--- title: Cem agentes de inteligência artificial tentaram invadir contas do autor e obtiveram sucesso em cinco ocasiões url: https://www.dataloco.com/pt-br/cem-agentes-de-inteligencia-artificial-tentaram-invadir-contas-do-autor-e-obtiveram-sucesso-em-cinco-ocasioes published: 2026-10-27T13:34:44+00:00 language: pt-br section: Segurança source: https://habr.com/ru/companies/otus/articles/1097872/?utm_campaign=1097872&utm_source=habrahabr&utm_medium=rss publisher: Dataloco --- # Cem agentes de inteligência artificial tentaram invadir contas do autor e obtiveram sucesso em cinco ocasiões Um experimento realizado durante um fim de semana envolveu a implantação de aproximadamente cem agentes de inteligência artificial com a ordem específica de tentar invadir as contas online do idealizador do teste. Durante um período de cinco horas, esses sistemas autônomos conseguiram acessar com êxito cinco contas distintas, embora não tenham obtido acesso a sistemas considerados críticos ou de nível zero. A iniciativa teve como objetivo avaliar a capacidade atual de modelos abertos modificados para realizar testes de segurança de forma independente e sem restrições éticas padrão. Os resultados detalhados indicam que três dos acessos bem-sucedidos foram conquistados mediante a exploração de vulnerabilidades existentes em softwares desenvolvidos pelo próprio autor, especificamente em projetos antigos e demonstrações criadas antes da popularização da inteligência artificial. As outras duas invasões ocorreram através de técnicas de força bruta aplicadas a senhas. Além das invasões concretizadas, os agentes executaram dezesseis tentativas de ataques baseados em engenharia social e localizaram informações classificadas como confidenciais, validando esses dados em múltiplas fontes independentes. Apesar desses êxitos parciais, nenhum dos agentes conseguiu identificar vulnerabilidades de dia zero em softwares de terceiros. A proteção das contas mais sensíveis permaneceu intacta, pois os sistemas não conseguiram penetrar em serviços essenciais como e-mails principais, gerenciadores de senhas ou contas bancárias. As falhas exploradas nos projetos pessoais incluíam variações de referências diretas a objetos inseguros e erros na gestão de credenciais, problemas que, embora considerados triviais por especialistas em segurança, foram descobertos sem que o código fonte fosse fornecido diretamente aos agentes. A descoberta dessas brechas ocorreu apenas com a instrução genérica de invadir o alvo, sem orientação específica sobre onde procurar falhas. Para viabilizar o teste, foi necessário utilizar uma técnica chamada abliteração, que remove vetores de recusa ética dos pesos de modelos de inteligência artificial de código aberto. Modelos convencionais, mesmo aqueles disponíveis publicamente, geralmente recusam solicitações maliciosas, exigindo esse ajuste técnico para permitir a execução contínua de tarefas de exploração de segurança. O processo envolve a identificação e subtração dos padrões neurais associados à negativa de resposta, resultando em um modelo capaz de executar qualquer comando sem questionamentos morais, mantendo suas capacidades intelectuais originais. A infraestrutura do experimento utilizou três modelos diferentes submetidos a esse processo de modificação, hospedados em processadores gráficos na nuvem e conectados a interfaces de inferência. Cada agente operou dentro de contêineres isolados, equipados com navegadores web e ferramentas de desenvolvimento pré-instaladas, além de acesso limitado a chaves de API para implantação de infraestrutura sob demanda. Os comandos iniciais instruíam os sistemas a agir de forma agressiva e profissional, ignorando limitações legais, para simular um atacante com conhecimento mínimo sobre o alvo, mas com liberdade total de ação. O monitoramento em tempo real foi realizado por um dos modelos modificados, que ajudou a identificar comportamentos incomuns ou situações onde os agentes encontravam obstáculos. O autor observou que, mesmo após a remoção das travas éticas, os agentes tendiam a agir com cautela inicial, necessitando de prompts que enfatizassem a agressividade para atingir o potencial máximo de exploração. O estudo sugere que resultados significativamente mais graves poderiam ser alcançados se houvesse uma coordenação mais sofisticada entre múltiplos agentes e um refinamento maior nas instruções iniciais.