Doze minutos. Esse foi o tempo que um invasor automatizado, orientado por IA, levou para passar do acesso inicial ao controle total de administrador (root) de uma rede-alvo em uma recente simulação de segurança cibernética na Europa. Doze minutos é menos tempo do que dura a reunião matinal da sua equipe de segurança, quem dirá um ciclo padrão de triagem de um centro de operações de segurança (SOC).
Os CISOs estão perdendo rapidamente o luxo de ter tempo. Quando um agente autônomo de IA consegue realizar varreduras, movimentar-se lateralmente, explorar vulnerabilidades e exfiltrar credenciais antes mesmo que um analista humano consiga abrir um chamado de alerta, a diretriz estratégica para os líderes de segurança é inequívoca: é preciso combater ameaças que operam na velocidade das máquinas com defesas que atuem na mesma velocidade.
O catalisador dessa drástica redução do tempo é o Artex, um framework ofensivo multiagente originalmente desenvolvido na China e disponibilizado no GitHub como software de código aberto. Embora seu autor tenha removido o repositório público após o uso indevido generalizado, o código já havia acumulado milhares de forks, deixando centenas de instalações ativas acessíveis publicamente pela Internet.
Atacantes dos mais diversos perfis passaram a usá-lo como arma. Na Coreia do Sul, cibercriminosos automatizaram invasões a sete instituições financeiras, afetando cerca de 67 mil pessoas e 2.200 organizações, para exigir resgates. Em escala global, grupos alinhados a Estados empregaram o Artex contra mais de 200 alvos dos setores de telecomunicações, farmacêutico e governamental em 14 países, enquanto campanhas na Índia o utilizaram para fazer chamadas diretamente a APIs bancárias de transferência de fundos.
“Juntos, o WAF com tecnologia de IA, a detecção de usuários mal-intencionados, a proteção contra bots e a aplicação de esquemas de API reduziram em mais de 90% a taxa geral de sucesso dos ataques do Artex em nossos testes de laboratório.”
Para defender sua empresa, precisamos ir além do alarde do setor. O Artex não é um modelo superinteligente autônomo. É uma estrutura de orquestração escrita em Go que combina grandes modelos de linguagem (LLMs) comerciais — como DeepSeek, Claude e Grok — com ferramentas de linha de comando, scripts e servidores do Model Context Protocol (MCP).
O LLM atua como o cérebro cognitivo — analisando respostas, planejando campanhas com várias etapas e gerando scripts de exploração personalizados em tempo real. As ferramentas automatizadas atuam como as mãos. Essa arquitetura coloca a prática de hacking ao alcance de todos. Ataques avançados, com múltiplas etapas, que antes exigiam dias de coordenação de uma equipe altamente especializada, agora podem ser executados em minutos por agentes com pouca habilidade técnica, explorando vulnerabilidades comuns, como senhas fracas, ausência de autenticação multifator (MFA) e APIs expostas.
Por que os controles de camada única falham diante da velocidade das máquinas
Quando os pesquisadores de segurança da F5 conectaram o Artex aos principais modelos de IA e o executaram contra uma aplicação deliberadamente vulnerável em nosso laboratório, os resultados foram inequívocos. Quanto mais avançado era o LLM subjacente, mais rápida e agressiva era a atuação do Artex.
Um ponto crucial foi observar como o agente se comportava diante de defesas pontuais tradicionais. A maioria das arquiteturas de segurança existentes inspeciona as requisições recebidas de forma isolada. Quando colocamos o F5 Web Application Firewall para Distributed Cloud à frente da aplicação, as assinaturas existentes bloquearam imediatamente a primeira onda de payloads reconhecíveis de injeção web do Artex. Além disso, ao combinar a detecção por assinaturas com o aprendizado de máquina por meio da pontuação de risco baseada em IA, o WAF avaliou o contexto mais amplo das requisições recebidas, dando às equipes a confiança necessária para aplicar o bloqueio ativo em vez de apenas monitorar passivamente.
No entanto, deter a primeira onda não encerrou o ataque. Assim que o Artex detectou que suas técnicas convencionais de exploração de vulnerabilidades web haviam sido bloqueadas, o LLM mudou de tática em tempo real. Ele começou a mapear as interfaces de programação de aplicações (APIs) da aplicação e a procurar falhas na lógica de negócios — como manipular parâmetros de identificação de clientes para acessar contas privadas de outros usuários. Para um firewall pontual que inspeciona um pacote por vez, essas solicitações parecem tráfego normal da aplicação.
Para derrotar um adversário que alterna dinamicamente entre vetores de ataque, é preciso integrar operacionalmente as camadas da sua infraestrutura de segurança. No F5 Distributed Cloud, a detecção de usuários mal-intencionados estabelece essa conexão ao rastrear o agente por trás das solicitações, em vez de avaliar cada solicitação isoladamente. Ela agrega violações de WAF, tentativas de acesso proibido, falhas de login, telemetria de bots e acionamentos de limites de taxa em uma pontuação contínua de ameaça, intensificando proporcionalmente as medidas de proteção, de um desafio JavaScript a um CAPTCHA e, por fim, ao bloqueio completo.
Para um CISO, o rastreamento contínuo elimina três pontos cegos operacionais críticos. Primeiro, as campanhas do Artex alternam incessantemente a infraestrutura de proxy; em uma análise de um servidor exposto de um invasor, um serviço de proxy gerou 79 endereços IP de saída a partir das primeiras 100 identidades testadas. Ao complementar o rastreamento de IPs com impressões digitais TLS JA4, declarações JWT, cookies e cabeçalhos de sessão, a detecção de usuários mal-intencionados mantém a visibilidade sobre o mesmo invasor à medida que os endereços IP mudam.
Segundo, ela correlaciona sondagens sutis de reconhecimento que, isoladamente, parecem inofensivas. Terceiro, como o Artex gera novos scripts em tempo real, sem assinaturas conhecidas, acompanhar a evolução do comportamento ao longo do tempo interrompe automaticamente sequências de ataques de dia zero. Em nossas simulações em laboratório, combinar a detecção de usuários mal-intencionados com um WAF baseado em IA reduziu a taxa de sucesso dos ataques em mais de 70%.
Estabelecendo confiança contínua na borda
Como os ataques de IA agêntica são executados por meio de scripts, navegadores headless e frameworks de automação que seguem os comandos do LLM, regras estáticas por si só não são suficientes. Os líderes de segurança devem estabelecer confiança contínua em tempo de execução, verificando se a entidade que interage com suas aplicações e APIs é realmente humana ou uma máquina automatizada. F5 Distributed Cloud Bot Defense revela a automação agêntica na borda ao inspecionar a telemetria do cliente em quatro vetores distintos:
- Identificação de hardware de máquinas virtuais: Agentes automatizados costumam executar tarefas de processamento intenso em máquinas virtuais de data centers, enquanto roteiam o tráfego por proxies residenciais para imitar o tráfego de usuários comuns. Técnicas avançadas de identificação analisam as características do hardware do cliente, revelando CPUs de nível de servidor, limites de memória e GPUs que diferenciam as máquinas virtuais de data centers dos notebooks ou dispositivos móveis de usuários comuns.
- Navegação pelo site: Usuários humanos navegam por sites seguindo padrões irregulares e imprevisíveis. Agentes automatizados seguem caminhos uniformes e predeterminados para realizar tarefas com a máxima eficiência. A tecnologia patenteada de detecção de sequências analisa esses percursos de navegação para distinguir a navegação automatizada do comportamento humano.
- Ritmo de interação com formulários: Seja ao criar contas, testar credenciais ou enviar formulários, os agentes priorizam a velocidade. O monitoramento de telemetria detecta o preenchimento de campos em uma velocidade superior à humana e a rolagem artificial de páginas que mãos humanas não conseguem reproduzir.
- Biometria do usuário e dinâmica do mouse: Mesmo quando os agentes tentam imitar os movimentos humanos do cursor, sua telemetria revela uma perfeição matemática — trajetórias retas, arcos suaves e cliques precisamente centralizados nos botões, em nítido contraste com a imprecisão natural dos seres humanos.
Quando agentes automatizados tentam contornar as defesas de perímetro e atacar interfaces expostas, o F5 Distributed Cloud API Security fornece a camada decisiva de proteção. A descoberta contínua de APIs identifica automaticamente todos os endpoints, incluindo APIs sombra não documentadas. A aplicação rigorosa do esquema OpenAPI define, então, as estruturas de dados exatas e os requisitos de autenticação permitidos para cada transação, rejeitando automaticamente os payloads malformados e fora de conformidade que o Artex gera durante o reconhecimento e a manipulação de IDs.
Em conjunto, o WAF com tecnologia de IA, a detecção de usuários mal-intencionados, a defesa contra bots e a aplicação de esquemas de API reduziram em mais de 90% a taxa geral de sucesso dos ataques do Artex em nossos testes de laboratório. (Observação: esses resultados correspondem a configurações de laboratório e cenários de teste específicos. O desempenho real e as taxas de mitigação variam de acordo com cada ambiente de rede e arquitetura de aplicação.)
É importante ressaltar que as poucas tentativas que ainda tiveram sucesso em nosso laboratório envolveram endpoints que retornavam dados sensíveis sem verificar se o solicitante tinha autorização — um forte lembrete de que os CISOs devem monitorar o que as aplicações retornam, e não apenas o que recebem.
Defender-se contra a proliferação de ataques hackers (decorrente de ferramentas disponíveis publicamente que não foram projetadas para esse fim) exige fazer perguntas difíceis: temos visibilidade completa de todas as APIs expostas e exigimos autenticação em cada uma delas? Já realizamos testes de adulteração de parâmetros da lógica de negócios? Nossos sistemas conseguem rastrear invasores em meio a mudanças rápidas de endereço IP? Nossas equipes de red team estão executando ferramentas previamente avaliadas em ambientes isolados — especialmente diante da descoberta, por pesquisadores, de 62 instalações do Artex expostas à internet já comprometidas por backdoors?
Atacantes que usam IA agem na velocidade das máquinas e se adaptam por conta própria. As empresas que se mantiverem resilientes serão aquelas com defesas integradas e em camadas, que se adaptem simultaneamente em todas as frentes: web, bots, comportamento dos usuários e ambientes de APIs.
Pronto para fortalecer suas defesas contra ameaças adaptativas de IA? Conheça os F5 Distributed Cloud Services ou entre em contato com a F5 para agendar uma avaliação da preparação do seu ambiente de aplicações e APIs contra ataques de IA.
Sobre os autores
Muhammad Abid é Diretor Sênior de Marketing de Produtos para Segurança de Aplicações e WAAP na F5. Com mais de 20 anos de experiência na expansão de negócios de redes e segurança cibernética na Netskope, Cisco, Juniper e Fortinet, Muhammad é responsável pelo portfólio unificado de WAAP da F5, que abrange WAF, segurança de APIs, defesa contra bots e criptografia pós-quântica.
Mais publicações de Muhammad AbidPublicações relacionadas no blog
Por que a maioria das empresas ainda não atingiu a maturidade em Kubernetes
Uma pesquisa da F5 mostra que apenas 38% das empresas que utilizam Kubernetes em produção atingem um nível de maturidade de padrão corporativo. Entenda o que impede as demais de avançar e por onde começar.
Insights do modelo de segurança de IA do F5 Labs: quando agentes de IA expõem dados sem a presença de um invasor
Agentes tentando realizar tarefas inofensivas podem causar exposições inesperadas de dados e riscos para os negócios se os limites impostos a eles não forem rigorosamente aplicados.
Como CISOs podem mensurar os riscos de segurança da IA
Saiba como o CASI, o ARS e a inteligência de ameaças do F5 Labs ajudam os CISOs a mensurar os riscos de segurança de IA em todo o ciclo de vida da IA.
Inferência: a parte mais importante da IA que você finge que não existe
Escalar a IA significa escalar a inferência. Saiba por que os servidores de inferência são essenciais para gerenciar desempenho, telemetria e segurança em cargas de trabalho de IA em produção.
O que o SecOps pensa sobre IA? Parte 2: Proteção de dados
A F5 realizou uma análise abrangente do sentimento de profissionais de segurança no Reddit sobre suas opiniões a respeito da IA.
IL5/6 não vai salvar você: a injeção de prompts ameaça LLMs somente leitura
À medida que os LLMs são integrados aos ambientes IL5/IL6 do Departamento de Defesa dos EUA, descubra como as soluções da F5 protegem os dados, evitam ataques de injeção e aprimoram os modelos de confiança zero.