Nova Técnica HalluSquatting: IA Generativa Vira Vetor para Botnets Gigantes

A técnica HalluSquatting representa um salto preocupante na evolução dos ataques de prompt injection. Pesquisadores notaram que ela explora a propensão intrínseca de Large Language Models (LLMs), especialmente aqueles em agentes de codificação, a "alucinar" nomes de repositórios ou "skills" inexistentes. Cibercriminosos capitalizam sobre essa falha, registrando esses identificadores e inserindo código malicioso. Quando um agente de IA tenta buscar um recurso alucinado, ele acaba baixando e executando o código do atacante, muitas vezes com privilégios elevados.

Diferente da maioria dos ataques de prompt injection anteriores, que eram "push-based" (visando vítimas individualmente), o HalluSquatting é um ataque "pull-based". Ele permite que os agentes de IA busquem ativamente o conteúdo malicioso, o que o torna escalável. Isso abre portas para a construção secreta de botnets gigantes, a execução generalizada de ransomware ou a instalação de cryptominers, transformando um vetor de ataque já conhecido em uma ameaça de proporções muito maiores.

Ataques que exploram alucinações de LLMs não são novidade para o CEVIU News. Em 5 de julho de 2026, noticiamos o "Phantom Squatting", que usava alucinações de IA para gerar URLs maliciosas. O HalluSquatting, porém, representa uma evolução focada e mais perigosa. Enquanto o Phantom Squatting explorava URLs genéricas e marcas, o HalluSquatting mira especificamente em agentes de codificação e nomes de repositórios, com o objetivo direto de instalar malware e criar botnets em escala massiva. Essa especialização e o potencial para controle de máquinas são um avanço significativo na sofisticação dos ataques.

Além disso, muitos ataques de prompt injection anteriores, como os que afetaram o Snowflake Cortex (em 19 de março de 2026) ou as vulnerabilidades do agente de IA do GitHub (em 8 e 9 de julho de 2026), focavam em exfiltração de dados ou execução de comandos em ambientes mais controlados. O HalluSquatting escala essa ameaça, permitindo a infecção indiscriminada de uma vasta quantidade de máquinas e a formação de botnets, mudando o cenário de comprometimento de agentes de IA de ataques pontuais para ameaças de larga escala.

Esta nova técnica sublinha uma falha crítica em LLMs: a incapacidade de admitir que não sabem a localização de um recurso, levando à alucinação. Para empresas que adotam ferramentas de IA para codificação e automação, a vulnerabilidade é altíssima. Agentes de IA com privilégios elevados que buscam por repositórios podem se tornar vetores para invasões massivas, expondo redes corporativas inteiras. É um alerta para reavaliar a confiança depositada em assistentes de IA, exigindo validação humana e políticas de segurança mais rígidas.

A escalabilidade do HalluSquatting transforma o risco de um incidente isolado para uma ameaça sistêmica. A facilidade de predizer os nomes alucinados pelos LLMs e o baixo esforço necessário para registrar e semear esses recursos maliciosos tornam a proteção contra essa ameaça complexa. Organizações precisam implementar controles rigorosos sobre a forma como seus agentes de IA acessam e executam código de fontes externas, validando sempre a integridade e autenticidade dos repositórios e "skills" utilizados.