olimposec.com
tema

#soc

5 publicações marcadas com esta tag.

risco médioOS-2026-642 · 2026-10-09
0

Estudo expoe falhas sistematicas de agentes LLM na triagem de alertas de SOC e propoe arquitetura adversarial

Um novo benchmark que reproduz um SIEM real mostrou que cinco estrategias representativas de agentes LLM para triagem de alertas de seguranca erram pelo menos 40% dos alertas ligados a um ataque real de multiplas etapas. Os autores propoem o AIDA, um framework multiagente com desafio adversarial obrigatorio antes de descartar um alerta, que reduziu essa taxa de falsos negativos para 3,1%.

Fonte ↗
panoramaOS-2026-521 · 2026-09-25
0

IA barateia tentativas repetidas de ataque e expõe falhas estruturais nos SOCs

Relatórios de inteligência de ameaças citados no artigo mostram que a IA generativa não cria técnicas de invasão inéditas, mas reduz drasticamente o custo de repetir etapas que antes exigiam horas de pesquisa manual, como corrigir um script de escalonamento de privilégios depois de uma tentativa falha. O texto argumenta que o verdadeiro gargalo das equipes de defesa não é tecnológico, e sim a perda de contexto entre as etapas do fluxo de um SOC, o que faz analistas reconstruírem do zero informações já apuradas em handoffs anteriores.

Fonte ↗
risco médioOS-2026-409 · 2026-09-12
0

Quando toda a empresa adota IA: o impacto sobre o SOC

Um levantamento sobre alertas de segurança relacionados a IA em ambientes corporativos mostra crescimento de 685% entre fevereiro e junho de 2026, mas apenas 0,02% desses alertas correspondem a ataques reais causados por agentes de IA. A grande maioria é ruído gerado por regras de detecção legadas que não reconhecem o comportamento normal de ferramentas de IA.

Fonte ↗
risco altoOS-2026-019 · 2026-07-17
0

LogInject expõe injeção de prompt passiva em LLMs usados para análise de logs de segurança

Pesquisadores demonstraram que LLMs usados em SOCs para triagem e análise de logs podem ser manipulados por payloads de prompt injection escondidos em campos de log que ficam armazenados e só "disparam" quando um analista consulta o modelo depois. No framework LogInject, testado contra três LLMs de produção, o ataque atingiu até 88,2% de taxa de sucesso ao tentar ocultar atividade maliciosa, gerar falsos positivos, exfiltrar dados ou sequestrar a resposta do modelo.

Fonte ↗
panoramaOS-2026-027 · 2026-07-17
0

Estudo de custo-benefício mostra que agentes ofensivos escalam com mais poder computacional, mas defesa em SOC não

O trabalho avalia agentes de IA de segurança sob uma lente de custo, comparando desempenho ofensivo (desafios Cybench) e defensivo (investigações Splunk BOTS v1) em níveis fixos de orçamento de inferência, em vez de apenas o melhor resultado possível com gasto ilimitado. A conclusão central é que capacidade ofensiva melhora consistentemente com mais computação — permitindo que modelos open-weight bem escalados cheguem perto de sistemas proprietários de ponta — enquanto o desempenho defensivo em SOC depende mais de uso disciplinado de ferramentas e navegação de telemetria do que de força bruta de raciocínio.

Fonte ↗