Durante anos, a cibersegurança seguiu um ciclo familiar.
Os atacantes desenvolvem novo malware ou novas técnicas, os defensores analisam a atividade, a lógica de deteção é melhorada e as ferramentas de segurança aprendem a reconhecer a variação seguinte. Os modelos de segurança tradicionais dependeram, em grande medida, de os atacantes se comportarem de formas suficientemente previsíveis para que os sistemas de deteção acabassem por os alcançar.
Os ataques orientados por IA estão a mudar completamente esta realidade.
Os investigadores de segurança utilizam cada vez mais termos como “hacking intuitivo” para descrever ataques baseados em modelos de linguagem de grande dimensão (LLMs), nos quais os atacantes fornecem a intenção, enquanto a IA trata de grande parte da execução técnica. Em vez de escreverem manualmente cargas úteis ou modificarem constantemente scripts, os atacantes podem agora automatizar esses processos a uma escala enorme.
O resultado são ataques mais rápidos e adaptáveis, que expõem as limitações crescentes das estratégias de segurança centradas na deteção.
Os ataques gerados por IA estão a tornar-se muito mais difíceis de prever
As famílias de malware tradicionais deixam frequentemente padrões reconhecíveis.
Os ataques gerados por IA não têm de o fazer.
Se uma carga útil desencadear a deteção, os atacantes podem simplesmente instruir o modelo a reescrevê-la utilizando diferentes métodos de execução, APIs, abordagens de scripting ou estruturas de comandos. Cada variação pode comportar-se de forma suficientemente diferente para evitar a lógica de deteção anterior.
O que torna isto especialmente perigoso é a velocidade.
Os atacantes já não precisam de passar dias ou semanas a reconstruir manualmente as ferramentas. A IA acelera drasticamente o processo de adaptação do malware, geração de campanhas de phishing, automatização do reconhecimento e modificação das técnicas de ataque.
Já estamos a assistir a exemplos reais desta mudança.
Os investigadores demonstraram que os atacantes utilizam assistentes de IA para automatizar o reconhecimento, gerar cargas úteis personalizadas, comprimir dados roubados e até criar exigências de resgate personalizadas. Noutros casos, foi alegadamente integrada nos próprios ataques uma funcionalidade de LLM em tempo real, que solicita dinamicamente novas instruções consoante o ambiente encontrado.
Em vez de dependerem de código estático, os ataques podem agora evoluir em tempo real.
Os modelos de deteção tradicionais estão a ter dificuldade em acompanhar o ritmo
A maioria das plataformas de deteção e resposta em terminais (EDR) depende fortemente da repetibilidade.
Procuram binários suspeitos, padrões comportamentais, indicadores conhecidos ou atividade associada a ataques anteriores.
O problema é que os ataques gerados por IA enfraquecem significativamente esse modelo.
Se um caminho de execução for detetado, os atacantes geram outro. Se os defensores identificarem uma variação de script, a IA reescreve-a de forma diferente. Os sistemas de deteção são obrigados a manter um ciclo reativo constante, enquanto os atacantes continuam a adaptar-se.
Os sistemas de IA também tendem naturalmente a utilizar ferramentas administrativas legítimas já presentes nos ambientes empresariais, incluindo PowerShell, WMI, Python, APIs de nuvem e utilitários de gestão remota.
Essas ferramentas já existem na maioria das organizações e misturam-se frequentemente com as operações normais.
Isso torna os ataques orientados por IA significativamente mais difíceis de distinguir da atividade legítima.
Este desafio é uma das razões pelas quais as organizações estão a adotar cada vez mais plataformas de prevenção prioritária, como a ThreatLocker®. Em vez de tentarem determinar se cada ação é maliciosa, a ThreatLocker aplica controlos de Confiança Zero que restringem, desde logo, as aplicações, os scripts e as comunicações que podem ocorrer.
Want to learn more about ThreatLocker?
A IA está a acelerar a transição para a Confiança Zero
É precisamente por isso que os ataques orientados por IA estão a reforçar a necessidade de modelos de segurança baseados na Confiança Zero.
A Confiança Zero parte do princípio de que nenhuma aplicação, utilizador, dispositivo ou comunicação deve ser automaticamente considerada de confiança, mesmo que já exista no ambiente.
Em vez de depender inteiramente da identificação de comportamentos maliciosos após o facto, a Confiança Zero concentra-se em controlar aquilo que os sistemas podem fazer desde o início.
Esta abordagem torna-se extremamente valiosa quando os ataques são concebidos para sofrer mutações contínuas.
Se as aplicações não aprovadas não puderem ser executadas, não importa quantas vezes a IA reescreva a carga útil.
Se o acesso ao PowerShell for rigorosamente controlado através da lista de permissões e do isolamento de aplicações da ThreatLocker™, os atacantes perdem uma das suas ferramentas mais eficazes para a recolha de informação, a escalada de privilégios e o movimento lateral. Se as comunicações de saída forem restringidas, torna-se muito mais difícil exfiltrar dados roubados.
Em vez de tentarem prever todas as novas variantes de ataque, as organizações reduzem a exposição eliminando a confiança desnecessária, restringindo as permissões e limitando completamente os caminhos de execução.
A restrição está a tornar-se mais eficaz do que o reconhecimento
As estratégias tradicionais de cibersegurança têm-se concentrado fortemente no reconhecimento de atividades maliciosas depois de estas surgirem.
Os ataques gerados por IA estão a tornar isso cada vez mais difícil.
As organizações estão agora a mudar para modelos de segurança que dão prioridade à restrição em vez do reconhecimento. Em vez de tentarem identificar todas as ameaças possíveis, os defensores definem explicitamente o que é permitido e bloqueiam tudo o resto por predefinição.
Isso significa controlar a execução de aplicações, limitar as ferramentas administrativas, restringir as comunicações, aplicar o princípio do menor privilégio e reduzir as oportunidades de movimento lateral.
Na ThreatLocker, acreditamos firmemente que a prevenção deve estar em primeiro lugar.
Uma resposta rápida não é suficientemente rápida quando a IA consegue adaptar rapidamente os ataques, a uma velocidade superior àquela a que os defensores conseguem criar deteções.
As soluções ThreatLocker® ajudam as organizações a pôr esta abordagem em prática através da lista de permissões de aplicações, de controlos de negação por predefinição, de restrições de comunicação e de um controlo granular sobre a atividade dos terminais.
A era da IA exige uma mentalidade de segurança diferente
A IA está a mudar fundamentalmente a velocidade, a escala e a adaptabilidade dos ciberataques, ao mesmo tempo que expõe as limitações dos modelos tradicionais de segurança reativa.
As organizações já não podem presumir que o malware permanecerá estático durante tempo suficiente para que as assinaturas ou a análise comportamental consigam acompanhá-lo de forma fiável.
Os ataques gerados por IA foram concebidos para evoluir continuamente.
É por isso que a Confiança Zero está a tornar-se cada vez mais importante.
Ao aplicar limites operacionais rigorosos e validar continuamente aquilo que as aplicações, os sistemas, os utilizadores e os dispositivos estão autorizados a fazer, as organizações podem reduzir significativamente as oportunidades para que os ataques impulsionados por IA sejam executados, se propaguem ou comuniquem com êxito.
Porque, quando os ataques podem mudar instantaneamente, controlar o ambiente torna-se muito mais eficaz do que tentar reconhecer todas as variantes depois de estas ocorrerem.
Consulte a revista Cyber Hero da ThreatLocker para obter mais dicas e informações práticas sobre a Confiança Zero
E os artigos abaixo para obter mais detalhes sobre a utilização de soluções de Confiança Zero para defender o seu ambiente contra a IA:
Como implementar uma estrutura de segurança de Confiança Zero
A cibersegurança baseada em IA consegue vencer os ciberataques baseados em IA?



