Três pesquisadores de cibersegurança da empresa Hacktron, sediada na Índia, invadiram sistemas da OpenAI em menos de 3 dias usando modelos Claude da Anthropic. O hack OpenAI usando Claude revelou que laboratórios de IA avançada são alvos vulneráveis — não pela força dos modelos, mas pelas brechas nos serviços de terceiros que os cercam.
Como o hack foi executado
O ataque aconteceu em julho de 2026. A equipe da Hacktron, liderada por Mohan Pedhapati, usou o Claude Opus 4.8 para identificar falhas no código do Discourse, um serviço de fórum de comunidade terceirizado que a OpenAI usa. No dia do lançamento do Claude Opus 5, eles exploraram a vulnerabilidade e acessaram contas de usuários do ChatGPT e do Codex.
O hack OpenAI usando Claude não envolveu ataque direto à infraestrutura da OpenAI. A entrada foi por um serviço externo — exatamente o ponto cego que a Hacktron queria demonstrar. Com acesso às contas, os pesquisadores poderiam ter visualizado conversas privadas, dados conectados a aplicativos como e-mail e Slack, e contas de funcionários da OpenAI com acesso a sistemas internos.
A velocidade foi o dado mais impactante. Sem assistência de IA, Pedhapati estimou que o mesmo ataque levaria de 2 a 3 meses. Com Claude Opus 4.8, menos de 3 dias — uma aceleração de até 30x. Com modelos mais novos, a estimativa cai para menos de 1 dia. A IA comprimiu meses de trabalho manual em horas.
A OpenAI agradeceu o relato responsável da Hacktron e comunicou ter "reduzido as permissões nos tokens de entrada da comunidade e revogado tokens e sessões afetadas".
Por que isso importa para o seu negócio
O hack OpenAI usando Claude mostra uma realidade que toda empresa que usa IA precisa entender: quando você integra ferramentas de IA ao seu negócio, o risco não está só na ferramenta principal. Está nos serviços de terceiros que ela conecta — o CRM, o helpdesk, o fórum de usuários, o sistema de e-mail.
A velocidade é o fator mais preocupante. O ataque da Hacktron levou menos de 3 dias. Um ataque do mesmo tipo conduzido por um ator malicioso, e não por pesquisadores de boa-fé, teria o mesmo prazo. Cada novo modelo lançado aumenta em 30x ou mais a capacidade de qualquer pesquisador — ou invasor — de encontrar e explorar vulnerabilidades em tempo real.
Nicholas Leiserson, do Instituto de Segurança e Tecnologia, questionou diretamente: o ritmo atual de desenvolvimento de IA reflete a tolerância real da sociedade ao risco de segurança? Para o empresário com dados de clientes em aplicações de IA, a resposta prática é auditar as permissões dos serviços conectados e restringir o que cada integração pode acessar.
O Gemini protagonizou um caso semelhante em testes recentes — veja em Gemini hackeia empresas em teste de segurança: como o acidente ocorreu. Para saber como modelos de IA podem detectar vulnerabilidades no seu código, leia AWS Continuum integra com Claude Code e Codex para detectar vulnerabilidades no desenvolvimento.
Quatro ações para reduzir o risco agora
Revise quais serviços de terceiros têm acesso à sua conta de IA e às suas integrações. Ative autenticação multifator em todas as contas conectadas a LLMs. Restrinja permissões de tokens ao mínimo necessário para cada integração. Monitore logs de acesso de serviços externos com a mesma atenção que monitora o serviço principal.
A Hacktron demonstrou algo que o setor costuma ignorar: a superfície de ataque de uma plataforma de IA vai muito além do modelo em si. Com modelos mais capazes, a velocidade dos ataques só vai diminuir.
Conteúdo reescrito e traduzido para PT pela redação luiscortex, revisado por humano.
Fonte: Google News — AI (EN)
