Especialistas alertam que as vulnerabilidades no ChatGPT, inclusive em versões mais recentes, abrem caminho para vazamento de memórias e dados sensíveis em larga escala
As vulnerabilidades no ChatGPT voltaram ao centro do debate de cibersegurança. Pesquisadores da Tenable divulgaram a descoberta de sete novas vulnerabilidades que, segundo a empresa, permitem desde injeção indireta de prompts até exfiltração de memórias, abrindo brechas para o vazamento de dados privados de usuários. O alerta acende uma luz vermelha para organizações que integram Large Language Models em processos críticos, reforçando a urgência de controles mais robustos.
De acordo com a Tenable, as falhas exploram um comportamento do próprio modelo quando ele interage com conteúdo externo. A manipulação ocorre especialmente quando a ferramenta acessa páginas para resumir textos ou consultar informações em tempo real, cenário no qual um atacante pode inserir instruções maliciosas em uma URL ou no corpo da página.
Em comunicado relatado pela imprensa, a equipe de pesquisa descreve de forma objetiva a janela de exposição: “Segundo a Tenable, a manipulação ocorre quando o ChatGPT acessa URLs contendo prompts maliciosos, o que pode acontecer ao resumir sites ou consultar fontes em tempo real.” O mecanismo transforma conteúdo aparentemente inofensivo em um vetor de ataque, explorando a tendência do modelo de seguir instruções presentes no material consultado.
Como a injeção indireta de prompts vira porta de entrada
Na prática, a injeção indireta de prompts acontece quando instruções maliciosas ficam embutidas em um conteúdo externo, como uma página web ou um documento, e são acionadas quando o ChatGPT tenta ler e resumir aquele conteúdo. Em vez de apenas extrair informações, o modelo pode ser induzido a divulgar dados sensíveis presentes em seu contexto, ou até a realizar ações não previstas, como encaminhar partes de sua memória ou trechos de conversas para destinos controlados por um atacante.
Segundo a Tenable, o problema não é isolado, ele integra um conjunto de sete novas vulnerabilidades que expõem o ecossistema de LLMs a novos vetores de ataque. A empresa afirma ainda que as falhas persistem mesmo nas versões mais recentes do modelo, incluindo o GPT-5, o que amplia a relevância do tema para quem usa ferramentas de IA em rotinas com informações sensíveis.
Esse comportamento cria uma situação de risco conhecida como data exfiltration via LLM, na qual o próprio modelo atua como canal de saída de dados, a partir de instruções que ele entende como válidas por estarem no conteúdo consultado. Em cenários corporativos, o impacto pode incluir exposição de informações confidenciais, violação de políticas internas e descumprimento de regulamentos como a LGPD.
Impacto para empresas e usuários no Brasil
Com a rápida adoção de IA generativa em setores como finanças, saúde, varejo e governo, as vulnerabilidades no ChatGPT ganham peso estratégico. A NetSecurity, que acompanha o caso, destaca que mapear e mitigar falhas em modelos de IA tornou-se parte essencial da governança de riscos, especialmente quando a tecnologia se integra a operações corporativas críticas.
O time de Cyber Threat Intelligence da empresa resume o momento em uma avaliação direta sobre o equilíbrio entre ganhos e riscos: “O avanço dos LLMs traz eficiência, mas também amplia a superfície de ataque. O monitoramento ativo e a detecção de anomalias comportamentais serão diferenciais estratégicos na defesa cibernética moderna”, afirma a equipe. Para organizações brasileiras, a mensagem é clara, é hora de reforçar monitoramento contínuo, telemetria e controles preventivos antes de escalar casos de uso sensíveis.
A descoberta relatada pela Tenable, citada pela TI INSIDE, reforça a necessidade de revisar como as soluções de IA consomem conteúdo externo, principal porta de entrada para prompts maliciosos. A combinação entre busca em tempo real, automações e integração com sistemas internos amplia a superfície de ataque, exigindo governança e observabilidade específicas para LLMs.
Boas práticas para mitigar riscos já
Enquanto a indústria trabalha em correções, empresas e usuários podem adotar medidas práticas para reduzir a exposição. Começa com a redução do escopo de navegação do modelo, priorizando listas de permissão para fontes confiáveis e sandbox para qualquer conteúdo externo. Na sequência, é importante aplicar higienização de conteúdo, filtrando instruções embutidas em páginas e removendo metadados potencialmente perigosos antes de apresentar materiais ao modelo.
Outra camada essencial é a validação de respostas, com políticas de não divulgação de dados sensíveis, e a segmentação de memórias por projeto ou departamento, reduzindo o risco de exfiltração cruzada. Equipes de segurança devem ainda monitorar sinais de anomalia, como respostas que citam informações fora de escopo, picos de chamadas a URLs desconhecidas ou instruções não solicitadas no fluxo conversacional.
Para usuários finais, a recomendação é evitar inserir dados pessoais e informações confidenciais em conversas que possam interagir com conteúdo externo, além de revisar permissões de plugins, integrações e fontes conectadas. Em ambientes regulados, a adoção de políticas claras de uso de IA, somadas a auditorias periódicas, ajuda a prevenir violações e a manter a conformidade com a LGPD.
A descoberta das vulnerabilidades no ChatGPT é um chamado à ação para toda a cadeia, fornecedores, integradores e usuários corporativos. Ao tratar a IA como parte do core de segurança, e não como uma camada isolada, as organizações ficam melhor posicionadas para capturar os benefícios da tecnologia, enquanto reduzem o risco de vazamento de dados por prompts maliciosos e exfiltração de memórias.