A IA detecta uma vulnerabilidade na rede Ethereum: é possível derrubar e forçar a saída de validadores do ar

以太坊基金會派出 um conjunto de agentes de IA para identificar uma vulnerabilidade que pode travar o sistema remotamente, suficiente para tirar validadores do ar, e divulgá-la como CVE-2026-34219. Mas a mesma leva de IA também gerou cerca de 1.000 alertas falsos em sequência, destacando que o difícil é distinguir quais são reais.
（前情提要：好險！資安公司發現 Aptos 漏洞：700億美元加密貨幣處系統性風險）
（背景補充：AI 全自動「駭客勒索攻擊」曝光！代號 JadePuffer 專掃加密錢包）

Um conjunto de agentes de IA desenhados pela Fundação Ethereum encontrou, de fato, uma vulnerabilidade que consegue desativar validadores! A Fundação Ethereum fez com que a IA varresse o software executado pelos validadores, mirando a camada de protocolo usada para que clients de consenso (consensus clients, softwares responsáveis por validar blocos e manter o consenso entre nós) na rede Ethereum troquem mensagens entre si. Em outras palavras, trata-se do “bate-papo em sussurros” entre validadores para confirmar que eles veem a mesma cadeia.

Aqui, os agentes de IA detectaram uma falha de crash (travamento) que pode ser acionada remotamente: basta que uma pessoa externa envie uma mensagem de um jeito específico para forçar o software do nó a executar um cálculo “impossível de terminar”; o sistema não suporta, abandona e se desliga sozinho. Com isso, validadores ficam offline e precisam esperar que o operador (quem opera o nó) reinicie manualmente para voltar; nesse período, funções perdidas podem afetar o rendimento e a estabilidade da rede.

No momento, a vulnerabilidade já foi rapidamente corrigida e divulgada como CVE-2026-34219. O problema está na implementação do gossipsub da libp2p em Rust (uma biblioteca de rede de baixo nível que permite que nós diferentes se encontrem, se conectem e transmitam mensagens).

Nikos Baxevanis, autor do texto, escreveu em notas de campo publicadas que encontrar essas falhas exigiu pouco esforço; o que realmente toma tempo é decidir o que é verdadeiro e o que apenas parece.

Alertas falsos de IA embalados em narrativa

Ferramentas tradicionais de fuzzing entregam apenas “um travamento” e “onde ocorreu”, e engenheiros conseguem confirmar em poucos minutos se é real. Já os agentes de IA retornam uma história inteira: eles rastreiam como a vulnerabilidade foi acionada, argumentam por que aquilo importa, atribuem uma pontuação de severidade e ainda incluem um trecho de código de demonstração de ataque que pode ser executado diretamente — tudo embalado em um texto fluente. Assim, vulnerabilidade real e invenção pura ficam quase indistinguíveis na leitura.

A equipe da Fundação Ethereum resumiu três tipos de alertas falsos recorrentes:

• Problemas que só dão crash em builds de teste (checagens de segurança que não vêm em builds oficiais do compilador; usuários reais jamais veriam isso)
• Ataques que só funcionam quando valores perigosos são inseridos manualmente no código (cada caminho que um invasor externo poderia seguir já bloqueia esse valor antes)
• E “provas inválidas” produzidas por verificação formal (formal verification, usando matemática para provar se o comportamento do programa está correto): a prova demonstra uma trivialidade que é obviamente verdadeira, sem trazer nenhuma informação nova para o software.

O problema mais fundamental é que a IA é boa em raciocinar o que aconteceu em um “único instante”, mas fraca para avaliar vulnerabilidades que se montam atravessando vários passos individualmente legítimos; cada etapa sozinha parece correta, mas o erro está na sequência.

Triagem é o produto

A solução proposta pela Fundação Ethereum não é jogar a IA fora, nem aceitar tudo sem filtro: os agentes de IA devem ficar responsáveis por “recomendar” quais sequências de ações valem a pena testar, enquanto a verificação prática continua sendo feita como antes — com testes tradicionais e auditoria manual. A decisão final não é transferida; o papel da IA permanece como ferramenta de busca, e não como substituta do pesquisador humano de segurança.

Parece que, por ora, não é a capacidade de encontrar falhas em pouco tempo que está mais em falta na era da IA; o que falta de verdade é distinguir quais descobertas são reais.