Pesquisadores apresentam Ulysses, um harness de segurança multi-agente que não apenas gera exploits candidatos para vulnerabilidades web usando LLMs, mas também os verifica de forma independente observando efeitos concretos de execução, produzindo o que chamam de "Provas de Exploitabilidade". No benchmark WebExploitGym, com 25 aplicações reais em 5 linguagens e 7 frameworks, o sistema confirmou exploits verificados para 10 dos 25 avisos de segurança testados e descobriu 4 vulnerabilidades inéditas, nunca reportadas antes.
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.
Pesquisadores realizam o primeiro estudo sistemático de segurança dos mecanismos de checkpoint e rollback usados por agentes de IA com execução persistente, mostrando que restaurar um checkpoint tecnicamente correto pode ainda assim retomar uma execução cujo estado nunca existiu de forma consistente. Os autores demonstram três ataques completos em sistemas reais — burlar verificação de malware no Hermes, forjar encaminhamento de e-mail no Cline e duplicar pagamentos no LangGraph — expondo uma classe de falha ainda pouco discutida na infraestrutura de agentes autônomos.