A Inteligência Artificial está transformando a forma como os ataques cibernéticos são planejados e executados. Embora muitas das técnicas utilizadas pelos criminosos já sejam conhecidas, o avanço da IA permite automatizar atividades, personalizar abordagens e ampliar a capacidade de atuação de agentes maliciosos.
Ferramentas generativas, modelos de linguagem e sistemas automatizados passaram a integrar diferentes etapas das operações ofensivas, desde o reconhecimento de possíveis alvos até a criação de campanhas fraudulentas e a adaptação de códigos maliciosos.
Essa evolução representa um desafio importante para as organizações. Afinal, quando atividades que antes exigiam conhecimento especializado e esforço manual podem ser parcialmente automatizadas, o volume e a velocidade das tentativas de ataque tendem a aumentar.
Entre as aplicações que ajudam a compreender esse cenário estão ferramentas como WormGPT, o uso de deepfakes em fraudes corporativas, técnicas de malware polimórfico e a automação de ataques contra credenciais.
Mais do que conhecer essas tecnologias, as empresas precisam entender como elas modificam os riscos aos quais estão expostas e quais capacidades de defesa se tornam necessárias.
Como evoluiu o uso da IA no cibercrime?
A utilização de automação em ataques cibernéticos não começou com a popularização da Inteligência Artificial generativa. Há anos, criminosos utilizam bots e scripts para identificar sistemas expostos, testar credenciais e procurar vulnerabilidades.
Entre 2018 e 2020, por exemplo, atividades como credential stuffing e testes automatizados de segurança já demonstravam como a automação poderia ampliar o alcance de operações ofensivas.
Nos anos seguintes, técnicas de engenharia social passaram a incorporar mecanismos mais sofisticados de personalização, permitindo adaptar mensagens fraudulentas a diferentes idiomas, regiões e perfis de vítimas.
A partir de 2023, a expansão dos modelos generativos trouxe novas possibilidades, incluindo a produção de conteúdos sintéticos, o desenvolvimento assistido de códigos maliciosos e o uso de deepfakes em tentativas de fraude.
O principal ponto é que a IA amplia as possibilidades de atuação dos criminosos, reduzindo o esforço necessário para determinadas atividades e favorecendo ataques mais adaptáveis.
WormGPT: o uso de modelos generativos em atividades maliciosas
O WormGPT ganhou notoriedade por ser divulgado como uma ferramenta de Inteligência Artificial voltada à produção de conteúdos e códigos associados a atividades maliciosas.
Diferentemente de aplicações comerciais que incorporam mecanismos de segurança para restringir determinadas solicitações, ferramentas desse tipo são promovidas justamente pela ausência dessas limitações.
Uma de suas aplicações mais discutidas é a criação de mensagens fraudulentas utilizadas em campanhas de phishing e Business Email Compromise (BEC), modalidade de fraude na qual criminosos tentam se passar por executivos, funcionários ou fornecedores para induzir transferências financeiras ou obter informações confidenciais.
Com o apoio de modelos generativos, essas mensagens podem apresentar linguagem mais natural, menos erros gramaticais e maior adequação ao contexto da vítima.
Isso não significa que o WormGPT seja indispensável para executar essas atividades, nem que todas as ferramentas comercializadas com esse nome possuam as mesmas capacidades. O caso demonstra, principalmente, como modelos de linguagem podem ser adaptados ou promovidos para finalidades criminosas.
Para as empresas, a consequência é que identificar mensagens fraudulentas apenas por erros de escrita ou aparência pouco profissional se torna uma estratégia insuficiente. A proteção precisa considerar autenticação, validação de solicitações e conscientização contínua.
Deepfakes: quando a identidade se torna um vetor de ataque
Outra aplicação relevante da IA no cibercrime está na criação de deepfakes, conteúdos de áudio, vídeo ou imagem capazes de reproduzir características de pessoas reais.
No ambiente corporativo, essa tecnologia pode ser utilizada para simular a voz de um executivo, falsificar uma reunião ou criar comunicações que aparentam ter origem em pessoas conhecidas.
O objetivo costuma ser explorar a confiança estabelecida entre profissionais e contornar processos internos de autorização.
Por isso, solicitações envolvendo transferências financeiras, alterações bancárias, compartilhamento de credenciais ou concessão de acessos privilegiados devem passar por mecanismos adicionais de confirmação.
A utilização de canais independentes de validação, a segregação de responsabilidades e o treinamento dos colaboradores ajudam a reduzir a exposição a esse tipo de fraude.
Malware polimórfico: códigos maliciosos que mudam para dificultar a detecção
O malware polimórfico é um tipo de código malicioso capaz de modificar determinadas características de sua estrutura entre diferentes versões, preservando sua funcionalidade.
Essa técnica não surgiu com a Inteligência Artificial. Entretanto, recursos generativos podem apoiar a criação, a adaptação e a modificação de componentes de software, incluindo códigos utilizados em atividades maliciosas.
Na prática, essas alterações podem dificultar mecanismos de detecção que dependem exclusivamente de assinaturas estáticas, isto é, da identificação de padrões previamente conhecidos.
É importante destacar que a simples alteração de código não torna um malware indetectável. Soluções modernas de segurança também utilizam análise comportamental, correlação de eventos e outros mecanismos para identificar atividades suspeitas.
O desafio está na capacidade dos atacantes de produzir variações e testar abordagens com maior agilidade, aumentando a necessidade de mecanismos defensivos que observem não apenas arquivos isolados, mas também seu comportamento dentro do ambiente.
Para as organizações, isso reforça a importância de combinar proteção de endpoints, monitoramento de eventos, controles de acesso e processos de resposta a incidentes.
Credential stuffing: como a automação amplia ataques contra credenciais
O credential stuffing é uma técnica na qual criminosos utilizam combinações de usuários e senhas previamente comprometidas para tentar acessar outros sistemas.
Esse tipo de ataque explora principalmente a reutilização de credenciais. Quando uma pessoa utiliza a mesma senha em diferentes serviços, o vazamento de uma única combinação pode ampliar sua exposição.
Tradicionalmente, essas tentativas já eram realizadas por ferramentas automatizadas capazes de testar grandes volumes de credenciais.
A Inteligência Artificial pode apoiar etapas complementares, como a organização de dados comprometidos, a identificação de padrões e a seleção de possíveis alvos.
Entretanto, o credential stuffing não depende de IA para funcionar. Seu principal fator de risco continua sendo a existência de credenciais válidas e mecanismos insuficientes de proteção de acesso.
Entre as medidas de prevenção estão a autenticação multifator, a utilização de senhas únicas, o monitoramento de tentativas anormais de login e a identificação de credenciais corporativas expostas.
Também é importante acompanhar vazamentos que acontecem fora da infraestrutura da organização, já que informações comprometidas em serviços de terceiros podem ser utilizadas posteriormente contra ambientes corporativos.
O futuro dos ataques: mais automação e capacidade de adaptação
A evolução da Inteligência Artificial aponta para um cenário no qual diferentes etapas de um ataque poderão ser executadas com níveis crescentes de automação.
Sistemas inteligentes podem apoiar a análise de informações técnicas, a identificação de possíveis vulnerabilidades e a adaptação de campanhas fraudulentas conforme os resultados obtidos.
Também existe interesse no desenvolvimento de agentes capazes de executar sequências de tarefas com menor intervenção humana. No contexto ofensivo, essa possibilidade pode ampliar a velocidade de determinadas operações.
Isso não significa que ataques totalmente autônomos sejam uma realidade generalizada ou que a IA consiga explorar qualquer vulnerabilidade sem supervisão. As capacidades efetivas dependem das ferramentas utilizadas, do ambiente e da complexidade das atividades.
Ainda assim, a tendência exige atenção porque reduz o tempo disponível para que as organizações identifiquem e respondam a comportamentos suspeitos.
O desafio deixa de ser apenas bloquear técnicas conhecidas e passa a incluir a capacidade de reconhecer mudanças de comportamento, correlacionar informações e antecipar riscos relevantes.
Como fortalecer a proteção diante do uso ofensivo da IA?
A utilização de Inteligência Artificial por criminosos reforça a necessidade de estratégias de cibersegurança que integrem diferentes fontes de informação.
A Cyber Threat Intelligence (CTI), por exemplo, contribui para identificar credenciais comprometidas, domínios fraudulentos, tentativas de falsificação de marca e outros indicadores associados a campanhas maliciosas.
Já soluções de Security Information and Event Management (SIEM) permitem centralizar e correlacionar eventos de segurança, apoiando a identificação de comportamentos suspeitos que podem passar despercebidos quando analisados isoladamente.
A Gestão Contínua de Vulnerabilidades (GCV) também desempenha um papel importante, especialmente diante da possibilidade de aceleração da análise e exploração de falhas conhecidas.
Essas capacidades precisam ser complementadas por processos de resposta a incidentes, controles de identidade e conscientização dos colaboradores, já que parte relevante das ameaças continua explorando comportamentos humanos e fragilidades operacionais.
Nesse contexto, a Plataforma de Cibersegurança Clavis integra capacidades de monitoramento, inteligência de ameaças, gestão de vulnerabilidades e visibilidade da superfície de ataque.
A plataforma também conta com o Oto AI, sua camada de Inteligência Artificial, que correlaciona informações sobre ativos, vulnerabilidades e eventos para apoiar a análise contextualizada e a priorização de riscos.
Essa integração contribui para que as equipes de segurança tenham maior visibilidade sobre o ambiente e consigam direcionar seus esforços para situações que exigem atenção.
A evolução dos ataques exige uma defesa cada vez mais contextualizada
O uso de Inteligência Artificial por cibercriminosos não substitui as técnicas tradicionais de ataque, mas amplia sua capacidade de execução.
Ferramentas como WormGPT, deepfakes, malware polimórfico e mecanismos automatizados de exploração de credenciais demonstram como diferentes recursos tecnológicos podem ser incorporados a operações ofensivas.
Para as empresas, compreender essa evolução é fundamental para revisar controles, fortalecer processos e reduzir oportunidades de comprometimento.
Em um cenário de ameaças cada vez mais dinâmico, a resiliência cibernética depende da combinação entre tecnologia, inteligência, monitoramento contínuo e capacidade humana de análise e resposta.
