Previa: Uma nova técnica de ataque chamada HalluSquatting explora falhas em modelos de inteligência artificial, colocando em risco diversas ferramentas populares utilizadas por programadores. A vulnerabilidade pode permitir que criminosos comprometam milhares de computadores com facilidade.
Recentemente, pesquisadores da Ars Technica identificaram uma nova ameaça que afeta nove ferramentas amplamente utilizadas no desenvolvimento de software. O ataque, que se aproveita de uma limitação nos modelos de inteligência artificial, pode ter consequências sérias para a segurança digital.
Como funciona o ataque HalluSquatting
O HalluSquatting explora uma característica dos grandes modelos de linguagem (LLMs): quando não conseguem encontrar um projeto, eles podem inventar um endereço em vez de admitir a falta de informação. Essa falha técnica é o ponto de partida para o ataque.
Criminosos registram endereços fictícios e inserem códigos maliciosos, esperando que assistentes de programação tentem acessá-los automaticamente. Essa técnica é particularmente eficaz contra ferramentas conhecidas como Cursor, GitHub Copilot e Gemini CLI, entre outras.
Um ataque que se espalha rapidamente
Diferentemente de outros tipos de injeções de prompt, que requerem ações específicas contra cada vítima, o HalluSquatting permite que os próprios assistentes de IA busquem projetos durante suas tarefas rotineiras. Isso torna o ataque escalável, comprometendo um grande número de usuários com um esforço mínimo por parte dos invasores.
Se um desenvolvedor solicitar a instalação de um projeto recém-publicado e o sistema errar o endereço, ele pode acabar acessando uma página controlada por criminosos, resultando em sérias consequências para a segurança do seu computador.
Foco em projetos novos
Os testes realizados pelos pesquisadores revelaram que os LLMs têm uma taxa de acerto muito maior ao localizar projetos publicados antes de 2019. Em contrapartida, entre os lançamentos de 2025, a taxa de “alucinação” chega a impressionantes 92,4%. Isso ocorre porque esses novos projetos não fazem parte do treinamento dos modelos, aumentando a probabilidade de a IA sugerir endereços inexistentes.
Além disso, padrões previsíveis nas respostas geradas pelos LLMs facilitam o registro antecipado de nomes por invasores, tornando o ataque ainda mais eficaz.
Consequências graves
Se o código malicioso for executado, o computador da vítima pode ser integrado a uma rede controlada por criminosos. Os riscos incluem a criação de botnets, ataques de ransomware e ataques DDoS, além de mineração ilegal de criptomoedas.
Especialistas em segurança, como Michael Bargury, CTO da Zenity, destacam a seriedade da ameaça. A pesquisa enfatiza a importância da supervisão humana ao utilizar assistentes de IA, recomendando que os desenvolvedores confirmem a origem de projetos e bibliotecas sugeridos antes de prosseguir com a instalação.
Esse cuidado simples pode ser a chave para evitar que uma “alucinação” da IA se transforme em uma brecha de segurança, protegendo tanto os usuários quanto as empresas de potenciais ataques cibernéticos.
