No mundo do desenvolvimento de software, há uma regra de ouro: nunca se instala uma biblioteca de código sem verificar a sua origem. Durante décadas, esta regra foi suficiente para manter os programadores relativamente seguros. Hoje, com a chegada das ferramentas de inteligência artificial generativa, essa regra enfrenta um desafio sem precedentes, e o nome desse desafio é slopsquatting.
O problema começa na confiança cega nas respostas da IA
Quando um programador utiliza uma ferramenta de IA como o ChatGPT, o GitHub Copilot ou qualquer assistente de código semelhante, espera receber sugestões fiáveis e precisas. Na maioria das vezes, essa expectativa é satisfeita. No entanto, os modelos de linguagem têm uma falha conhecida: por vezes, “inventam” nomes de bibliotecas de software que simplesmente não existem. A este fenómeno dá-se o nome de alucinação.
Até aqui, o problema parecia apenas uma inconveniência. O programador tentava instalar a biblioteca sugerida, recebia um erro de “pacote não encontrado” e seguia em frente. Mas os atacantes perceberam que este comportamento previsível criava uma janela de oportunidade única.
A armadilha silenciosa: registar o nome antes de qualquer pessoa
O slopsquatting funciona como uma emboscada preparada com antecedência. O processo é mais simples do que parece. Um agente malicioso estuda e regista os nomes de bibliotecas que os modelos de IA tendem a alucinar com mais frequência. De seguida, cria um pacote real com esse nome nos repositórios públicos de software, como o PyPI (usado pela linguagem Python) ou o npm (usado pelo JavaScript). O pacote parece legítimo, tem documentação básica e está disponível para instalação. O seu interior, porém, contém código malicioso.
Quando o programador, confiando na sugestão da IA, executa o comando de instalação sem verificar a fonte, o software malicioso entra diretamente no projeto e, potencialmente, nos sistemas de produção de uma empresa inteira.
Uma analogia para tornar o perigo concreto
Pense na situação da seguinte forma. É como pedir a um assistente de hotel o nome de um bom restaurante local. O assistente, por engano, menciona um nome que não corresponde a nenhum estabelecimento real. Um terceiro que estava a ouvir a conversa aproveita a oportunidade, imprime um menu com esse nome e pendura-o na porta de um local suspeito. Quem segue a recomendação sem verificar acaba por entrar num lugar que nunca foi o pretendido.
No mundo digital, as consequências vão muito além de uma má refeição. Podem incluir o roubo de credenciais, a instalação de ransomware ou a abertura de acessos não autorizados a infraestruturas críticas de empresas e instituições.
Por que razão este ataque é particularmente perigoso agora
Investigadores de cibersegurança que estudaram o comportamento de vários modelos de IA populares concluíram que a taxa de alucinação de nomes de pacotes pode variar entre 5% e 20%, dependendo do modelo e do contexto. Tendo em conta que milhões de programadores em todo o mundo utilizam estas ferramentas diariamente, o volume de oportunidades para este tipo de ataque é enorme e crescente.
A situação é agravada pela velocidade a que os assistentes de IA são adotados em equipas de desenvolvimento. Muitos profissionais, especialmente os mais jovens ou os que trabalham sob pressão de prazos, tendem a copiar e executar os comandos sugeridos pela IA sem uma etapa intermédia de verificação. É precisamente nessa lacuna de atenção que o slopsquatting prospera.
O que os utilizadores e as equipas podem fazer para se proteger
A proteção contra o slopsquatting não exige ferramentas sofisticadas. Exige, antes de tudo, um ajuste nos hábitos de trabalho. Em primeiro lugar, qualquer nome de pacote sugerido por uma ferramenta de IA deve ser verificado manualmente no repositório oficial antes de ser instalado. Esta verificação deve confirmar a data de criação do pacote, o número de descarregamentos e a identidade dos seus criadores.
Em segundo lugar, as equipas de desenvolvimento devem adotar listas de dependências aprovadas internamente, evitando a instalação de pacotes externos não validados. Ferramentas de análise de segurança de cadeia de abastecimento de software, conhecidas como SCA (Software Composition Analysis), podem automatizar parte desta verificação e alertar para pacotes suspeitos antes de chegarem ao código em produção.
Por fim, a literacia digital continua a ser a melhor linha de defesa. Compreender que a IA é uma ferramenta poderosa mas falível, e que as suas sugestões devem ser tratadas como pontos de partida e não como verdades absolutas, é o primeiro passo para usar estas tecnologias de forma mais segura e responsável.
Fonte: Notícia Original
