A Palo Alto Networks lançou na terça-feira um serviço de cibersegurança por subscrição que integra diversos modelos avançados de inteligência artificial num programa de segurança ofensiva em execução contínua. Esta iniciativa testa se os defensores conseguem utilizar a mesma tecnologia de aceleração que torna os ataques automatizados mais eficazes.
O serviço, Unit 42 Continuous Frontier AI Defense, combina o Claude Mythos 5 da Anthropic, o GPT-5.6-Cyber da OpenAI e modelos de peso aberto com os investigadores de segurança da Palo Alto Networks. A empresa afirma que irá examinar repetidamente aplicações web, interfaces de programação de aplicações (APIs), sistemas de cloud, repositórios de código-fonte e ativos de rede à medida que os ambientes dos clientes mudam. O lançamento e o projeto principal foram relatados de forma independente pela Reuters e pela Axios, enquanto a Palo Alto Networks publicou um comunicado oficial da empresa.
Porque é que o design multimodelos é importante?
A verificação de vulnerabilidades tradicional geralmente identifica fraquezas conhecidas ou configurações suspeitas num determinado momento. O sistema proposto pela Palo Alto vai mais longe: foi concebido para testar se falhas isoladas podem ser encadeadas num caminho de ataque viável e, em seguida, enviar orientações de correção priorizadas para o sistema de tickets do cliente. A página do produto refere que os especialistas humanos em segurança ofensiva verificam as conclusões do modelo antes de serem tratadas como caminhos exploráveis e que os testes são reiniciados quando as aplicações ou a infraestrutura são alteradas.
Esta distinção é importante porque uma lista de defeitos isolados não mostra como se desenrolaria uma intrusão. Um erro de configuração de baixa gravidade pode tornar-se importante quando combinado com credenciais expostas, permissões excessivas na nuvem ou um serviço sem patches. Por outro lado, um scanner pode sinalizar uma vulnerabilidade que os controlos compensatórios tornam inacessível. O fluxo de trabalho anunciado procura ir da deteção à comprovação: mapear possíveis rotas, validar quais funcionam e direcionar a correção para os caminhos que representam maior risco.
Esta revisão humana é importante porque a empresa não afirma que um único modelo consiga analisar com fiabilidade todo um ambiente. A Palo Alto Networks informou a Axios que, nos seus próprios testes, nenhum modelo individual encontrou mais de 40% das vulnerabilidades num ambiente complexo de cliente. A empresa afirmou ainda que as conclusões do Mythos 5 e do GPT-5.6-Cyber coincidiram em menos de 10% dos casos. Estes números são reportados pelo fornecedor, e não resultados de um benchmark publicado de forma independente, pelo que devem ser interpretados como evidência da arquitetura da empresa — e não como uma medida universal de desempenho de modelos.
O argumento subjacente é que diferentes modelos têm diferentes pontos cegos. Um pode ser mais forte na leitura de código-fonte, outro no raciocínio sobre permissões na cloud e outro na ligação de um erro de configuração a um serviço exposto. Uma camada de orquestração pode atribuir tarefas a diferentes sistemas e comparar os seus resultados. Os especialistas humanos decidem então se uma vulnerabilidade teórica é alcançável, relevante e segura para testar.
Desde testes periódicos à pressão contínua
A mudança é tanto operacional como técnica. Um teste de intrusão convencional pode gerar um relatório valioso, mas pode tornar-se obsoleto após lançamentos de software, alterações de acesso ou implementações na cloud. A Palo Alto Networks afirma que o seu serviço descobre continuamente vulnerabilidades, valida a explorabilidade e realiza novos testes após alterações. A Reuters noticiou que os clientes podem receber sugestões de reparação ao nível do código ou utilizar patches virtuais quando uma correção oficial de software ainda não está disponível.
Uma correção virtual pode reduzir a exposição bloqueando um pedido malicioso ou um padrão de ataque numa camada de segurança, mas não remove o código defeituoso subjacente. Isto torna a implementação mensurável: as organizações têm ainda de designar responsáveis, testar as correções permanentes e confirmar, através de novos testes, que a falha de segurança foi fechada. Um serviço contínuo poderia encurtar este ciclo, embora os materiais de lançamento não proporcionem melhorias no tempo de correção verificadas de forma independente.
As subscrições anuais serão oferecidas a nível global, com preços baseados em parte na combinação de modelos comerciais e de código aberto selecionados, de acordo com a Reuters e a empresa. A Palo Alto Networks não forneceu publicamente detalhes suficientes para comparar o custo do serviço com testes de intrusão periódicos ou plataformas concorrentes. Também não divulgou taxas de falsos positivos por cliente, metodologia de benchmark ou uma descrição completa de como será gerido o acesso aos modelos e os dados empresariais sensíveis.
Estas questões em aberto são importantes. Os testes ofensivos exigem acesso privilegiado, âmbito cuidadosamente definido e controlos de auditoria robustos. Um sistema automatizado que identifica erradamente um alvo, executa uma ação insegura ou expõe código proprietário pode criar novos riscos enquanto procura os riscos existentes. A Palo Alto Networks afirma que o âmbito é acordado com o cliente e a validação por especialistas está integrada no fluxo de trabalho, mas os potenciais compradores ainda precisarão de clareza contratual sobre a retenção de dados, o acesso do fornecedor do modelo, a responsabilidade por incidentes e os limites da ação autónoma.
Um teste de governação, bem como um produto de segurança
O lançamento ocorre numa altura em que as diretrizes federais tratam cada vez mais a implementação da IA como um problema de gestão de riscos, em vez de uma compra técnica pontual. A estrutura voluntária do NIST exige considerações de fiabilidade em todas as fases de conceção, utilização e avaliação de sistemas de IA. O NIST descreve também a sua estrutura cibernética como uma estrutura para governar, identificar, proteger, detetar, responder e recuperar dos riscos de cibersegurança. Estes documentos não endossam este produto; ilustram os controlos mais amplos pelos quais qualquer serviço contínuo de segurança de IA deve ser avaliado.
Para os líderes de segurança, a questão prática não é se um modelo de IA consegue encontrar uma falha numa demonstração. É se uma combinação controlada de modelos e pessoas consegue encontrar repetidamente vulnerabilidades significativas mais rapidamente do que os adversários, sem gerar riscos operacionais ou de dados inaceitáveis. O novo serviço da Palo Alto transforma esta questão numa oferta comercial. O seu valor dependerá de provas independentes, de controlos transparentes e da capacidade dos clientes de converter um fluxo mais rápido de descobertas em correções verificadas.
