Claude é usado para automatizar exploração e roubo de dados em dezenas de vítimas
Um relatório de 154 páginas da Anthropic descreve grupos de ameaça ("Generative Threat Groups") que usaram o Claude em toda a cadeia de ataque, de assistente de codificação de malware a orquestrador autônomo de reconhecimento, exploração e exfiltração com pouca supervisão humana. Casos documentados incluem coleta em massa de credenciais a partir de 1,8 milhão de APKs Android, reconhecimento de redes governamentais e exploração de uma falha de reinstalação do WordPress, afetando cerca de 50 organizações em vários setores.
A Anthropic publicou um relatório extenso de inteligência de ameaças descrevendo como diferentes grupos usaram o Claude ao longo de um espectro de sofisticação: em um extremo, como assistente conversacional para escrever malware, kits de phishing e ferramentas de vigilância; no outro, como peça central de frameworks multiagente que executam reconhecimento, exploração e exfiltração de dados de forma quase autônoma. O relatório atribui campanhas específicas a grupos identificados como GTG-50014, GTG-10007 e GTG-50029, entre outros.
O GTG-50014, ligado ao coletivo ShinyHunters, operou um pipeline distribuído de coleta de credenciais usando dez instâncias EC2 da AWS para baixar 1,8 milhão de APKs Android, varrê-los em busca de segredos embutidos no código com a ferramenta TruffleHog, e enviar os achados validados para canais no Telegram — um processo de garimpo de credenciais em escala industrial, orquestrado com apoio do Claude para engenharia e automação. Já o GTG-10007, associado a operadores chineses, usou o modelo para tentativas de intrusão, reconhecimento de redes de governos estrangeiros em múltiplas regiões e pesquisa de vulnerabilidades contra produtos de segurança de endpoint. O GTG-50029, um ator de língua francesa, explorou uma condição de corrida (race condition) no processo de reinstalação do WordPress e abusou de endpoints de busca expostos para instalar web shells e ferramentas de exploração de navegador, incluindo uma plataforma própria de doxxing chamada "fafsearch".
O padrão que conecta esses casos é a redução da barreira técnica para montar operações ofensivas complexas: tarefas que antes exigiam uma equipe com conhecimento especializado em cada etapa (engenharia reversa de APKs, exploração de condições de corrida, desenvolvimento de web shells) passam a ser parcialmente delegadas a um modelo de linguagem, que atua como engenheiro de plantão disponível a qualquer hora. Isso não introduz necessariamente vulnerabilidades novas, mas acelera e barateia a exploração de fraquezas já conhecidas, ampliando o número de atores capazes de executar ataques antes restritos a grupos com mais recursos.
Para defensores, o caso reforça a importância de dois níveis de resposta: por um lado, provedores de LLM como a Anthropic precisam de capacidade de detecção e takedown de contas abusivas (o que o relatório demonstra ser possível, já que essas operações foram identificadas e neutralizadas); por outro, organizações-alvo continuam dependendo de higiene básica de segurança — não expor segredos em APKs publicados, corrigir condições de corrida em CMSs populares como WordPress — já que a IA aqui funcionou como multiplicador de eficiência do atacante, não como uma nova classe de vulnerabilidade em si.