CloakFEM usa agentes de IA para gerar programas de simulação que explodem o custo computacional de solvers de engenharia
O artigo apresenta o CloakFEM, um framework baseado em agentes LLM que gera automaticamente programas de elementos finitos (FEM) sintaticamente válidos e executáveis, mas desenhados para forçar carga computacional excessiva em solvers de simulação de engenharia. A técnica combina busca guiada por modelo de linguagem com uma representação intermediária específica de FEM e um filtro determinístico de validade, revelando uma superfície de ataque de negação de serviço computacional antes pouco explorada. Em testes contra três stacks de FEM e mais de mil sementes, o framework chegou a amplificar o número de iterações do solver em mais de 5.700 vezes em relação ao caso original.
Solvers de método de elementos finitos (FEM) são a base de boa parte da simulação científica e de engenharia moderna — usados para calcular estresse estrutural, fluxo de fluidos, comportamento térmico e outras propriedades físicas de sistemas complexos. O artigo chama atenção para um tipo de vulnerabilidade pouco estudado nesses sistemas: ataques de eficiência, em que um programa de entrada é perfeitamente válido e executável do ponto de vista do solver, completando a simulação com sucesso, mas força uma quantidade de trabalho computacional desproporcionalmente alta, abrindo caminho para negação de serviço computacional sem explorar nenhuma falha de implementação tradicional.
O desafio técnico de encontrar esses programas adversariais é que o espaço de programas FEM válidos é vasto e fortemente restringido por requisitos numéricos, geométricos e constitutivos — não é possível simplesmente gerar entradas aleatórias e esperar que sejam executáveis. O CloakFEM resolve isso combinando três peças: busca guiada por um agente de linguagem, que explora esse espaço restrito de forma direcionada; uma representação intermediária específica para o domínio FEM, que torna a estrutura do problema mais tratável para o agente; e um filtro de validade determinístico, que garante que toda saída gerada respeite as restrições necessárias para ser executável pelo solver real, descartando candidatos que não seriam sequer aceitos como entrada válida.
Os resultados experimentais, cobrindo três stacks de FEM distintas, 17 classes de problemas e 1.068 sementes, mostram amplificações de custo computacional dramáticas: no caso mais extremo reportado, o número de iterações do solver subiu de 43 para 247.367 — uma amplificação de 5.752,72 vezes — mantendo o programa de entrada válido e solucionável do início ao fim. O CloakFEM também superou cinco baselines genéricos de caixa-preta e manteve vantagem sobre busca evolutiva tradicional em um espaço de ação limitado e controlado, além de revelar que as fontes de vulnerabilidade variam tanto por características intrínsecas do problema quanto por peculiaridades específicas de cada solver testado.
Na prática, esse trabalho expõe uma classe de risco relevante para qualquer ambiente que aceite programas de simulação de usuários externos ou de terceiros — plataformas de simulação como serviço, pipelines de engenharia colaborativa, ou sistemas que processam modelos CAD/FEM enviados por clientes — já que um único arquivo de entrada aparentemente legítimo pode consumir recursos computacionais desproporcionais e indisponibilizar o serviço para outros usuários. Como o próprio uso de agentes de IA para gerar esses ataques é parte do método (red-teaming agentic), o artigo também demonstra, por extensão, como modelos de linguagem podem ser usados como ferramenta ofensiva para descobrir automaticamente vulnerabilidades de eficiência em softwares de engenharia tradicionais, uma aplicação dual-use que tanto ajuda equipes de defesa a mapear esses riscos quanto reduz a barreira técnica para explorá-los maliciosamente.