Meta Muse expôs dados sensíveis em links compartilhados, revela pesquisa

A exposição de dados sensíveis pelo Meta Muse não foi resultado de um ataque complexo, mas sim de uma falha de design crucial. Pesquisadores da Claroc demonstraram que a decisão de incluir o título das conversas diretamente nos subdomínios dos links compartilhados (por exemplo, q3-revenue-review-7b1e42f0.cf.metaaiusercontent.com) tornou essas URLs facilmente detectáveis. Mecanismos de busca e serviços de DNS passivos (Passive DNS) indexam esses subdomínios, transformando links que deveriam ser privados em repositórios públicos.

Essa abordagem permitiu que apenas uma consulta simples revelasse 6.800 links contendo desde notas confidenciais de executivos e revisões financeiras até detalhes de fraudes bancárias e calendários de férias de funcionários. A Claroc cunhou o termo “GhostShares” para descrever essas páginas que, embora não entregues diretamente, podem ser encontradas por qualquer pessoa através de buscas públicas, desafiando a premissa de privacidade que o Meta Muse supostamente oferecia.

Em resposta à descoberta da Claroc, a Meta agiu rapidamente, suspendendo o recurso de compartilhamento no dia 20 de outubro de 2026 para investigar a vulnerabilidade. Essa postura contrasta com a reação da empresa em setembro de 2026, quando um especialista em segurança, Patrick Wardle, descobriu uma falha 0-day no Muse e a Meta minimizou a gravidade, alegando que a exploração dependia de um dispositivo já comprometido. A suspensão atual sinaliza um reconhecimento mais direto da seriedade da exposição de dados.

Este incidente com o Meta Muse reforça um padrão preocupante de vulnerabilidades em assistentes de IA que lidam com dados sensíveis. O CEVIU News cobriu casos similares, como a falha de exfiltração de dados no Microsoft 365 Copilot em junho de 2026 e os vazamentos no Claude, tanto por exfiltração de memória em julho de 2026 quanto pela indexação de dados privados pelo Google no mesmo mês. Em setembro de 2026, o ChatGPT também teve uma falha de vazamento de dados multi-contas. Essas ocorrências mostram que, apesar das promessas de segurança, a arquitetura e a implementação desses sistemas de IA frequentemente criam novos vetores de ataque, transformando o que deveria ser um facilitador em um risco para a proteção de informações pessoais e corporativas.