Malware polimórfico com IA: como o BlackMamba engana antivírus

Pesquisadores da HYAS testaram um keylogger contra uma solução de EDR (Endpoint Detection and Response) considerada líder de mercado. O resultado, repetido várias vezes: zero alertas, zero detecções. O nome do experimento é BlackMamba, e o truque não está em um exploit sofisticado — está em usar inteligência artificial para reescrever o próprio malware toda vez que ele roda.

O que é malware polimórfico

O que torna um malware "polimórfico"?

Malware polimórfico é aquele capaz de alterar seu próprio código a cada execução, mantendo a função maliciosa mas mudando a "assinatura" — o padrão que soluções de antivírus tradicionais usam para reconhecer ameaças conhecidas. O conceito não é novo, mas a IA generativa tornou esse processo muito mais barato e eficaz de produzir.

Como o BlackMamba funciona

O BlackMamba é um executável aparentemente benigno que, ao rodar, faz uma chamada em tempo real à API da OpenAI — um destino de alta reputação, que a maioria dos sistemas de segurança não trata como suspeito. A resposta dessa chamada é código malicioso recém-sintetizado: a funcionalidade de keylogger, gerada na hora, executada diretamente na memória através da função exec() do Python.

Isso significa que o componente malicioso nunca fica salvo em disco como arquivo estático — ele existe só em memória, e é reescrito do zero a cada execução. Como cada versão gerada é sutilmente diferente da anterior, soluções baseadas em assinatura (comparar o arquivo com uma lista de ameaças conhecidas) simplesmente não têm o que comparar.

A estratégia dos pesquisadores teve dois objetivos deliberados:

• Tráfego de rede "limpo": como a comunicação maliciosa se disfarça de chamada normal a uma API popular, ela não aparece como tráfego anômalo para um servidor de comando e controle desconhecido.
• Payload sempre novo: ao gerar código único a cada execução, a IA tenta garantir que soluções de segurança nunca vejam exatamente o mesmo malware duas vezes.

Uma vez ativo, o BlackMamba captura teclas digitadas — incluindo nomes de usuário, senhas e números de cartão de crédito — e envia os dados roubados através do Microsoft Teams, usando um canal controlado pelo atacante como destino de exfiltração.

Por que isso preocupa mais do que malware comum

A defesa tradicional contra malware depende fortemente de reconhecer padrões: hash do arquivo, assinatura de código, comportamento repetido em campanhas anteriores. Um malware que se reescreve a cada execução quebra essa premissa na raiz — cada vítima recebe, na prática, uma variante única.

É a mesma lógica de fundo por trás das ferramentas descritas no post sobre WormGPT e FraudGPT: a IA não cria uma categoria de ataque totalmente nova, ela reduz drasticamente o custo e a habilidade técnica necessária para executar um ataque que antes exigia um desenvolvedor de malware experiente.

Como a defesa está respondendo

• Detecção comportamental em vez de assinatura — soluções modernas de EDR observam o que um processo faz (chamadas de API, acesso a teclado, tentativas de exfiltração), não só como o arquivo se parece.
• Monitoramento de tráfego para APIs de IA — chamadas incomuns a serviços como OpenAI a partir de processos que normalmente não deveriam fazê-las passam a ser sinal de alerta.
• Restrição de execução dinâmica de código — políticas que limitam o uso de funções como exec() em ambientes corporativos sensíveis.
• Segmentação de rede e privilégio mínimo — mesmo que o malware escape da detecção inicial, limitar o que um processo comprometido pode acessar reduz o estrago.

O uso de canais legítimos como Microsoft Teams para exfiltração de dados também reforça a importância de monitorar comportamento anômalo mesmo em ferramentas corporativas confiáveis — volume de tráfego, destino incomum, horário fora do padrão.

O outro lado da mesma tecnologia

É irônico que a defesa mais eficaz contra malware gerado por IA também venha de IA: sistemas de detecção comportamental em SOCs modernos usam machine learning justamente para identificar o tipo de anomalia que o BlackMamba tenta esconder — chamada incomum a API externa, execução dinâmica de código, processo que nunca se comportou daquele jeito antes. Ataque e defesa correm a mesma corrida armamentista.

Vale lembrar que malware polimórfico não é a única forma de a IA reduzir a barreira técnica do cibercrime. A mesma lógica de "ferramenta que faz o trabalho pesado pelo criminoso" aparece na venda de chatbots sem filtro como WormGPT e FraudGPT, e no phishing gerado automaticamente descrito no post sobre como a IA generativa mudou a qualidade dos e-mails de golpe.

BlackMamba fecha o mesmo ciclo mapeado no guia dos golpes com IA mais comuns no Brasil: ferramentas industriais como essa e o WormGPT abastecem os golpes mais visíveis do dia a dia, do phishing sem erro ao vishing.

Prova de conceito hoje, ameaça real amanhã

O BlackMamba continua sendo uma prova de conceito de pesquisa — não foi encontrado ativamente em campanhas reais no momento da publicação original. Mas a lição estrutural já é válida: a defesa baseada exclusivamente em assinatura estática está com os dias contados. Empresas que ainda dependem só de antivírus tradicional, sem camada de detecção comportamental, estão apostando contra uma tecnologia que só fica mais acessível a cada ano.