Anthropic amplia acesso do Claude com salvaguardas reduzidas para equipes de ciberseguranca e revela 129 mil vulnerabilidades via Project Glasswing
A Anthropic expandiu seu Cyber Verification Program, que libera acesso a modelos Claude com classificadores de bloqueio reduzidos para profissionais de seguranca vetados, organizados em tres niveis: defesa, red team e acesso especializado. A empresa afirma que seu Project Glasswing, iniciativa interna de descoberta automatizada de vulnerabilidades, encontrou ao menos 129 mil falhas verificadas em software entre abril e julho de 2026, das quais mais de 33 mil seriam criticas ou de alta severidade -- numero que a propria empresa reconhece poder ser uma subestimativa de cinco vezes.
O programa expandido formaliza algo que ja ocorria de modo mais informal: pesquisadores de seguranca usando LLMs para automatizar partes do processo de descoberta de vulnerabilidades, mas agora com acesso a versoes do Claude com guardrails relaxados, sob verificacao de identidade e finalidade. A segmentacao em tres niveis -- Defense Access para resposta a incidentes e engenharia reversa, Red Team Access para testes de penetracao autorizados, e Specialized Access, com o menor numero de restricoes, reservado a organizacoes que testam sistemas de seguranca -- reconhece que diferentes tarefas defensivas exigem que o modelo processe e gere conteudo que normalmente seria bloqueado por classificadores de seguranca genericos (por exemplo, codigo de exploracao funcional ou analise detalhada de malware).
O Project Glasswing e apresentado como prova de conceito de que IA pode escalar a descoberta de vulnerabilidades: entre abril e julho de 2026 teriam sido encontradas pelo menos 129 mil falhas verificadas, e um esforco paralelo de varredura de codigo aberto entre abril e outubro teria identificado mais 5.500 vulnerabilidades verificadas nesse periodo. A Anthropic classifica mais de 33 mil das descobertas como criticas ou de severidade alta, mas admite que o numero real de impacto provavelmente e pelo menos cinco vezes maior, o que sugere limitacoes de triagem ou de escopo da varredura inicial em relacao ao volume total de problemas potenciais.
O numero mais relevante para avaliar o impacto pratico do programa, porem, nao e quantas vulnerabilidades foram encontradas, mas quantas eram de fato exploraveis ou relevantes: uma analise independente citada na materia, de Patrick Garrity, mostrou que apenas 2 de 300 vulnerabilidades descobertas (cerca de 0,67%) estavam sendo ativamente exploradas, o que e consistente com o padrao conhecido na industria de que a imensa maioria de achados de scanners automatizados -- humanos ou assistidos por IA -- tem baixa severidade pratica ou exige condicoes de explorabilidade dificeis de atingir em ambiente real.
Um contraponto importante levantado pela reportagem e que ferramentas de geracao de codigo por IA, incluindo as usadas para desenvolver patches, tambem introduzem risco: estudos da Veracode indicam que cerca de 44% das tarefas de geracao de codigo por IA introduzem alguma vulnerabilidade de seguranca arriscada. Isso cria uma tensao de fundo no proprio programa da Anthropic: a mesma classe de tecnologia usada para encontrar e, eventualmente, corrigir vulnerabilidades em escala e tambem uma fonte relevante de novas vulnerabilidades quando usada para gerar codigo sem revisao adequada, o que reforca que a automatizacao via LLM nao substitui processos robustos de validacao e remediacao antes que patches cheguem a producao.