Hackers estão usando LLMs para criar ataques de phishing de nova geração

Especialistas em cibersegurança alertam que hackers estão aproveitando modelos de linguagem grandes (LLMs) para criar ataques de phishing sofisticados. Essas ferramentas de IA permitem a geração de páginas de phishing no local, potencialmente tornando as fraudes mais dinâmicas e difíceis de detectar. A tendência destaca ameaças em evolução na segurança digital.

Num artigo recente publicado pela TechRadar em 26 de janeiro de 2026, é destacado o uso de modelos de linguagem grandes (LLMs) por hackers para desenvolver técnicas avançadas de phishing. O artigo, intitulado 'Hackers estão usando LLMs para construir a próxima geração de ataques de phishing - eis o que deve estar atento', explora como estes sistemas de IA podem automatizar e personalizar esforços de phishing em tempo real. A descrição levanta uma questão chave: 'E se uma página de phishing fosse gerada no local?'. Isto sugere uma mudança de sites de phishing estáticos para dinâmicos, que se podem adaptar a inputs ou contextos do utilizador, aumentando a sua eficácia. Embora o excerto disponível não detalhe exemplos específicos ou defesas, o artigo visa informar os leitores sobre a vigilância contra tais ameaças emergentes. À medida que os LLMs se tornam mais acessíveis, as medidas de cibersegurança devem evoluir para contrariar ataques assistidos por IA, enfatizando a consciencialização do utilizador e ferramentas de deteção robustas.

Artigos relacionados

Pesquisadores de cibersegurança identificaram um site fraudulento que imita a popular ferramenta de IA Claude e instala malware de backdoor nos visitantes. A descoberta destaca como cibercriminosos estão lucrando com o interesse crescente em plataformas de inteligência artificial.

Reportado por IA

Trabalhadores remunerados para treinar modelos avançados de IA estão recorrendo cada vez mais a chatbots como o ChatGPT para gerar as conversas e testes necessários. Esse atalho, descrito como difundido por diversas fontes, corre o risco de degradar a qualidade de futuros modelos por meio do treinamento recursivo em dados sintéticos.

Este site usa cookies

Usamos cookies para análise para melhorar nosso site. Leia nossa política de privacidade para mais informações.
Recusar