
Pesquisadores usam IA para transformar bug antigo do PHP em falha crítica
O bug antigo e o que mudou
O PHP2Shell é uma vulnerabilidade no PHP, linguagem criada em 1994 e muito usada em sites antigos. Segundo a reportagem, a falha que a sustenta foi reportada à PHP Foundation já em 2024. Ela causava um erro de falta de memória (out-of-memory), que normalmente só derruba o programa. Por isso, como outros relatórios de travamento, ficou sem correção, já que muitos não o tratavam como prioridade.
No início deste ano, a empresa de segurança Calif ofereceu uma auditoria independente do PHP, patrocinada pela OpenAI. Em duas semanas, um pesquisador da Calif, com ajuda de ferramentas de IA, descobriu como usar esse erro para executar código arbitrário no servidor, o que permitiria instalar malware ou ler dados críticos. A partir daí, o problema deixou de ser um bug menor e passou a ser tratado como vulnerabilidade crítica. A Wiz confirmou e ampliou as falhas. Segundo a matéria, a vulnerabilidade atingia sites como os da NASA, da Wikipédia e da Casa Branca, além de outros que rodam WordPress ou Drupal, e não há registro de exploração maliciosa, pois a falha foi reportada e corrigida antes disso.
Como a IA entrou no processo
O professor Suman Jana, da Universidade Columbia, afirma que a exploração exige raciocínio muito específico: descobrir como saltar para um ponto determinado da memória e quais bits sobrescrever, e em que ordem, para ganhar controle do sistema. Segundo ele, a IA se saiu bem nessa tarefa. Jana ressalta, porém, que a IA não faz tudo sozinha, pois os pesquisadores envolvidos já tinham profundo conhecimento de segurança e de PHP. Ele acredita que a tecnologia pode ampliar o alcance dos especialistas mais avançados e permitir que profissionais um pouco menos experientes atuem nesse tipo de trabalho.
Assimetria entre encontrar e corrigir
Depois da divulgação, uma equipe de quatro engenheiros levou dois meses para desenvolver o patch. Para Jana, há uma assimetria fundamental: corrigir exige garantir que todas as partes do ataque foram fechadas e que nenhuma funcionalidade existente quebrou. A matéria aponta que isso pressiona os defensores, sobretudo em projetos de código aberto sem fontes claras de receita, um problema anterior às ferramentas de IA, mas que elas tornam mais urgente.
Jana defende que defensores recebam mais recursos e acesso a modelos avançados de IA para cibersegurança. Ele cita laboratórios que doam parte de seus orçamentos de tokens para estudar esses bugs e afirma que isso deveria acontecer com mais frequência. Ele também considera que ferramentas de verificação formal estão avançando rapidamente para automatizar a correção. Nesse modelo, um LLM gera o patch e outro gera a prova de que ele está correto, mas um verificador de provas, que não é um LLM, confere a demonstração, já que LLMs podem alucinar. Ele espera que, com essa combinação, corrigir vulnerabilidades possa se tornar quase tão automatizável quanto encontrá-las. A reportagem cita um lançamento da Anthropic de 22 de outubro como exemplo desse avanço.
Contraponto
Matthew Green, professor da Johns Hopkins, é menos otimista. Ele acredita que o problema só será tratado com seriedade após um incidente grave, que ele estima poder ocorrer por volta do início de 2027. Enquanto isso, recomenda atualizar softwares sem demora. Jana, por sua vez, afirma que esse não será o último caso e que a diferença estará em quem encontra a falha primeiro.