tema

#agentes-ofensivos

3 publicações marcadas com esta tag.

panoramaOS-2026-510 · 2026-09-25

Diagnóstico de agentes ofensivos de LLM aponta gargalos em movimento lateral e uso de credenciais em cenários corporativos

Pesquisadores avaliaram um sistema de "Adversário Autônomo" com LLMs atuando como orquestrador, executor e validador em cenários simulados de movimento lateral corporativo, testando seis modelos de ponta em três modos de autonomia. O estudo conclui que os validadores baseados em LLM tendem a ser relevantes e embasados em evidência, mas frequentemente imprecisos e otimistas demais, com gargalos concentrados em tarefas de credenciais e movimento lateral que se agravam conforme a autonomia do agente aumenta.

#agentes-ofensivos #pentest-autonomo #llm #red-team #movimento-lateral #artigo-cientifico

Fonte ↗

panoramaOS-2026-518 · 2026-09-25

Estudo propõe usar classificadores leves e calibrados, em vez do próprio LLM, para validar achados de agentes de pentest autônomos

O artigo argumenta que harnesses autônomos de teste de penetração baseados em LLM cometem erros de confirmação de achado, gradação de severidade e seleção de agente porque usam o mesmo modelo generativo para atacar e para julgar o próprio ataque, gerando falsos positivos e severidade inflada. Os autores propõem usar classificadores leves não generativos ("System One", como o Jev e o Laya open source) para essas decisões, com um estudo de caso exploratório contra um alvo web com 13 vulnerabilidades conhecidas mostrando diferenças de severidade, tempo de execução e gradação por tipo de dado exposto.

#pentest-autonomo #agentes-ofensivos #llm #classificadores-calibrados #artigo-cientifico

Fonte ↗

risco médioOS-2026-438 · 2026-09-16

Simulador MAL treina agentes de IA ofensivos e defensivos em operações cibernéticas -- e o atacante ganha

O MAL Simulator é um ambiente de simulação de operações cibernéticas construído sobre a Meta Attack Language, que permite adaptar cenários de ataque e defesa a diferentes domínios sem alterar código. Usando dados de um cyber range real, os pesquisadores treinaram agentes ofensivo e defensivo por reforço e constataram que, quando confrontados um contra o outro, o desempenho do defensor caiu significativamente.

#artigo-cientifico #simulacao #red-team #aprendizado-por-reforco #agentes-ofensivos

Fonte ↗