Pesquisadores da Unit 42, da Palo Alto Networks, demonstraram um vetor emergente em que sistemas de geração de linguagem são usados para produzir e entregar JavaScript malicioso em tempo de execução, convertendo páginas aparentemente legítimas em páginas de phishing.
Descoberta e escopo
A pesquisa da Unit 42 mostrou que é possível embutir instruções ocultas em uma página benign a fim de forçar chamadas a APIs públicas de serviços de IA — citados no relatório como exemplos Google Gemini e DeepSeek — para que o modelo gere código JavaScript malicioso. Esse código é retornado e executado no navegador do usuário, sem deixar binários estáticos no sistema.
Vetor e técnica de exploração
O atacante prepara a página para fazer requisições legítimas às APIs de IA com prompts especialmente construídos. Esses prompts são projetados para contornar as proteções (guardrails) dos modelos e obter JavaScript que, quando executado, monta em runtime uma interface de phishing ou um ladrão de credenciais. Como a montagem e execução ocorrem inteiramente no navegador, não há um payload persistente que possa ser identificado em disco.
Evasão de detecção
- Domínios confiáveis: o código malicioso é servido por domínios de serviços de IA, o que reduz a probabilidade de bloqueio por filtros de rede que confiam nesses hosts.
- Polimorfismo em tempo de execução: a IA gera variantes sintáticas do mesmo comportamento malicioso a cada requisição, tornando ineficaz a detecção por assinaturas estáticas.
- Ausência de artefatos estáticos: como nada é gravado como arquivo executável no endpoint, ferramentas que procuram por binários ou scripts no disco ficam sem evidência direta.
Evidência e limites do PoC
A Unit 42 apresentou um proof-of-concept que reproduz o fluxo descrito e analisou como a técnica pode ser integrada a campanhas de phishing existentes. O relatório enfatiza que o método depende de chamadas runtime a APIs de IA e da capacidade do ator em engenharia de prompt para contornar limitações dos modelos. O relato não afirma que haja uma campanha massiva já em curso — o que foi divulgado é a demonstração técnica da viabilidade.
Recomendações práticas
Com base nas conclusões da Unit 42, medidas defensivas apontadas incluem:
- Aplicar análise comportamental de runtime no navegador e no endpoint, capaz de detectar ações maliciosas no momento da execução, não apenas assinaturas estáticas;
- Reforçar filtragem de conteúdo e políticas de CSP (Content Security Policy) para reduzir a superfície de execução de scripts de terceiros;
- Monitorar e restringir chamadas a APIs externas sensíveis a partir de páginas internas e validar origens e payloads dessas requisições;
- Educar equipes de resposta para considerar vetores dinâmicos que não geram artefatos em disco e ajustar playbooks de investigação para logs de navegador e rede em tempo real.
O que ainda falta ser divulgado
O material público da Unit 42 documenta o PoC e os riscos técnicos; não há, nas informações disponibilizadas, dados sobre exploração em escala, indicadores de comprometimento amplamente observados em campanhas reais ou blocos de domínios/URLs usados em ataques em produção. Equipes de defesa devem acompanhar atualizações do fornecedor e produzir detecções específicas baseadas em comportamento.
Repercussão
O trabalho da Unit 42 aponta para uma mudança de paradigma: quando modelos de IA passam a ser parte do fluxo de entrega de código, controles tradicionais de rede e de assinatura perdem eficácia. A principal implicação para times de segurança é priorizar detecções orientadas a comportamento e inspeção em runtime.