Estudo encontra ataque que deixa todos os monitores de aprovação de IA vulneráveis a falha correlacionada
Luca Zanolini testou doze monitores de IA de código aberto e quatro modelos de fronteira (incluindo Claude Opus 5.5 e DeepSeek-V3.2) atuando como aprovadores automáticos de pagamentos, e encontrou um único ataque capaz de forçar todos os aprovadores a se basearem numa mesma fonte de evidência contaminada, de modo que nenhuma regra de combinação de vereditos sobreviveu a esse pior caso. Modelos de código aberto menores obedeceram instruções maliciosas plantadas nos dados analisados, enquanto os modelos fechados resistiram a esse tipo específico de manipulação, mas não ao ataque estrutural que os forçava a compartilhar a mesma fonte.
Fonte ↗