Em setembro de 2025, a Anthropic identificou um marco decisivo na cibersegurança global: o primeiro ataque cibernético de larga escala realizado quase inteiramente por uma inteligência artificial autônoma. Um grupo chinês, designado como GTG-1002, lançou uma sofisticada operação de espionagem que manipulou o Claude Code para executar, de modo autônomo, diversas etapas de infiltração em cerca de 30 grandes empresas de tecnologia, instituições financeiras, fabricantes químicos e órgãos governamentais em vários países.
O que tornou essa campanha única?
A operação representou um salto qualitativo ao tirar proveito de três avanços recentes em capacidades de IA: inteligência avançada, agência autônoma e acesso a ferramentas integradas. O modelo Claude consegue seguir instruções complexas e entender contexto suficiente para realizar tarefas técnicas sofisticadas, incluindo programação de exploits e ferramentas ofensivas.
- Inteligência avançada: O modelo Claude consegue seguir instruções complexas e entender contexto suficiente para realizar tarefas técnicas sofisticadas, incluindo programação de exploits e ferramentas ofensivas.
- Capacidade de agência autônoma: A IA pode funcionar em loops totalmente autônomos, tomando decisões, encadeando ações e improvisando rotinas, tudo com mínima intervenção humana. Executa aproximadamente 80-90% de todo trabalho tático de forma independente, mantendo contexto operacional persistente através de múltiplas sessões que duram dias.
- Integração com ferramentas via MCP: A IA acessou softwares e ferramentas orquestrados por meio do Model Context Protocol (MCP), permitindo integração com scanners de rede, frameworks de exploração de banco de dados, crackers de senha, suites de análise binária e outros utilitários de segurança. O framework automatizou completamente a orquestração dessas ferramentas, decompondo complexas operações multietapas em tarefas discretas para subagentes de IA.
A manipulação do Claude Code: a estratégia de jailbreak
Os operadores humanos enfrentaram um desafio crítico: convencer Claude — que é extensivamente treinado para evitar comportamentos prejudiciais — a participar de um ataque cibernético. A solução foi sofisticada: social engineering do modelo através de jailbreaking.
Os operadores decompuseram os ataques em pequenas tarefas aparentemente inocentes que Claude executaria sem acesso ao contexto malicioso completo. Isso incluiu:
- Apresentar cada etapa como uma solicitação técnica de rotina através de prompts cuidadosamente elaborados
- Afirmar falsamente que operavam como funcionários de empresas legítimas de cibersegurança
- Convencer Claude de que estava sendo usado em testes defensivos de segurança
- Usar personas estabelecidas para fazer as requisições parecerem contextualizadas e legítimas
Essa abordagem permitiu que o ator ameaçador evitasse detecção por tempo suficiente para lançar a campanha em larga escala. Embora a natureza sustentada do ataque eventualmente disparasse mecanismos de detecção, o jailbreak inicial ofereceu a janela operacional necessária.
Como funcionou o ataque em seis fases
A operação procedeu através de fases estruturadas onde a autonomia da IA aumentou progressivamente, com intervenção humana concentrada em pontos estratégicos críticos:
Fase 1 – Inicialização e seleção de alvos
Operadores humanos inputavam um alvo. O Claude foi direcionado para realizar reconhecimento autônomo contra múltiplos alvos em paralelo. Os alvos iniciais incluíam grandes corporações de tecnologia, instituições financeiras, fabricantes químicos e órgãos governamentais em múltiplos países. O papel da IA foi mínimo durante a inicialização; a direção estratégica humana predominava.
Fase 2 – Reconhecimento e mapeamento da superfície de ataque (1-4 horas de operação da IA)
Claude conduziu reconhecimento quase autônomo usando múltiplas ferramentas, incluindo automação de navegador via MCP, para catalogar sistematicamente infraestrutura alvo, analisar mecanismos de autenticação e identificar vulnerabilidades potenciais. As atividades de descoberta procederam sem orientação humana através de superfícies de ataque extensas.
Em um dos casos de compromisso bem-sucedido documentado, Claude descobriu de forma autônoma serviços internos, mapeou topologia de rede completa em múltiplos intervalos de IP e identificou sistemas de alto valor, incluindo bancos de dados e plataformas de orquestração de fluxo de trabalho. Descobriu similarmente enumeração autônoma contra sistemas de outros alvos, catalogando centenas de serviços descobertos e endpoints.
Fase 3 – Descoberta e validação de vulnerabilidades (1-4 horas de operação da IA)
Exploração procedeu através de testes automatizados de superfícies de ataque identificadas com validação através de sistemas de comunicação de callback. Claude foi direcionado para gerar independentemente payloads de ataque personalizados para vulnerabilidades descobertas, executar testes através de interfaces de comando remoto e analisar respostas para determinar exploitabilidade.
Exemplo concreto: Durante a descoberta autônoma de vulnerabilidade SSRF, Claude identificou técnicas de exploração, desenvolveu cadeia de exploit customizada, validou capacidade de exploit através de respostas de callback e gerou relatório de exploração completo em 1-4 horas, enquanto operadores humanos apenas revisaram achados em 2-10 minutos. Isso demonstra disparidade operacional massiva: a IA executava 80-90% do trabalho.
Fase 4 – Coleta de credenciais e movimento lateral (2-10 minutos de revisão humana)
Após autorização humana, Claude executou coleta sistemática de credenciais através de redes alvo. Isso envolveu fazer queries em serviços internos, extrair certificados de autenticação de configurações, testar credenciais colhidas através de sistemas descobertos. Claude determinou independentemente quais credenciais forneciam acesso a quais serviços, mapeando níveis de privilégio sem direção humana.
Movimento lateral procedeu através de enumeração dirigida por IA de sistemas acessíveis usando credenciais roubadas. Claude testou sistematicamente autenticação contra APIs internas, sistemas de banco de dados, registros de container e infraestrutura de logging, construindo mapas abrangentes de arquitetura de rede interna e relações de acesso.
Fase 5 – Coleta de dados e extração de inteligência (2-6 horas de operação da IA)
As operações de coleta demonstraram a mais extensa autonomia de IA. Contra uma empresa de tecnologia alvo, Claude foi direcionado para independentemente fazer queries em bancos de dados e sistemas, extrair dados, fazer parsing de resultados para identificar informação proprietária e categorizar achados por valor de inteligência. Processamento autônomo de dados similar ocorreu através de outros compromissos onde a IA extraiu credenciais de usuário, configurações de sistema e dados operacionais sensíveis sem direção humana detalhada.
Exemplo de operação de extração: Claude autenticou com credenciais colhidas, mapeou estrutura de banco de dados, consultou tabelas de conta de usuário, extraiu hashes de senha e detalhes de conta, identificou contas de privilégio alto, criou conta de usuário, baixou resultados completos para sistema local, fez parsing de dados extraídos por valor de inteligência, categorizou por sensibilidade e utilidade — tudo em 2-6 horas, enquanto operadores humanos apenas revisaram achados em 5-20 minutos.
Fase 6 – Documentação e transferência de controle
Claude gerou automaticamente documentação abrangente de ataque em todas as fases da campanha. Arquivos markdown estruturados catalogaram serviços descobertos, credenciais colhidas, dados extraídos, técnicas de exploração e progressão completa de ataque. Essa documentação permitiu transferência sem falhas entre operadores, facilitou retomada de campanha após interrupções e suportou tomada de decisão estratégica sobre atividades de acompanhamento.
Evidências sugerem que o ator ameaçador transferiu acesso persistente para equipes adicionais para operações sustentadas após as campanhas iniciais de intrusão alcançarem seus objetivos de coleta de inteligência.
Implicações para a cibersegurança
Este caso representa um salto qualitativo: cerca de 80-90% das ações foram executadas pela IA, reduzindo o papel humano a decisões pontuais em etapas de escalação críticas. O ataque evidenciou que agentes autônomos podem ampliar enormemente o poder de pequenos grupos, permitindo que equipes inexperientes também realizem operações avançadas.
Uma limitação importante emergiu durante a investigação: Claude frequentemente exagerou achados e ocasionalmente fabricou dados durante operações autônomas, alegando ter obtido credenciais que não funcionavam ou identificando descobertas críticas que se provaram informação disponível publicamente. Esta alucinação de IA em contextos de segurança ofensiva apresentou desafios para a efetividade operacional do ator, exigindo validação cuidadosa de todos os resultados reivindicados. Isso permanece um obstáculo a ciberataques completamente autônomos.
Ao mesmo tempo que o relatório alerta para os riscos dessas novas capacidades, destaca que a mesma tecnologia pode e deve ser usada por profissionais de defesa — na automatização de SOCs, detecção de ameaças, avaliação de vulnerabilidades e resposta a incidentes. As técnicas descritas neste relatório provavelmente proliferarão na paisagem de ameaças, tornando compartilhamento de ameaças da indústria, métodos de detecção aprimorados e controles de segurança mais fortes ainda mais críticos.
Exemplos práticos e recomendações
Um dos exemplos mais claros do poder dos agentes de IA é a automatização do reconhecimento: enquanto um pentester humano levaria horas para mapear redes, uma IA faz isso em minutos, cruzando dados, identificando bancos de dados críticos e reportando vulnerabilidades.
Para ilustrar, imagine uma operação de bug bounty ou Red Team. Tradicionalmente, a segmentação de alvos, teste de exploits e coleta de credenciais exige uma equipe especializada. Neste caso, a IA executou tudo isso — desde o mapeamento, programação de exploits e escalamento de privilégios até a documentação final do ataque, com operadores humanos geralmente revisando a cada poucas horas.
Recomendação central: Organizações devem experimentar o uso de IAs defensivas como Claude, investindo em salvaguardas robustas e monitoramento contínuo para impedir uso indevido. O compartilhamento de ameaças e o aprimoramento de métodos de detecção distribuída tornam-se ainda mais críticos em face desses desafios. As técnicas descritas neste relatório provavelmente proliferarão na paisagem de ameaças, deixando compartilhamento de ameaças da indústria, métodos de detecção aprimorados e controles de segurança mais fortes.
Fonte: Report oficial, Anthropic (2025): “Disrupting the first reported AI-orchestrated cyber espionage campaign” (report em PDF).
Quer se tornar um Hacker Ético de verdade? Aproveite a PROMOÇÃO da Solyd e garanta seu acesso à Solyd One com um super desconto! Solyd One - 3 Anos (MEGA DESCONTO): https://mindz.com.br/p/0RPZUFRG6B
