A IA Está Transformando a Segurança do Web3 em uma Crise de Controle de Acesso

A OneSafe chegou ao Google News em 30 de agosto com um alerta contundente: a inteligência artificial está tornando os ataques ao Web3 mais fáceis, rápidos e difíceis de reconhecer. O artigo aponta softwares maliciosos, phishing, chaves privadas comprometidas e fluxos de trabalho arriscados para desenvolvedores. Sua preocupação central é válida, mas várias alegações de apoio carecem de detalhes suficientes para verificação independente.

Essa lacuna importa porque os ativos digitais transformam erros comuns de segurança em eventos financeiros irreversíveis. Uma mensagem convincente pode levar alguém a revelar uma frase-semente ou aprovar uma transação maliciosa. Uma máquina de desenvolvimento infectada pode expor credenciais de implantação, chaves de assinatura ou acesso privilegiado. Muitas vezes, não há banco capaz de reverter o resultado.

O conflito real, portanto, não é entre IA e a cibersegurança tradicional. É entre a automação acelerada e controles de segurança projetados em torno de atividades humanas mais lentas e visíveis. A cobertura de segurança de IA da OneSafe retrata essa pressão, enquanto dados federais e pesquisas independentes mostram onde os riscos mensuráveis realmente estão.

O Que o Alerta da OneSafe no Google News Realmente Mudou

A OneSafe transformou uma preocupação ampla sobre IA maliciosa em um alerta sobre fluxos de trabalho do Web3, mas não estabeleceu uma nova violação nem divulgou uma vulnerabilidade recém-descoberta.

O alerta de segurança argumenta que a IA está reduzindo a barreira de habilidade para invasores. Afirma que os desenvolvedores devem examinar cuidadosamente arquivos de configuração de IA, manter backups limpos e melhorar sua conscientização em segurança. Também destaca os infostealers, programas maliciosos projetados para coletar credenciais, dados de navegador, informações de carteiras e outros segredos.

Trata-se de uma intervenção editorial, e não de um anúncio de produto, aviso de segurança ou relatório de incidente. A OneSafe não identificou um protocolo recentemente comprometido. Não publicou indicadores técnicos que os defensores pudessem usar para detectar uma infecção. Também não quantificou quantos ataques ao Web3 envolveram IA.

A aparição no Google News ainda confere maior relevância ao argumento. Ela coloca uma questão operacional específica diante de fundadores e desenvolvedores: a saída de uma ferramenta de programação com IA deve receber a mesma confiança que um código escrito por um colega?

A resposta mais segura é não. Código gerado, extensões baixadas, arquivos de configuração, comandos de shell e instruções para agentes exigem revisão. Esse princípio se aplica mesmo quando um sistema de IA não é malicioso. Um modelo pode produzir código inseguro sem que um invasor o controle.

A OneSafe também descreve um aparente incidente de malware envolvendo uma pessoa identificada como Numa Lunah. Segundo o artigo, uma interação com uma ferramenta de IA levou a uma infecção que persistiu após uma reinicialização. No entanto, o artigo não apresenta link para um relatório forense, amostra de malware, cronologia do incidente ou relato original.

Essa omissão impede os leitores de determinar o que realmente aconteceu. A infecção pode ter chegado por meio de um aplicativo falsificado, uma dependência maliciosa, um comando copiado ou uma configuração comprometida. Cada caminho exige uma defesa diferente.

O artigo atribui de forma semelhante um alerta a um desenvolvedor chamado Calle, sem fornecer um link de fonte ou informações suficientes para identificá-lo. A posição subjacente é plausível, mas a atribuição não deve ter o peso de evidência verificada.

Essa distinção é essencial na cobertura de segurança. Uma preocupação crível não é automaticamente um incidente documentado. Os leitores devem separar o alerta geral da OneSafe dos dados de ataques estabelecidos de forma independente.

A versão mais sólida da história é, portanto, mais restrita do que o título sugere. A IA está ampliando o volume e a credibilidade de conteúdos prejudiciais. Sistemas Web3 expõem alvos excepcionalmente valiosos e irreversíveis. A combinação aumenta o custo de controles fracos de identidade, acesso e transações.

Essa conclusão resiste ao escrutínio. Alguns dos detalhes ilustrativos do artigo ainda não atendem ao mesmo padrão.

Por Que a Segurança de IA no Web3 se Tornou um Problema de Controle de Acesso

As perdas mais relevantes no Web3 começam cada vez mais com autoridade roubada, e não com um modelo de IA derrotando a criptografia de blockchain.

Uma chave privada permite ao seu titular autorizar ações para um endereço de blockchain. Uma frase-semente pode restaurar o controle de uma carteira inteira. Credenciais de administrador podem fornecer acesso a atualizações de protocolos, sistemas em nuvem, pipelines de implantação ou contas corporativas.

A IA não precisa quebrar a criptografia quando pode ajudar um invasor a se passar por um colega, personalizar mensagens de phishing ou pesquisar dados roubados. O modelo torna-se um amplificador de técnicas criminosas já estabelecidas.

Os dados de denúncias de 2025 do FBI ilustram esse ambiente mais amplo. O Internet Crime Complaint Center recebeu 1.008.597 denúncias em 2025. As perdas reportadas por crimes cibernéticos se aproximaram de US$ 21 bilhões.

Denúncias envolvendo criptomoedas geraram mais de US$ 11 bilhões em perdas reportadas em 181.565 registros. Esses números abrangem diversos tipos de crime e, portanto, não devem ser tratados como uma medição de invasões ao Web3 impulsionadas por IA. Eles estabelecem a escala financeira do alvo.

O mesmo relatório incluiu, pela primeira vez na história do centro, uma seção sobre IA. Registrou 22.364 denúncias contendo informações relacionadas à IA e aproximadamente US$ 893 milhões em perdas ajustadas. Denúncias de investimento com uma conexão relatada com IA representaram mais de US$ 632 milhões.

Essas categorias se sobrepõem conceitualmente, mas não devem ser somadas. Os dados do FBI descrevem denúncias e perdas reportadas, não um censo completo do crime. Também não provam que a IA causou cada perda associada a uma denúncia relacionada à IA.

Ainda assim, os padrões são instrutivos. O FBI identificou mensagens geradas por executivos, clonagem de voz, perfis fabricados, endossos sintéticos e conversas personalizadas. Essas técnicas visam o julgamento humano e os procedimentos institucionais.

É por isso que as preocupações da OneSafe com a segurança de IA pertencem a uma discussão sobre controle de acesso. Se uma única mensagem convincente pode acionar uma transferência, o sistema depende de uma pessoa detectar corretamente cada engano. A IA oferece aos invasores mais oportunidades para testar essa dependência frágil.

O Web3 agrava o problema porque a autorização frequentemente carrega poder financeiro imediato. Uma conta de e-mail corporativa comprometida pode iniciar uma solicitação de pagamento fraudulenta. Uma carteira comprometida pode executar o pagamento diretamente.

Os contratos inteligentes adicionam outra camada. São programas implantados em uma blockchain, onde podem manter ativos ou impor regras financeiras. Alguns contratos podem ser atualizados ou pausados por contas privilegiadas. Se invasores capturarem esses privilégios, o código de contrato auditado pode oferecer pouca proteção.

A resposta não é simplesmente mais treinamento para funcionários. O treinamento importa, mas as pessoas não conseguem identificar com segurança cada voz sintética, mensagem realista ou interface clonada. As organizações precisam de controles que pressupõem que algum engano terá sucesso.

Esses controles incluem assinaturas protegidas por hardware, simulação de transações, listas de permissão para saques, ambientes separados de desenvolvimento e tesouraria, e requisitos de aprovação que envolvam mais de uma pessoa. As equipes também precisam de credenciais de curta duração e procedimentos centralizados de revogação.

Uma base de conhecimento pesquisável pode apoiar a preparação para incidentes ao manter procedimentos verificados acessíveis. Ela não substitui a aplicação técnica de controles, mas pode reduzir a confusão quando as equipes precisam rapidamente de instruções confiáveis.

A segurança de IA no Web3, portanto, tem menos a ver com reconhecer cada falsificação. Trata-se de impedir que uma falsificação bem-sucedida obtenha autoridade suficiente para esvaziar uma carteira ou alterar sistemas de produção.

A Automação Ajuda os Invasores, mas o Web3 Ainda Fornece a Alavancagem

A IA melhora a velocidade e a apresentação dos ataques, enquanto as credenciais concentradas e as transações irreversíveis do Web3 determinam seu impacto.

A expressão “ataque impulsionado por IA” pode ocultar mais do que explica. Ela pode descrever texto de phishing gerado, vídeo sintético, descoberta automatizada de vulnerabilidades, geração de código malicioso ou um agente manipulado por entrada hostil. Esses mecanismos não são intercambiáveis.

Atualmente, o phishing é a interseção mais clara. Um modelo de linguagem pode criar mensagens gramaticalmente corretas em muitos idiomas e adaptá-las à função do destinatário. Os invasores podem combinar esse texto com informações de perfis públicos, bancos de dados violados ou e-mails roubados.

As comunidades de criptomoedas também dependem fortemente do Discord, Telegram, X e outros canais abertos. Conversas de suporte, anúncios de tokens, discussões de governança e ofertas de emprego podem chegar pelas mesmas interfaces usadas por falsificadores.

A Check Point documentou esse padrão em sua pesquisa sobre Inferno Drainer. Os pesquisadores encontraram uma campanha que levava usuários de um site legítimo de Web3 ao Discord e, em seguida, apresentava um bot falsificado do Collab.Land e uma página de phishing.

As vítimas eram orientadas a conectar carteiras e assinar transações maliciosas. A técnica explorava um processo de verificação familiar, e não uma capacidade exótica de IA. A Check Point estimou que o Inferno Drainer afetou mais de 30.000 carteiras e causou pelo menos US$ 9 milhões em perdas durante seis meses.

O serviço também usava contratos de curta duração, configuração on-chain criptografada, endereços rotativos e infraestrutura de proxy. Esses mecanismos tornavam a detecção e o bloqueio mais difíceis. Eles mostram como a automação e uma infraestrutura criminosa reutilizável podem ampliar um ataque sem exigir um modelo inovador.

Os infostealers criam uma rota diferente. Eles coletam cookies de navegador, senhas salvas, tokens, arquivos e dados relacionados a carteiras de uma máquina infectada. Os invasores podem distribuí-los por aplicativos falsificados, anúncios maliciosos, cracks de software, repositórios envenenados ou falsas entrevistas de emprego.

A IA pode tornar essas campanhas mais convincentes. Ela pode redigir mensagens de recrutamento personalizadas, gerar documentos realistas ou ajudar a criar sites imitadores. No entanto, o anexo, pacote ou comando malicioso continua sendo o ponto em que a persuasão se torna execução.

Esse limite importa para a defesa. Classificadores de conteúdo podem detectar redação suspeita, mas não podem impedir um usuário de executar um binário sem assinatura. Da mesma forma, uma auditoria de contrato inteligente não removerá malware do laptop de um desenvolvedor.

A Hacken relatou uma mudança mais ampla em seu relatório de segurança do primeiro semestre. A empresa contabilizou US$ 3,1 bilhões em perdas no Web3 durante a primeira metade de 2025. Atribuiu US$ 1,83 bilhão a explorações de controle de acesso, US$ 600 milhões a phishing e engenharia social, e aproximadamente US$ 263 milhões a falhas em contratos inteligentes.

Esses números vêm da metodologia de um fornecedor de segurança, e não de um censo governamental. Ainda assim, apoiam uma comparação crucial. Falhas de acesso e manipulação humana produziram perdas reportadas muito maiores do que falhas de contratos naquele período.

A Hacken também relatou um aumento de 1.025 por cento em explorações relacionadas à IA, envolvendo principalmente interfaces de programação de aplicativos inseguras e configurações de inferência vulneráveis. Essa alegação exige interpretação cuidadosa porque o resumo público não fornece uma lista completa de eventos nem um denominador.

Uma alta taxa de crescimento pode partir de uma base pequena. Os padrões de classificação também podem mudar à medida que pesquisadores rotulam mais incidentes como relacionados à IA. O número indica uma categoria que merece acompanhamento, mas não prova que a IA tenha se tornado a principal causa das perdas em Web3.

A conclusão mais defensável é que a IA amplia superfícies de ataque já existentes. O Web3, por sua vez, fornece uma autoridade excepcionalmente valiosa para os invasores roubarem.

Agentes de IA Criam uma Rota Mais Direta para Ativos Digitais

O risco se torna estruturalmente diferente quando um sistema de IA pode ler conteúdo externo e autorizar transações sem que um humano revise cada ação.

Um agente de IA é um software que usa um modelo para selecionar e executar ações em diferentes ferramentas. Em um contexto de Web3, essas ações podem incluir ler dados de mercado, trocar ativos, votar em governança, interagir com contratos ou movimentar fundos.

Essa configuração altera o modelo de ameaças. Um chatbot convencional pode fornecer conselhos incorretos. Um agente com acesso à carteira pode transformar uma instrução incorreta em uma transação irreversível.

Pesquisadores da Princeton University e da University of Illinois examinaram esse problema em um estudo sobre ataques a agentes. O trabalho se concentrou na manipulação de contexto, um ataque que insere instruções maliciosas nas informações lidas por um agente.

Os pesquisadores testaram ataques contra o ElizaOS, um framework usado para aplicações Web3 autônomas. Eles relataram que prompts manipulados e registros históricos de interação podiam provocar transferências não intencionais e violações de protocolo.

Isso se assemelha à injeção de prompts, em que conteúdo não confiável instrui um modelo a ignorar sua tarefa pretendida. A diferença está na consequência operacional. Um agente manipulado pode fazer mais do que produzir uma resposta ruim. Ele pode usar uma ferramenta ou carteira conectada.

A pesquisa também concluiu que as defesas baseadas em prompts eram insuficientes no ambiente testado. Informações maliciosas podiam persistir no contexto armazenado, influenciando interações posteriores. Essa persistência cria a possibilidade de falhas em cascata entre sessões.

Essas conclusões não devem ser generalizadas para todos os agentes ou configurações de carteira. O artigo testou sistemas e desenhos de ataque específicos. Implantações em produção podem impor permissões e verificações externas que reduzem a exposição.

Ainda assim, o mecanismo é crível e importante. Um agente frequentemente precisa de dados externos para operar. Esses dados podem incluir publicações em redes sociais, propostas de governança, descrições de tokens, mensagens de suporte e interfaces de aplicações descentralizadas. Qualquer uma dessas superfícies pode conter instruções hostis.

Desenvolvedores devem tratar o contexto do modelo como entrada não confiável. Também devem presumir que um agente acabará interpretando mal uma solicitação ou encontrando informações manipuladas. A segurança precisa estar fora do processo de raciocínio do modelo.

Uma abordagem é a separação de capacidades. Um agente que monitora mercados não precisa automaticamente de autoridade de assinatura. Um sistema que prepara transações pode produzir uma proposta não assinada para que outro serviço ou pessoa a revise.

Limites de transação oferecem outra barreira. As equipes podem limitar o montante transferido em um período definido, restringir contratos aprovados e proibir endereços de destino arbitrários. Um mecanismo de políticas dedicado pode avaliar essas regras sem depender de um modelo.

A simulação adiciona contexto antes da execução. Ela estima como uma transação altera saldos, aprovações e o estado do contrato. A simulação não identificará todos os resultados maliciosos, mas pode revelar transferências inesperadas ou permissões ilimitadas de tokens.

A revogação também merece atenção. As equipes precisam de um método rápido para desativar credenciais, alternar chaves, pausar a automação e isolar componentes comprometidos. Um procedimento de desligamento complicado é uma vulnerabilidade de segurança quando um agente opera continuamente.

Este é o impacto mais concreto da IA no Web3. Os modelos estão migrando da geração de conteúdo para sistemas que detêm autoridade operacional. O risco resultante vem da combinação de decisões probabilísticas com execução financeira determinística.

A Narrativa do Google News Ainda Tem uma Lacuna de Evidências

A OneSafe identifica um perigo legítimo, mas os leitores devem resistir a agrupar todas as perdas em cripto, campanhas de phishing e infecções por malware em uma única estatística sobre IA.

O Google News pode destacar um artigo, mas a agregação não valida todas as alegações nele contidas. A visibilidade na busca mede a capacidade de descoberta. Ela não substitui registros de resposta a incidentes, análise técnica ou coleta transparente de dados.

O artigo da OneSafe oferece recomendações sensatas, especialmente o conselho de examinar arquivos relacionados à IA e fazer backups limpos. Ainda assim, seu exemplo mais marcante de malware não inclui um relato forense vinculado. Os leitores não podem examinar o software envolvido, o vetor de infecção, o sistema afetado ou o processo de recuperação.

Essa falta de informações limita a lição. Se um invasor distribuiu uma aplicação falsa de IA, a assinatura de aplicações e a verificação de downloads tornam-se centrais. Se código gerado introduziu uma vulnerabilidade, a revisão e os testes de código importam mais. Se uma instrução maliciosa acionou um comando, o sandboxing e os controles de aprovação passam a ser prioridade.

A terminologia cria outro problema. “Malware com IA integrada” pode sugerir que um modelo operava dentro do programa malicioso. Em muitos incidentes, a IA auxilia o invasor antes, escrevendo mensagens ou adaptando código. O malware que chega à vítima pode se comportar como um infostealer já estabelecido.

Essa diferença afeta compras e políticas. Uma empresa pode adquirir um detector de conteúdo gerado por IA enquanto deixa credenciais de desenvolvedores expostas. Pode proibir assistentes aprovados enquanto funcionários continuam baixando ferramentas não verificadas. Também pode ampliar o monitoramento sem restringir a autoridade para transações.

Os números do FBI exigem disciplina semelhante. Sua categoria de IA depende das informações relatadas em denúncias. A agência afirma que a IA possibilita perfis e conversas sintéticos convincentes, mas seu total de perdas não isola a exploração técnica de protocolos Web3.

A categoria de criptomoedas também é mais ampla do que invasões a blockchain. Ela inclui fraude de investimento e outros esquemas em que criminosos solicitam ou movimentam pagamentos por meio de ativos digitais. A criptomoeda pode ser o trilho de pagamento, e não a vulnerabilidade.

Relatórios de fornecedores respondem a perguntas diferentes. Uma empresa de segurança blockchain pode analisar perdas on-chain e classificar incidentes usando sua própria taxonomia. Seu conjunto de dados pode capturar ataques a protocolos que as vítimas nunca relatam às autoridades federais.

Essas fontes podem reforçar umas às outras sem serem diretamente comparáveis. O FBI mostra a escala da fraude reportada. A Check Point documenta uma operação específica de esvaziamento de carteiras. A Hacken categoriza perdas em todo o setor Web3. Pesquisadores acadêmicos testam como agentes respondem a contextos hostis.

Em conjunto, elas sustentam uma conclusão ponderada. A IA torna o engano mais barato de produzir e mais fácil de personalizar. Agentes autônomos também podem criar novos riscos de execução. Nenhum desses pontos prova que a IA seja responsável pela maioria das perdas em Web3.

Há também um lado defensivo nessa competição. Equipes de segurança usam aprendizado de máquina para priorizar alertas, classificar contratos, identificar transações suspeitas e detectar anomalias comportamentais. Desenvolvedores usam modelos para revisar código e gerar testes.

Essas aplicações podem reduzir o risco quando humanos verificam sua saída. Elas podem criar falsa confiança quando as equipes tratam a avaliação de um modelo como prova de segurança.

A disputa principal é entre automação e controles aplicáveis. Invasores automatizam a descoberta e a persuasão. Defensores precisam automatizar contenção, privilégio mínimo, simulação, monitoramento e revogação.

Esse enquadramento é menos dramático do que uma ameaça generalizada da IA. Também é mais acionável.

Três Sinais Mostrarão se a Ameaça Está Escalando

A próxima fase será medida por incidentes verificados envolvendo agentes, perdas por controle de acesso e salvaguardas de transação mais fortes, e não pelo número de manchetes alarmantes.

O primeiro sinal é uma perda documentada causada diretamente por um agente de IA manipulado. Uma divulgação útil identificaria a autoridade do modelo, a entrada hostil, as ações executadas e os controles que falharam.

Esse tipo de incidente reforçaria o argumento de que a IA cria uma classe distinta de vulnerabilidades em Web3. Sem essa evidência, muitos ataques relatados continuarão sendo roubo convencional de credenciais ou phishing com preparação assistida por IA.

O segundo sinal é a parcela das perdas em Web3 atribuída a chaves comprometidas, permissões e engenharia social. Relatórios de segurança devem publicar definições claras e dados no nível dos eventos sempre que possível.

Se as perdas por controle de acesso continuarem dominantes, as equipes devem priorizar limites de identidade e arquitetura de assinatura. Um aumento sustentado em comprometimentos específicos de modelos justificaria maior investimento em isolamento de agentes e filtragem de contexto.

O terceiro sinal é a adoção de sistemas independentes de políticas de transação. Provedores de carteiras, exchanges e equipes de protocolo podem exigir simulação, restrições de destino, limites de gastos ou múltiplas aprovações antes que os ativos sejam movimentados.

A adoção ampla enfraqueceria a vantagem do invasor. Uma mensagem sintética persuasiva se torna menos valiosa quando um único funcionário não pode autorizar a ação solicitada. Um agente comprometido se torna menos perigoso quando suas credenciais permitem apenas operações restritas.

O alerta da OneSafe no Google News é útil porque direciona a atenção ao comportamento dos desenvolvedores antes de uma crise. Sua lacuna de evidências também demonstra por que alegações de segurança precisam de fontes, detalhes reproduzíveis e categorias cuidadosas.

Desenvolvedores devem revisar todos os serviços que podem acessar código, sessões de navegador, segredos de implantação ou carteiras. Devem identificar quais sistemas podem apenas recomendar uma ação e quais podem executá-la. Esse mapeamento frequentemente revela mais risco do que uma lista de produtos de IA aprovados.

Compradores empresariais devem perguntar aos fornecedores como os agentes armazenam contexto, isolam ferramentas e revogam autoridade. Também devem perguntar se as políticas de transação operam fora do modelo. Um prompt de segurança não é um sistema de controle de acesso.

Profissionais do conhecimento devem verificar solicitações financeiras urgentes por meio de um canal separado. Voz, vídeo e estilo de escrita familiar já não fornecem prova confiável de identidade. Um método de contato conhecido e um processo de aprovação estabelecido têm mais valor.

A pergunta importante após esta história do Google News não é se a IA pertence ao Web3. É se cada sistema automatizado tem autoridade suficiente para transformar uma única entrada enganosa em uma perda permanente. Audite esse limite agora, documente quem pode interromper uma ação e teste o caminho de desligamento antes que invasores o testem por você.