Serviço usa agentes de IA para testar e corrigir falhas de segurança

A Unit 42, divisão de inteligência e resposta a incidentes da Palo Alto Networks, apresentou nesta terça-feira, 22 de setembro, um serviço que usa agentes de inteligência artificial para testar continuamente aplicações, APIs e ambientes de nuvem em busca de falhas exploráveis. Batizado de Continuous Frontier AI Defense, o produto combina diferentes modelos de linguagem com especialistas humanos que validam os achados antes de entregá-los aos clientes.

A proposta é substituir avaliações pontuais por uma rotina permanente de segurança ofensiva autorizada. Em vez de esperar meses por um novo teste de invasão, a plataforma pode repetir verificações quando o código muda, um serviço é atualizado ou uma nova técnica de ataque surge. A empresa afirma que o sistema trabalha apenas nos ativos definidos pelo contratante.

Segundo a Unit 42, a arquitetura reúne GPT-5.6-Cyber, Claude Mythos 5 e modelos de pesos abertos. Um mecanismo coordenador distribui tarefas entre os modelos conforme a especialidade, compara resultados e encaminha evidências a analistas. A presença de nomes concorrentes no mesmo produto mostra uma tendência: empresas estão escolhendo modelos por função, e não uma única LLM para todo o fluxo.

Agentes simulam caminhos usados por atacantes

O serviço tenta reproduzir etapas de um ataque real, como reconhecimento de superfícies expostas, análise de parâmetros, combinação de vulnerabilidades e demonstração de impacto. Esse processo é diferente de pedir a um chatbot uma lista genérica de riscos. Os agentes recebem ferramentas, contexto técnico e limites operacionais para agir sobre um ambiente controlado.

Uma vulnerabilidade isolada pode parecer de baixa gravidade, mas tornar-se crítica quando combinada com outra falha. A automação é especialmente útil para explorar essas cadeias, porque consegue testar variações em grande escala. Ainda assim, volume não é sinônimo de qualidade: falsos positivos consomem tempo e podem desviar equipes de problemas realmente urgentes.

Por isso, a Unit 42 mantém especialistas humanos no circuito. Eles verificam se uma descoberta é reproduzível, avaliam impacto e reduzem alertas incorretos. O relatório pode incluir evidências, sugestão de correção no código e uma proteção virtual para bloquear a exploração enquanto a mudança definitiva não chega à produção.

Uso de múltiplos modelos amplia capacidade e controle

A abordagem multimodelo procura aproveitar pontos fortes distintos. Um modelo pode ser melhor em leitura de código, outro em planejamento de sequência e um terceiro em execução de ferramentas. O coordenador também pode confrontar respostas, diminuindo a chance de que uma conclusão seja aceita apenas porque uma LLM a formulou com confiança.

Esse desenho cria novas responsabilidades. Prompts, credenciais e resultados de testes contêm dados sensíveis e precisam de isolamento. A empresa deve registrar ações, impedir que o agente saia do escopo e permitir auditoria. Para clientes, a contratação exige clareza sobre retenção de dados, localização do processamento e acesso dos operadores.

A Palo Alto Networks informa que o serviço será oferecido por assinatura anual e terá preço relacionado à combinação de modelos e ao tamanho do ambiente. O lançamento amplia uma oferta apresentada em abril, inicialmente voltada a avaliações pontuais, e responde à corrida por ferramentas defensivas capazes de acompanhar o ritmo de desenvolvimento de software.

Ferramenta não substitui engenharia segura

Teste automatizado encontra falhas, mas não substitui revisão de arquitetura, gestão de dependências, autenticação robusta e treinamento de desenvolvedores. Uma correção sugerida pela IA também precisa passar por revisão, testes e implantação controlada. Inserir código automaticamente em produção sem essa cadeia pode criar um problema diferente do original.

Há ainda uma fronteira jurídica e ética. As mesmas técnicas usadas para validar a segurança podem ser abusadas contra sistemas sem autorização. Um programa legítimo exige contrato, escopo, janelas de teste e mecanismo de interrupção. Empresas devem tratar o agente como uma ferramenta poderosa com permissões limitadas, não como operador autônomo sem supervisão.

Os próximos meses mostrarão se a plataforma reduz o tempo entre descoberta e correção e se mantém precisão em ambientes variados. Métricas importantes incluem falsos positivos, falhas confirmadas, tempo de remediação e impacto no trabalho das equipes. A novidade está menos em “usar IA” e mais em integrar agentes, especialistas e correções num processo contínuo e verificável.

Para desenvolvedores, a mensagem prática é que o ciclo de segurança está se aproximando do ciclo de código. Quanto mais rápido um produto muda, menos útil é uma fotografia anual de suas vulnerabilidades. A defesa contínua promete acompanhar essa velocidade; a qualidade dependerá de limites técnicos, revisão humana e transparência sobre o que cada agente realmente fez.