Agentes autônomos de IA elevam risco de ataques contra infraestrutura crítica
Ataques recentes conduzidos com apoio de agentes autônomos de inteligência artificial contra órgãos governamentais e empresas de energia no início de julho marcaram uma mudança de fase: o uso ofensivo de IA contra infraestrutura crítica deixou de ser um cenário especulativo e passou a ser um risco operacional concreto. Especialistas em cibersegurança alertam que a interseção entre IA, sistemas industriais vulneráveis e décadas de “dívida técnica” abre caminho para que invasões digitais resultem em consequências físicas de grande escala.
Tom Kellermann, vice-presidente de segurança de IA e pesquisa de ameaças da TrendAI, descreve o momento como um “perigo claro e presente”. Na visão dele, agentes de IA armados e com alto grau de autonomia tendem, em um futuro próximo, a mirar diretamente os mecanismos de segurança que protegem infraestruturas críticas, ampliando a chance de impactos no mundo real – de interrupções de energia a contaminação de água ou paralisação de serviços essenciais.
O alerta também tem sido repetido por autoridades governamentais em grandes conferências de segurança, como Black Hat e DEF CON. Brett Leatherman, diretor-assistente da Divisão Cibernética do FBI, citou especificamente instalações de tratamento de água e esgoto, redes de distribuição de energia, plataformas de negociação de alta frequência e sistemas financeiros como ambientes em que qualquer violação de integridade pode provocar efeitos em cascata sobre comunidades inteiras e sobre a segurança nacional.
Ataques em Taiwan mostram capacidade quase autônoma
Um dos episódios que mais chamaram a atenção ocorreu entre 1º e 4 de julho, quando agentes suspeitos de ligação com a China lançaram uma campanha baseada nos agentes de IA Hermes e OpenClaw contra diversos alvos em Taiwan. Segundo relatos técnicos, a operação utilizou uma arquitetura de ataque “quase autônoma”, coordenando múltiplos subagentes em paralelo.
Ao longo de 12 ondas sucessivas de ataques, essa estrutura empregou até oito subagentes, cada um focado em um conjunto específico de objetivos e técnicas. A campanha conseguiu comprometer um site governamental, um sistema de e-mail de um órgão público, a agência de segurança nuclear de Taiwan, empresas da cadeia de fornecimento de TI e pelo menos sete companhias do setor de energia.
Esses agentes de IA analisavam as redes em tempo real, identificavam vulnerabilidades e configurações equivocadas, exploravam as brechas e avançavam lateralmente entre sistemas. No processo, obtiveram dados sensíveis, credenciais e outros segredos corporativos e governamentais. O caso ilustra de forma prática como a IA pode orquestrar e automatizar etapas inteiras de uma cadeia de ataque, coordenando ações simultâneas contra uma variedade de alvos sem a necessidade de supervisão humana constante.
Fragilidade estrutural em infraestrutura crítica
O avanço de agentes autônomos de IA é ainda mais preocupante quando é colocado diante da realidade atual das infraestruturas críticas. Nos Estados Unidos, por exemplo, mais de 30 pequenos sistemas de abastecimento de água em Minnesota, além de instalações em quase uma dezena de outros estados, foram recentemente alvo de ataques cibernéticos tradicionais.
Nesses incidentes, não há indícios de uso de IA. Mesmo assim, muitos dos sistemas vulneráveis mantinham controladores lógicos programáveis (PLCs) conectados diretamente à internet, protegidos apenas por senhas padrão de fábrica ou combinações frágeis e fáceis de adivinhar. Em outras palavras, o nível básico de proteção nem sequer é observado em uma parte significativa desses ambientes.
Para Chris Inglis, ex-diretor nacional de cibersegurança dos Estados Unidos, situações como essas refletem décadas de “dívida técnica”. Sistemas legados sem correções, equipamentos já em fim de vida útil, atualizações de segurança postergadas sucessivamente e investimentos insuficientes em modernização acabam ampliando a superfície de ataque. Somados, esses fatores tornam mais simples comprometer redes e equipamentos que sustentam serviços essenciais à população.
IA como acelerador da exploração de falhas
Em um cenário de fragilidade estrutural, a IA funciona como um multiplicador de capacidades ofensivas. Ferramentas de IA conseguem mapear ambientes complexos, correlacionar dados aparentemente dispersos e automatizar tentativas de exploração de falhas em uma velocidade inalcançável para operadores humanos. Isso torna o trabalho de invasores mais rápido, mais eficiente e, sobretudo, mais acessível para grupos com menos recursos.
Importante notar que o risco não se limita aos modelos mais avançados e proprietários. Modelos abertos, amplamente disponíveis, já demonstraram capacidade de localizar falhas em softwares, identificar erros de configuração, combinar vulnerabilidades entre si e sugerir sequências de ações para comprometer um sistema. Em mãos mal-intencionadas, o que hoje é uma ferramenta de apoio a desenvolvedores pode ser facilmente adaptado para fins ofensivos.
Pesquisadores da Universidade de Toronto mostraram, em um experimento de laboratório, que um modelo de IA aberto foi capaz de auxiliar na construção de um worm que se propagava por uma rede corporativa de testes. O código automatizava a busca por vulnerabilidades conhecidas e configurações incorretas, gerava os ataques e se ajustava para avançar lateralmente e comprometer outras máquinas na mesma infraestrutura. Embora se trate de um ambiente controlado, o estudo ilustra o potencial da IA para industrializar ataques.
ICS e OT: o novo alvo da inteligência artificial
Sistemas de controle industrial (ICS) e tecnologias operacionais (OT) sempre exigiram um elevado grau de conhecimento técnico para serem atacados de maneira eficaz. É necessário entender profundamente o funcionamento de equipamentos, protocolos específicos, processos industriais e seus limites de segurança. Essa exigência funcionava, até certo ponto, como barreira de entrada, restringindo ataques mais sofisticados a um grupo relativamente reduzido de especialistas.
A IA, porém, tende a reduzir drasticamente essa barreira. Com agentes capazes de pesquisar documentação técnica, analisar código, simular comandos e aprender com respostas dos sistemas, o conhecimento especializado deixa de ser privilégio de poucos. Em vez de depender do domínio pessoal de um operador humano, a expertise pode ser parcialmente “embutida” em modelos de IA treinados para compreender determinadas arquiteturas industriais.
John Hultquist, analista-chefe do Google Threat Intelligence Group, argumenta que esse know-how, antes restrito a especialistas em ICS e OT, tende a se massificar. Países que já possuem operadores altamente capacitados nesse campo, como China e Rússia, podem ampliar ainda mais seu alcance e automação. Mais preocupante ainda, ferramentas de IA podem oferecer a grupos com menor maturidade, incluindo atores ligados a países como Coreia do Norte e Irã, a capacidade de executar campanhas mais complexas do que seriam capazes apenas com recursos humanos.
Agentes que coordenam outros agentes
Outro sinal claro de evolução surgiu durante a Black Hat, quando pesquisadores da OpenAI divulgaram detalhes de uma avaliação interna de segurança em que agentes de IA foram incentivados a atacar a plataforma de uma grande fornecedora de modelos de IA. No experimento, esses agentes foram além de simples tentativas isoladas de exploração.
De acordo com os pesquisadores, os agentes pediram apoio a outros agentes, criaram estruturas próprias para troca de mensagens e estabeleceram protocolos de comunicação para coordenar suas ações. Em outras palavras, atuaram como uma espécie de “equipe virtual” de invasores, dividindo tarefas, compartilhando descobertas e adaptando a estratégia à medida que encontravam barreiras.
Profissionais da área técnica envolvidos nesses testes ressaltaram que o experimento foi conduzido em ambiente controlado, com limites rígidos e salvaguardas para evitar danos reais. Mesmo assim, o fato de agentes de IA terem conseguido, por conta própria, organizar uma operação cooperativa levanta questionamentos sobre o comportamento dessas ferramentas caso venham a ser utilizadas em cenários não supervisionados ou por atores maliciosos.
Por que a convergência entre IA e dívida técnica é tão perigosa
O ponto central da preocupação dos especialistas é a convergência entre duas tendências: de um lado, ambientes críticos envelhecidos, cheios de sistemas legados, pouca visibilidade e controles de segurança insuficientes; de outro, a rápida evolução de agentes de IA capazes de automatizar exploração de falhas e coordenação de ataques.
Em muitos setores – água, energia, transporte, saúde, finanças – o foco histórico esteve mais na disponibilidade e na continuidade operacional do que na segurança. Atualizações foram adiadas para evitar paradas de produção, equipamentos antigos foram mantidos em operação além do previsto, e em vários casos os sistemas foram conectados à internet sem uma revisão adequada de riscos. Nesse contexto, a entrada da IA como ferramenta ofensiva age como um acelerador sobre uma base já frágil.
Além disso, a própria natureza dos serviços envolvidos amplifica o impacto potencial. Um ataque bem-sucedido a uma rede elétrica, por exemplo, pode não se limitar ao roubo de dados: pode causar apagões regionais, danificar equipamentos, afetar hospitais, meios de transporte e comunicações. Em sistemas de água e esgoto, uma invasão pode comprometer a qualidade da água, gerar contaminações ou interromper o abastecimento em cidades inteiras.
O papel das empresas e dos governos diante do novo cenário
Diante desse contexto, governos, reguladores e empresas responsáveis por infraestrutura crítica precisam rever rapidamente suas prioridades. A discussão não pode mais se restringir a compliance ou a auditorias pontuais: é necessário um esforço estruturado para reduzir a dívida técnica, mapear riscos específicos de IA e fortalecer a resiliência dos sistemas industriais.
Isso significa, na prática, atualizar e segmentar redes, eliminar acessos diretos desnecessários à internet, substituir senhas fracas por mecanismos robustos de autenticação, aplicar correções de segurança de forma sistemática e revisar processos de resposta a incidentes levando em conta cenários envolvendo IA. Em ambientes ICS/OT, é fundamental estabelecer barreiras claras entre redes de TI corporativa e redes industriais, além de monitorar de forma contínua comportamentos anômalos em equipamentos de campo.
Outra frente importante é o investimento em capacitação. Operadores de infraestrutura crítica, equipes técnicas e gestores precisam entender como agentes autônomos de IA podem ser utilizados em ataques, quais sinais indicam atividade suspeita e que tipos de controles podem mitigar ou atrasar a ação desses agentes. Sem essa conscientização, mesmo boas soluções tecnológicas correm o risco de ser subutilizadas.
Caminhos para mitigar riscos de agentes autônomos de IA
Embora o cenário seja preocupante, existem medidas concretas que podem reduzir o impacto de agentes autônomos de IA sobre infraestrutura crítica:
1. Redução da superfície de ataque
Desconectar equipamentos que não precisam estar expostos à internet, endurecer configurações padrão, rever portas e serviços desnecessários, e aplicar segmentação de rede rigorosa, principalmente entre TI e OT.
2. Gestão agressiva de vulnerabilidades
Implementar programas contínuos de identificação e correção de falhas, incluindo varreduras frequentes em sistemas ICS e OT, com atenção a dispositivos legados e a softwares de fornecedores terceirizados.
3. Monitoramento orientado a comportamento
Investir em soluções que identifiquem padrões anômalos de tráfego, comandos incomuns em sistemas industriais e movimentações suspeitas entre segmentos de rede, algo essencial quando o atacante é parcialmente autônomo e se adapta em tempo real.
4. Modelos de IA defensiva
Usar a própria IA como aliada, treinando modelos para reconhecer cadeias de ataque automatizadas, gerar alertas mais precisos e apoiar equipes de resposta a incidentes na priorização de ações.
5. Testes de segurança e simulações
Conduzir exercícios de Red Team e testes de invasão que considerem explicitamente o uso de agentes de IA, para avaliar como os controles atuais reagiriam a um adversário automatizado.
6. Governança e regulação
Desenvolver políticas claras para uso interno de IA, exigindo avaliações de risco, limites de autonomia e mecanismos de supervisão humana, além de apoiar marcos regulatórios que cobrem requisitos mínimos de segurança em setores críticos.
O futuro: adaptação constante em um ambiente em mutação
A presença de agentes autônomos de IA no arsenal de atacantes não é um ponto isolado no tempo, mas parte de uma transformação contínua no cenário de ameaças. Ferramentas que hoje ainda dependem de supervisão humana podem, em poucos anos, ganhar maior autonomia, melhor capacidade de aprendizado em tempo real e maior integração com outros sistemas ofensivos.
Para organizações responsáveis por infraestrutura crítica, a resposta passa por abandonar a ideia de segurança como um projeto pontual. Em vez disso, é preciso encarar a defesa como um processo permanente de adaptação: atualizar tecnologias, revisar procedimentos, treinar pessoas e, principalmente, antecipar como novas capacidades de IA podem ser usadas contra seus ambientes.
A combinação entre dívida técnica e agentes autônomos de IA criou uma nova realidade: ataques que antes exigiam meses de planejamento e grandes equipes especializadas podem ser reproduzidos, refinados e escalados de forma muito mais rápida. Quem não reconhecer essa mudança e agir com antecedência corre o risco de descobrir, tarde demais, que um incidente digital pode se transformar em crise física com impacto direto sobre a população.