Pesquisadores usam modelo público da OpenAI para montar exploit completo no Chrome em seis dias
A empresa de segurança XBOW encadeou três vulnerabilidades então desconhecidas do Google Chrome em um único ataque capaz de executar código em uma máquina Windows apenas com a vítima abrindo uma página web. O exploit foi construído em seis dias dirigindo agentes de IA baseados no modelo público GPT-5.6 Sol da OpenAI, e o Google já confirmou, corrigiu as três falhas e pagou à XBOW sua maior recompensa de bug bounty.
O caso demonstra, na prática, um padrão que vem se repetindo em pesquisa ofensiva de segurança: equipes especializadas estão usando modelos de linguagem disponíveis publicamente — não ferramentas internas proprietárias — como motor de agentes autônomos para encontrar e encadear vulnerabilidades em software amplamente usado. A XBOW, firma conhecida por pentests automatizados por IA, orientou agentes rodando o GPT-5.6 Sol da OpenAI para localizar três bugs distintos no Chrome e, mais importante, combiná-los em uma cadeia de exploração completa ('full-chain exploit') que resulta em execução de código arbitrário na máquina da vítima a partir da simples visita a uma página web maliciosa.
Tecnicamente, um 'full-chain exploit' de navegador normalmente exige escapar da sandbox do processo de renderização e, em seguida, obter execução no contexto do sistema — etapa que historicamente demandava semanas ou meses de engenharia reversa manual por especialistas humanos. O fato de três bugs até então desconhecidos (0-days) terem sido descobertos e encadeados por agentes de IA em apenas seis dias é o dado mais relevante da história: não se trata de um modelo gerando código de exploit a partir de uma vulnerabilidade já conhecida, mas de um processo de descoberta e encadeamento ponta a ponta assistido por IA em um alvo de altíssima superfície de ataque e intensamente auditado como o Chrome.
Isso importa na prática por dois motivos. Primeiro, reduz a barreira de tempo e custo para produzir exploits de alto valor contra software crítico, o que beneficia tanto pesquisadores de bug bounty quanto, potencialmente, atores maliciosos que adotem fluxo de trabalho semelhante. Segundo, reforça a tendência de que modelos generalistas e publicamente acessíveis — não apenas ferramentas especializadas de red team — já são capazes de sustentar pesquisa ofensiva de ponta quando orientados por uma equipe humana experiente, o que muda o cálculo de risco de qualquer fornecedor de software sobre quão rápido uma vulnerabilidade pode ser descoberta e monetizada (seja via bug bounty, seja no mercado de exploits).
O desfecho responsável — divulgação à Google, confirmação e correção das três falhas, e pagamento do bounty máximo — mostra o lado defensivo dessa mesma capacidade: a IA também acelera a maneira como fabricantes e pesquisadores autorizados encontram e corrigem problemas antes que sejam explorados de forma maliciosa.