Resumo Técnico: APTs Sintéticos e o Colapso da Atribuição Baseada em TTPs

Declaração do Problema

A atribuição de Inteligência de Ameaças Cibernéticas (CTI) tradicionalmente baseia-se na identificação de Táticas, Técnicas e Procedimentos (TTPs) exclusivos de grupos específicos de Ameaças Persistentes Avançadas (APTs). Este modelo pressupõe que os adversários deixam impressões digitais operacionais distintas baseadas em seus conjuntos de ferramentas e padrões comportamentais preferidos. No entanto, à medida que operações cibernéticas impulsionadas por IA se tornam prevalentes, surge uma questão crítica sobre se agentes de IA podem ser configurados para emular qualquer grupo APT usando um conjunto de ferramentas subjacente compartilhado. Se os agentes de IA convergirem para técnicas semelhantes, independentemente de sua persona atribuída, a distintividade necessária para a atribuição baseada em TTPs pode colapsar, tornando a atribuição significativamente mais difícil ou impossível.

Metodologia

Os autores avaliaram esta hipótese utilizando seu framework Cybersecurity SuperIntelligence (CSI), implantando agentes impulsionados por IA em um ambiente de cyber range controlado e dinâmico.

• Design Experimental: O estudo consistiu em 20 experimentos em dois cenários distintos fornecidos pela CYBER RANGES:
  • Cenário A (Empresarial): Uma topologia de rede plana modelando uma empresa de tecnologia (~20 hosts).
  • Cenário B (Militar): Uma topologia de infraestrutura crítica segmentada, com duas organizações (~15 hosts) e isolamento de rede rigoroso.
• Agentes:
  • Atacantes: Cinco perfis distintos de APT (APT28, APT29, APT41, APT44 e Lazarus Group) foram configurados usando prompts de sistema derivados de suas documentações oficiais do MITRE ATT&CK. Todos os agentes atacantes utilizaram o modelo Anthropic Claude Opus 4.6.
  • Defensores: Dois modelos de defesa foram testados: Opus 4.6 (confronto de mesmo modelo) e alias2-mini (um modelo on-premise de aproximadamente 30B de parâmetros desenvolvido pelos autores).
• Procedimento:
  • Os defensores foram implantados 30 minutos antes dos atacantes para simular um "período de carência" para endurecimento (hardening) (rotação de credenciais, regras de firewall).
  • Os agentes operaram simultaneamente por aproximadamente 6 horas.
  • Os experimentos mediram três dimensões: Resultado Operacional (hosts comprometidos), Aderência ao MITRE ATT&CK (fidelidade aos perfis atribuídos) e Sigilo (tempo para detecção).
• Métricas de Avaliação:
  • Fidelidade: Precisão (técnicas observadas correspondendo ao perfil oficial) e Recall (fração do perfil exercida).
  • Convergência: Análise de se diferentes perfis produziram comportamentos iniciais idênticos.

Principais Contribuições

1. Primeiros Dados Empíricos Controlados sobre Atribuição de IA: Este trabalho fornece a primeira evidência experimental quantificando a convergência de técnicas de ataque quando perfis distintos de APT são conduzidos pelo mesmo modelo de IA em uma infraestrutura idêntica.
2. Fidelidade Dependente de Fase: O estudo demonstra que a fidelidade de emulação não é uniforme; ela é fortemente condicionada pela progressão da cadeia de ataque (kill chain). Uma alta fidelidade (55–80% de precisão) só é observada quando os atacantes penetram profundamente na rede (Cenário A), enquanto o contenção no perímetro (Cenário B) resulta em baixa fidelidade (4–8%).
3. Comportamentos Convergentes Emergentes: A pesquisa identifica comportamentos específicos que emergem independentemente em todos os perfis, mais notavelmente a armamentização da própria plataforma de gerenciamento de endpoint Velociraptor do defensor como um canal de Comando-e-Controle (C2). Este comportamento não foi codificado em nenhum perfil de inteligência de ameaças.
4. Topologia como o Determinante Dominante: O estudo estabelece que a topologia da rede, em vez do perfil do atacante ou da escala do modelo de defesa, é o único determinante dos resultados estratégicos em emulações impulsionadas por IA.

Resultados

Resultados Operacionais

Um padrão binário emergiu em todos os 20 experimentos:

• Cenário A (Empresarial): Todos os 10 experimentos resultaram em comprometimento, com os atacantes ganhando acesso a 2–12 hosts. O modelo atacante (Opus 4.6) teve sucesso consistente, independentemente do perfil APT ou do modelo de defesa utilizado.
• Cenário B (Militar): Todos os 10 experimentos foram defendidos com sucesso ou resultaram em impasses. A segmentação de rede (VLANs, gateways) conteve os atacantes no perímetro, resultando em zero ou marginais comprometimentos, independentemente do perfil APT ou do modelo de defesa.

Aderência ao MITRE ATT&CK

• Convergência de Fase Inicial: Em todos os 20 experimentos, independentemente do perfil APT atribuído, os agentes convergiram para técnicas de fase inicial idênticas: varredura ativa (T1595), descoberta de serviços de rede (T1046) e força bruta de credenciais (T1110).
• Diferenciação: Comportamentos específicos do perfil (ex: Pass-the-Hash para APT28, DCSync para APT29, interceptação de PAM para APT41) só emergiram no Cenário A, onde a kill chain progrediu para estágios posteriores.
• Precisão: Nos experimentos bem-sucedidos do Cenário A, as técnicas observadas corresponderam aos perfis oficiais com 55–80% de precisão. No entanto, 8 de 10 experimentos do Cenário A exibiram um comportamento convergente (armamentização do Velociraptor) que não mapeava para nenhum grupo específico.

Sigilo e Detecção

• Tempo de Detecção: Os tempos de detecção variaram amplamente (8 minutos a >2 horas), mas a detecção foi um preditor ruim do resultado. A detecção rápida não impediu o comprometimento no Cenário A, enquanto a detecção lenta ou inexistente no Cenário B não levou ao comprometimento devido à topologia.
• Sigilo Emergente: Os atacantes no Cenário A frequentemente sequestraram a plataforma Velociraptor usando credenciais pré-configuradas. Isso permitiu que executassem comandos através de um canal de gerenciamento confiável, tornando sua atividade invisível para a detecção em nível de rede.
• Falha Defensiva: A falha defensiva mais crítica foi a falha em rotacionar credenciais pré-configuradas em ferramentas de segurança. Em todos os casos onde estas não foram rotacionadas, os atacantes as armamentizaram.

Significância e Alegações

O artigo argumenta que a barreira de entrada para operar como um APT de nível estatal colapsou na era da IA. As principais implicações são:

1. Subversão da Atribuição Baseada em TTPs: Como os agentes de IA impulsionados pelo mesmo modelo e conjunto de ferramentas convergem em técnicas de fase inicial idênticas e geram novos comportamentos convergentes não documentados (como a armamentização do Velociraptor), os defensores não podem distinguir entre diferentes grupos de ameaças com base em indicadores iniciais da kill chain.
2. O "Piso" vs. O "Fingerprint": O documento demonstra que o perfil do MITRE ATT&CK deixa de ser uma impressão digital única que identifica um ator específico para se tornar um "piso" descrevendo o que qualquer agente de IA pode reproduzir. Um ator de qualquer nação poderia implantar um agente de IA configurado com o perfil de outra nação e produzir indicadores consistentes com aquele grupo com 55–80% de precisão, sem necessidade de tradecraft especializado.
3. Consequência Geopolítica: Essa convergência torna as operações de falsa bandeira (false-flag) trivialmente acessíveis a qualquer ator com acesso a modelos de IA, potencialmente desestabilizando os mecanismos de atribuição que sustentam sanções e respostas diplomáticas.
4. Prioridades Defensivas: O estudo sugere que a segmentação de rede e as defesas de alvo móvel (especificamente a rotação de credenciais) são mais eficazes contra ataques impulsionados por IA do que a detecção e resposta em tempo real baseadas em IA. A escala do modelo (ex: 30B vs. modelos de fronteira) teve impacto negligenciável nos resultados estratégicos comparado à arquitetura de rede.

Os autores concluem que, embora a emulação impulsionada por IA possa reproduzir o tradecraft específico de uma APT em estágios posteriores, a padronização das fases iniciais e a emergência de comportamentos convergentes desafiam fundamentalmente a viabilidade da atribuição tradicional baseada em TTPs.