A Tempestade de Vulnerabilidades: A IA está encontrando falhas mais rápido do que podemos corrigir

Desse total, 22 falhas foram classificadas como críticas, e mais de 100 atingiram severidade crítica ou alta . A mais perigosa delas é a CVE-2026-10881, uma falha de leitura e gravação fora dos limites na camada gráfica ANGLE, que recebeu uma pontuação CVSS de 9.6. Explorada através de uma página HTML maliciosa, ela poderia permitir que um invasor remoto escapasse da sandbox de segurança do navegador . Muitas das falhas críticas eram do tipo "use-after-free" (uso de memória após liberação), um problema recorrente de segurança de memória em navegadores .

Os engenheiros do Google detectaram cerca de 371 das vulnerabilidades internamente; o restante foi reportado por pesquisadores independentes. Pelas falhas reportadas externamente, a empresa pagou um total de US$209.000 em programas de recompensa por bugs (bug bounty) . O site SecurityWeek observou que o aumento expressivo no número de falhas do Chrome provavelmente foi impulsionado pelo uso crescente de IA na caça a vulnerabilidades — uma mudança que, inclusive, já havia levado o Google a reduzir os valores de suas recompensas em abril de 2026 .

Segundo o Google, nenhuma das vulnerabilidades estava sob exploração ativa no momento da divulgação . Ainda assim, a escala monumental do patch levanta uma questão operacional urgente: será que mesmo as equipes de engenharia mais bem equipadas do mundo conseguem acompanhar um ritmo em que a IA inunda seus rastreadores de bugs com novas descobertas?

21 Falhas Zero-Day no FFmpeg por US$1.000

Quase simultaneamente ao lançamento do Chrome 149, a startup de segurança depthfirst publicou os resultados de uma varredura feita por seu agente de IA de produção contra o FFmpeg, a biblioteca multimídia de código aberto que é o coração do processamento de vídeo em inúmeros aplicativos e dispositivos no mundo todo .

O agente analisou cerca de 1,5 milhão de linhas de código em C e retornou 21 vulnerabilidades zero-day inéditas — bugs que jamais haviam sido divulgados publicamente e que, em vários casos, permaneceram ocultos no código por 15 a 20 anos . A maioria das falhas era do tipo estouro de heap e de pilha, e estava presente em componentes que vão desde o demuxer de TS até o decodificador VP9 .

Um ponto crucial é que o sistema da depthfirst foi além de simplesmente sinalizar código suspeito. Para cada uma das 21 falhas, ele produziu uma prova de conceito (PoC) concreta e reproduzível, confirmando a existência e a explorabilidade do bug . O custo total de computação da operação foi estimado em apenas US$1.000 .

Para fins de comparação, o modelo de IA Mythos, da Anthropic, havia encontrado anteriormente uma falha no codec H.264 do FFmpeg, oculta por 16 anos, com um custo estimado de US$10.000 . A depthfirst apresentou seu resultado como sendo comparável, mas alcançado por um décimo do custo . As implicações são profundas: a descoberta sofisticada de falhas zero-day, antes domínio exclusivo de laboratórios de pesquisa bem financiados e estados-nação, está se aproximando do preço de uma simples conta de computação em nuvem.

A Tendência Mais Ampla: A Descoberta Ultrapassa a Correção

As histórias do Chrome e do FFmpeg não são eventos isolados. Elas se encaixam em um padrão maior que se acelerou durante 2025 e 2026.

O Volume da Descoberta Está Explodindo

O agente Big Sleep, do Projeto Zero do Google, encontrou a primeira falha zero-day em produção atribuída a uma IA — um "stack buffer underflow" no banco de dados SQLite — em novembro de 2024 . De lá para cá, o ritmo só aumentou. No final de 2025, uma análise estática assistida por IA da ZeroPath já havia encontrado sete falhas no FFmpeg . Mais tarde, o modelo Mythos da Anthropic descobriu vulnerabilidades em sistemas como OpenBSD, FreeBSD e Firefox, muitas das quais residiam no código há 16 a 27 anos . Em abril de 2026, o Mythos conseguiu criar exploits para o Firefox 181 vezes, uma melhoria de 90 vezes em relação à geração anterior de modelos .

O próprio patch do Chrome 149 é um reflexo direto dessa nova velocidade. As 429 correções anunciadas em junho de 2026 já haviam superado o número total de patches de segurança do Chrome lançados em todo o ano de 2025, como reportou o SecurityWeek .

A Correção é o Novo Gargalo

Encontrar bugs ficou rápido. Corrigi-los, no entanto, ainda é um processo majoritariamente humano. O Chrome 149 prova que até mesmo o Google, com seus enormes recursos de engenharia e um programa maduro de gestão de vulnerabilidades, pode se ver diante de um backlog gigantesco . Para mantenedores de projetos de código aberto menores, a situação é ainda mais precária. A minúscula equipe central do FFmpeg agora precisa triar, validar e desenvolver patches para vulnerabilidades que são entregues em massa por múltiplas ferramentas de IA — não apenas pela depthfirst, mas também pelo Big Sleep do Google, o Mythos da Anthropic e outros . O projeto FFmpeg já havia manifestado publicamente sua insatisfação com o que considera relatórios de bugs de baixa qualidade gerados por IA, rotulando algumas submissões do Google como "CVE Slop", quando as descobertas envolviam códigos obscuros para videogames de mais de 30 anos .

A Economia Favorece os Atacantes

Um defensor com bons recursos pode agora executar múltiplos modelos de IA contra seu próprio código antes de lançá-lo, e muitos já estão fazendo isso. Mas a mesma lógica econômica se aplica a qualquer pessoa. Um estudo da Universidade de Illinois (UIUC) estimou o custo médio de exploração assistida por IA em US$8,80 por vulnerabilidade usando GPT-4, contra um custo estimado de US$25 por vulnerabilidade para um pesquisador humano qualificado . A operação de US$1.000 da depthfirst no FFmpeg reduziu o custo por falha zero-day para cerca de US$48 — e as melhorias contínuas em hardware e modelos tendem a empurrar esse valor ainda mais para baixo .

Enquanto isso, os defensores continuam presos a processos manuais e demorados de criação de patches e implantação. A assimetria está crescendo a olhos vistos.

O Que as Organizações Devem Fazer Agora

A rápida comoditização da descoberta de vulnerabilidades por IA exige uma resposta prática, e não pânico. As equipes de segurança devem partir do princípio de que agentes maliciosos — estatais ou não — já estão rodando esses modelos contra os softwares dos quais suas organizações dependem.

Algumas medidas práticas incluem:

• Executar agentes de segurança de IA contra o seu próprio código-fonte primeiro, já que a melhor defesa é encontrar e corrigir as falhas mais graves antes que os atacantes o façam.
• Reduzir a latência na aplicação de patches é igualmente crítico. A janela entre a divulgação pública de uma vulnerabilidade e a aplicação do patch se tornou o período mais perigoso na era da IA. Priorize o escaneamento da sua cadeia de fornecimento de software e aplique as atualizações no mesmo dia em que são lançadas.
• Tratar a divulgação de vulnerabilidades como um problema de sobrecarga de informação. A maioria das equipes não tem capacidade para triar uma enxurrada repentina de relatórios gerados por IA. Construir ou adotar fluxos de validação automatizados, que consigam separar o sinal do ruído, logo será um pré-requisito para manter um software seguro.

Uma Virada de Chave Permanente

O "megapatch" do Chrome 149 e a campanha de US$1.000 da depthfirst no FFmpeg não são anomalias. São placas de sinalização. Modelos de IA agora encontram bugs que sobreviveram a décadas de revisão humana e a milhões de testes automatizados de fuzzing — de forma barata e em escala. Como apontou uma nota de pesquisa da Cloud Security Alliance, até mesmo modelos de IA que não são de ponta já conseguem encontrar falhas zero-day .

O gargalo não está mais na descoberta. Está em tudo o que vem depois. Enquanto o lado da correção nessa equação não evoluir — por meio de melhor automação, ciclos de implantação mais rápidos ou novas abordagens arquitetônicas para a segurança de software —, cada novo patch recorde e cada nova descoberta de baixíssimo custo continuarão sendo um aviso que a indústria não pode se dar ao luxo de ignorar.