Um agente autónomo de inteligência artificial, batizado de JadePuffer, está a utilizar uma nova estirpe de ransomware desenvolvida exclusivamente para paralisar infraestruturas de machine learning. De acordo com os investigadores da Sysdig, este cibercriminoso avançado conseguiu infetar sistemas críticos e adaptar a sua estratégia de invasão em tempo real, contornando barreiras técnicas em menos de um minuto.
O malware em causa, batizado de EncForge, diferencia-se das ameaças tradicionais por visar diretamente o ecossistema moderno de inteligência artificial. O binário tem como alvo cerca de 180 extensões de ficheiros, incluindo bases de dados vetoriais, conjuntos de dados de treino e os próprios pontos de controlo (checkpoints) de modelos em formatos populares como PyTorch e TensorFlow.
Adaptação automatizada e controlo total
A intrusão recente aproveitou uma vulnerabilidade conhecida (CVE-2025-3248) numa instância da plataforma Langflow. Ao obter acesso ao ambiente virtual, o operador automatizado localizou uma tomada (socket) do Docker exposta, garantindo privilégios de administração (root). Quando a primeira tentativa de descarregar o ransomware falhou, o agente gerou e executou autonomamente seis scripts em Python ao longo de escassos cinco minutos até solucionar o problema com a versão final do instalador.
Esta capacidade de reação contorna as defesas tradicionais e acelera a encriptação dos alvos através de um esquema híbrido baseado em chaves AES-256 e RSA-2048. Para acelerar o processo e evitar deteções precoces por ferramentas de monitorização, a ameaça cifra apenas frações selecionadas de cada documento de grande dimensão, adicionando-lhes a extensão .locked e deixando uma nota de resgate.
Impacto financeiro e medidas de mitigação
Embora não tenham sido encontrados indícios de extração de dados confidenciais para o exterior, o impacto de perder o progresso de treino de uma inteligência artificial é severo. A reconstrução e o ajuste fino de um único modelo fustigado por este ataque podem demorar semanas ou meses, traduzindo-se em prejuízos financeiros substanciais que oscilam entre 69.000 € e 460.000 € por modelo, dependendo da sua escala e finalidade no mercado.
Para travar a propagação desta ameaça e proteger os servidores, os especialistas recomendam a atualização imediata da plataforma Langflow para a versão 1.3.0 ou superior. Adicionalmente, torna-se imperativo restringir o acesso a tomadas Docker, executar os contentores sem privilégios de administrador e aplicar controlos rígidos ao nível do sistema de ficheiros nos diretórios que armazenam pesos e dados de treino de modelos.
Nenhum comentário
Seja o primeiro!