Pesquisadores da Tracebit desenvolveram a técnica de “context bombs” para combater a crescente ameaça de agentes de hacking baseados em inteligência artificial. A metodologia consiste em injetar prompts específicos que desativam os mecanismos de segurança dos modelos de linguagem avançados.
A ameaça dos agentes de IA cresce, pois atores maliciosos utilizam esses sistemas para realizar ataques cibernéticos com maior eficácia que atacantes humanos. Segundo o estudo da Tracebit, os profissionais de cibersegurança encontraram uma nova ferramenta: as “context bombs”. Essa técnica emprega uma sequência de injeções de prompt para sobrecarregar os guardrails de segurança dos agentes de IA, interrompendo o ataque.
Os pesquisadores testaram a técnica em cinco dos principais LLMs, incluindo Opus 4.8 e Gemini 3.1 Pro. Os resultados mostraram que a inserção de apenas um contexto bomb reduziu a taxa de sucesso dos agentes de hacking em aproximadamente 90%. Um agente que alcançava acesso administrativo completo em 93% das execuções sem a defesa falhou em todos os testes após a aplicação da técnica.
Em um exemplo de aplicação, os pesquisadores usaram tópicos politicamente sensíveis para neutralizar agentes em modelos chineses. A injeção de referências ao “Tank Man” e aos protestos de Tiananmen Square forçou os agentes a abandonar todos os comandos de ataque. A técnica também funcionou contra modelos ocidentais, utilizando referências a tópicos biológicos sensíveis.
