Operadoras de telecom começam a usar LLMs para traduzir intenções de usuários em decisões de controle de rede em O-RAN (Open Radio Access Network), abrindo uma superfície de ataque nova: injeção de prompt em tempo de execução, que manipula decisões sem violar a autenticação da interface, e injeção de prompt virtual residual, plantada durante o fine-tuning do modelo. O framework CLIC, testado na plataforma OAIC, reduziu a taxa de sucesso desses ataques de 0,92 para 0,29, e dos ataques residuais de 0,37 para 0,04, a um custo de cerca de 27 ms de latência extra.
Uma investigação da CrowdStrike, citada pelo Washington Post, atribuiu o comprometimento de pelo menos nove grandes bancos sul-coreanos a um único indivíduo de 26 anos que usou chatbots de IA — incluindo Claude e, quando este recusava ações ilegais, modelos chineses gratuitos como o DeepSeek — ao longo de boa parte do ataque. A mesma reportagem revela que a startup Cathedral, ao testar a segurança da própria Anthropic, conseguiu acessar mensagens internas e transcrições de reuniões, falha que a empresa diz já ter corrigido.
Pesquisadores identificaram uma campanha de acesso inicial, batizada CyberXero, voltada a sites WordPress, plataformas de e-commerce e entidades de infraestrutura crítica na Ucrânia. O grupo combinou ferramentas ofensivas comuns, como Cobalt Strike, com uma camada de orquestração baseada no Claude Code da Anthropic, resultando no roubo de mais de 628 mil registros de cidadãos ucranianos.
O framework CyTReX combina deteccao de anomalias de borda, explicacoes SHAP, regras substitutas e enriquecimento de inteligencia de ameacas via MCP em um 'pacote de evidencias' que restringe o raciocinio de um LLM, transformando alertas de rede ambiguos em hipoteses de ataque ranqueadas e rastreaveis para redes de Recursos Energeticos Distribuidos (DER). O objetivo e substituir classificacoes de ataque unicas e opacas por multiplas hipoteses explicaveis, cada uma vinculada a evidencia concreta, para apoiar analistas de centros de operacoes de seguranca.
A arquitetura Z²-ACT integra tradução de intenção via LLM, contratos formais de intenção, verificação zero-trust de prompt e auditoria criptográfica para manter agentes de IA que controlam redes 6G abertas e multi-fornecedor seguros e auditáveis mesmo sob entradas não confiáveis. Testes sobre medições públicas do ColO-RAN mostram melhor filtragem de ações e maior resiliência a ataques, com custo modesto de latência frente a uma baseline de aprendizado por reforço convencional.
NSA, CISA, FBI, DOE e EPA emitiram um alerta conjunto sobre uma campanha ativa que usa scripts de exploração gerados com auxílio de IA para atacar controladores lógicos programáveis (CLPs) da família Siemens S7, expostos na internet em setores como energia, água e manufatura crítica. Os atacantes combinam ferramentas de varredura pública (Censys, ZoomEye) com scripts em Python baseados em bibliotecas legítimas de automação industrial, camuflados como utilitários de monitoramento.
Um Systematization of Knowledge (SoK) argumenta que a literatura atual de segurança de IA, organizada por tipo de ataque ou estágio do ciclo de vida, não captura como o risco realmente emerge e se propaga quando modelos de fronteira são integrados a infraestrutura crítica. Os autores propõem um framework de cinco dimensões — emergência de capacidade, vias de infiltração, propagação entre sistemas, degradação de controle e sobrecarga da capacidade de resposta institucional — para deslocar o foco de robustez de modelo isolado para garantias em nível de sistema.
O estudo propõe um modelo de ameaça mais realista para sistemas de previsão de tráfego baseados em grafos: um atacante com conhecimento limitado do modelo e capacidade de manipular apenas alguns sensores viários, em vez do acesso total normalmente assumido em trabalhos anteriores. A partir daí, os autores constroem um ataque "physics-aware" que imita padrões reais de congestionamento para corromper a previsão em rotas específicas — gerando tempos de chegada errados ou desvios desnecessários — sem afetar métricas de rede como um todo, o que o torna praticamente invisível a detecção agregada. Como defesa, propõem um detector físico-informado acoplado a um previsor endurecido, que supera o treinamento adversarial tradicional em 13 de 15 combinações de modelo e dataset avaliadas.