Tuesday de agosto de 2026. Os pesquisadores identificaram duas cadeias de infecção paralelas. A primeira utiliza DLL side-loading. A vítima é orientada a baixar um arquivo criptografado que inicia a execução de uma DLL maliciosa chamada libmupdf.dll. Enquanto uma falsa descrição de vaga é apresentada ao usuário, a DLL baixa e executa diretamente na memória o MISTPEN, um downloader que se comunica com a infraestrutura dos invasores utilizando Microsoft Graph API e OneDrive. O MISTPEN obtém módulos adicionais para reconhecimento e persistência e aciona o exploit contra o AFD.sys. A cadeia posteriormente instala o ForestTiger, também conhecido como ScoringMathTea, que fornece acesso remoto ao computador comprometido. A segunda cadeia utiliza um visualizador de PDF adulterado chamado SecurityPDF, distribuído por sites que se passam pela Enveil. Depois de instalado, o programa monitora os documentos PDF abertos em busca de um marcador específico. Quando encontra esse marcador, o aplicativo descriptografa e executa uma carga maliciosa responsável por carregar diretamente na memória um novo backdoor chamado Troy. O Troy oferece aos operadores 17 comandos, incluindo enumeração de arquivos, upload e download, criação de arquivos compactados e exfiltração, acesso interativo ao shell, encerramento de processos, injeção de DLLs diretamente na memória e alterações de configuração. O MISTPEN também carrega pelo menos quatro módulos. O GetInfoPlugin coleta informações do computador e as envia aos invasores, enquanto o PvPlugin reúne dados adicionais sobre o sistema e os processos em execução. O OneScreenCapture captura imagens da área de trabalho, incluindo todos os monitores, e as transmite em formato JPEG. O quarto componente funciona como um carregador para escalonamento local de privilégios. Ele coleta informações do sistema, gera material criptográfico utilizando o algoritmo pós-quântico ML-KEM e emprega a chave negociada durante o processo de comunicação para descriptografar e executar o FudModule. A cadeia utiliza uma versão atualizada do rootkit em modo kernel empregado repetidamente pelo Lazarus desde pelo menos 2022. O objetivo é esconder ferramentas maliciosas dos produtos de segurança instalados no computador. A exploração da CVE-2026-68820 no AFD.sys permite alcançar privilégios SYSTEM. Em seguida, outra instância do MISTPEN é injetada em um processo SYSTEM, permitindo que o malware opere com privilégios elevados e reduza sua exposição aos mecanismos de segurança. A nova versão do rootkit, denominada FudModule 3.1, também amplia a capacidade de interferir no Smart App Control, recurso do Windows utilizado para verificar se aplicações são consideradas seguras antes da execução. Os pesquisadores ainda identificaram pelo menos três sites falsos que imitavam a Enveil para distribuir o SecurityPDF. Não está totalmente claro como esses portais eram apresentados às vítimas, mas a hipótese é que o grupo primeiro enviasse o PDF por phishing e posteriormente orientasse o alvo a baixar o suposto visualizador necessário para abrir o documento. Outro elemento da operação é o uso de infraestrutura legítima comprometida. Em vez de depender exclusivamente de servidores próprios, o Lazarus utilizou sites WordPress e SharePoint comprometidos e servidores vulneráveis do Roundcube como infraestrutura de comando e controle do ForestTiger, dificultando a diferenciação entre comunicações maliciosas e tráfego web legítimo. Diversos servidores Roundcube utilizados na operação estavam vulneráveis à. Os atacantes exploraram esses sistemas para instalar um web shell PHP até então não documentado, denominado RelayShell, usado para trocar comandos e respostas por meio de arquivos de texto. Em pelo menos um caso, uma organização francesa previamente comprometida foi utilizada para enviar mensagens de phishing a novas vítimas, estratégia capaz de aumentar a credibilidade das mensagens e ajudar a contornar filtros baseados em reputação. A campanha mantém elementos tradicionais da Operation Dream Job, como falsas oportunidades profissionais e documentos relacionados a processos seletivos, mas combina essas técnicas com exploração zero-day, malware executado em memória, rootkits e infraestrutura legítima comprometida. A Check Point recomenda aplicar rapidamente as atualizações disponibilizadas pela Microsoft e verificar softwares por meio de canais oficiais, principalmente quando programas ou documentos são apresentados durante contatos de recrutamento. A investigação demonstra que sites, marcas e até infraestrutura pertencente a organizações legítimas podem ser utilizados para aumentar a credibilidade dos ataques.