Anthropic demonstra que sua IA encadeia vulnerabilidades críticas em Chrome, Safari e Linux

Um modelo interno supera barreiras de segurança em software crítico

A Anthropic publicou um relatório técnico que detalha como um de seus modelos de pesquisa, ainda não disponível comercialmente, conseguiu identificar vulnerabilidades críticas em alguns dos programas mais utilizados do mundo. O trabalho, realizado ao longo de vários meses, concentrou-se em navegadores como Chrome e Safari, bem como em sistemas operacionais como Windows, Linux e Android.

A novidade não reside apenas na descoberta de erros individuais, mas na capacidade do modelo de encadear múltiplas fraquezas em uma sequência coerente que resultava em um exploit funcional. Historicamente, esse tipo de engenharia ofensiva exigia equipes de especialistas com anos de experiência; agora, o relatório sugere que os modelos de inteligência artificial podem realizar esse trabalho com pouca intervenção humana.

Cinco cadeias de ataque: do Chrome ao kernel do Linux

O relatório descreve cinco cenários de ataque específicos. No caso do Chrome, o modelo construiu uma cadeia que permitia a execução remota de código com um único clique. Isso foi conseguido combinando erros de memória no motor JavaScript V8, uma condição de corrida no CacheStorage e uma falha de uso após liberação no componente de login federado (FedCM).

Para o Safari, a IA desenvolveu um exploit que evadiu a política de mesma origem (SOP), permitindo que um site web acessasse o histórico, cookies e dados de sessão do usuário sem a necessidade de executar código arbitrário. No Android, o modelo conseguiu extrair fotos de um telefone bloqueado, contornando as restrições de transferência de dados via USB e a verificação de pareamento.

O caso Linux: execução de código sem interação

A descoberta mais grave ocorreu no kernel do Linux. O modelo identificou uma condição de corrida na pilha de rede que permitia a um atacante remoto executar comandos com privilégios de root sem a necessidade de credenciais ou interação do usuário. Esta vulnerabilidade, associada ao CVE-2026-98432, afetava servidores com o protocolo TCP multicaminho (MPTCP) ativo.

A exploração era realizada em duas fases: primeiro, o atacante vazava o layout do espaço de endereços do kernel para evadir as proteções de aleatorização (KASLR); segundo, aproveitava a falha para sobrescrever um ponteiro de callback e executar uma carga útil maliciosa. Nos testes de conceito, esse processo levou aproximadamente 53 minutos do início até a execução do comando.

Metodologia: engenharia reversa e análise automatizada

A Anthropic explica que o processo não foi um simples escaneamento automático. No caso do Windows, a equipe forneceu ao modelo uma cópia do binário e pediu que ele realizasse engenharia reversa utilizando ferramentas como Ghidra. O modelo teve que escrever um programa em C anotado para reproduzir o comportamento do software e compará-lo com o binário original para identificar desvios de segurança.

A plataforma da Anthropic executa múltiplos agentes de varredura em paralelo, medindo a contribuição única de cada um e ajustando a cobertura dinamicamente. Essa abordagem permite que o modelo não apenas encontre vulnerabilidades, mas também analise variantes e classifique o risco de cada descoberta antes de reportá-la.

Implicações para a defesa e a indústria

A capacidade dos modelos de IA para gerar exploits sofisticados altera o equilíbrio na cibersegurança. Embora os atacantes ainda não tenham demonstrado o uso dessas ferramentas em larga escala, a redução da barreira de entrada para a engenharia ofensiva é significativa. Os defensores agora enfrentam a possibilidade de que vulnerabilidades complexas sejam descobertas e exploradas com maior rapidez.

A Anthropic argumenta que a solução não é restringir o acesso a essas capacidades, mas sim ampliar o acesso dos profissionais de segurança. A empresa expandiu seu programa de verificação cibernética para permitir que defensores qualificados utilizem seus modelos mais avançados para auditar seu próprio código e aplicar patches nos sistemas antes dos atacantes.

Continue a explorar

Correções e transparência

Se encontrar informação incorreta ou desatualizada, envie-nos a página e a fonte que devemos rever.