O ponto cego da IA no Linux: 7 pontos de exfiltração que seu DLP não vê

Uma em cada cinco violações de dados agora envolve IA sombra. Para a maioria das organizações, o maior risco está nos endpoints Linux (onde 78,5% dos desenvolvedores trabalham), que carecem de aplicação de políticas de DLP. Os engenheiros podem colar código livremente em ferramentas de chat de IA, sincronizar modelos proprietários com armazenamento em nuvem pessoal e transferir arquivos por meio de dispositivos removíveis.

Isso acontece porque as soluções de DLP tradicionais foram criadas para gateways de e-mail e redes Windows. As estações de trabalho de engenharia, onde os dados se movem por meio de ferramentas de IA, compartilhamentos de rede e dispositivos conectados, nunca fizeram parte do modelo de ameaças original. Hoje, 69% das organizações têm evidências de uso não autorizado de ferramentas de GenAI, muitas vezes sem visibilidade de DLP nos endpoints macOS e Linux.

De acordo com o Relatório de Custo de uma Violação de Dados 2026 da IBM, 97% das organizações afetadas por violações relacionadas à IA não tinham controles de acesso adequados. As estruturas HIPAA, PCI DSS, GDPR e CMMC responsabilizam as organizações por dados sensíveis, incluindo dados movidos para ferramentas de IA de terceiros. Essa aplicação é exigida por lei.

De acordo com NIST SP 800-53 (MP-7), ISO 27001, PCI DSS e a Regra de Segurança da HIPAA, as organizações são formalmente obrigadas a gerenciar, restringir ou verificar mídias removíveis. No entanto, apesar desses mandatos regulatórios, a maioria das organizações tem controles mínimos nos endpoints Linux. Uma violação no setor de serviços financeiros expôs mais de 300.000 registros de clientes por meio de um pen drive pessoal infectado, e um funcionário de uma empresa contratada de defesa transferiu mais de 3.600 arquivos proprietários para dispositivos de armazenamento pessoais.

O Netwrix Endpoint Protector oferece controle granular de dispositivos em mais de 20 tipos de dispositivos no Linux. A aplicação de políticas bloqueia ou audita transferências em tempo real, com políticas que permitem transferências legítimas enquanto bloqueiam as não autorizadas com base na classificação de dados. A ação é registrada, bloqueada ou corrigida de acordo com a política. Esse recurso oferece controle consistente entre Windows, macOS e Linux a partir de um único painel.

Os controles de Bluetooth raramente fazem parte das estratégias de DLP no Linux. Presume-se que o Bluetooth seja de baixo risco, pessoal, ou «problema de outra pessoa.» Mas o MITRE ATT&CK classifica a exfiltração por Bluetooth como T1011.001, uma técnica que contorna completamente firewalls, proxies e ferramentas de DLP.

O tráfego Bluetooth nunca passa pelas interfaces de rede nem pelos pontos de inspeção do DLP. Agentes de ameaças avançados, incluindo Flame (2012) e ScarCruft (2019), já transformaram o Bluetooth em uma arma para roubo de dados. Sem controles no nível do endpoint, esse vetor de exfiltração geralmente permanece sem monitoramento.

O DLP tradicional monitora e-mails e uploads na web, mas a atividade de sincronização em nuvem muitas vezes escapa totalmente dele. Máquinas Linux podem ter agentes de sincronização em nuvem instalados, e ferramentas como Dropbox, Nextcloud, ownCloud, FileZilla e SFTP costumam ser usadas sem supervisão organizacional. A sincronização acontece em segundo plano, arquivo por arquivo, sem a visibilidade que os gateways de e-mail oferecem.

O MITRE ATT&CK classifica isso como T1567.002 (Exfiltração para Armazenamento em Nuvem), uma técnica que os adversários exploram porque os serviços em nuvem fornecem cobertura quando as organizações já se comunicam com eles. Pesquisas da Cyberhaven confirmam que o upload para armazenamento em nuvem pessoal é uma das formas mais comuns de dados sensíveis deixarem as organizações. Uma vez que os dados estão em uma conta pessoal na nuvem, a organização não tem controle sobre seu movimento ou persistência.

O GitHub relatou 39 milhões de segredos vazados em 2024, com 28,65 milhões de novos segredos fixos no código adicionados a repositórios públicos somente em 2025, representando um aumento de 34% em relação ao ano anterior. Segundo pesquisa publicada pela ESEM, até 30% dos projetos estão em risco devido a credenciais fixas no código. Credenciais fixas no código continuam sendo uma das causas mais comuns de violações de dados.

Essas credenciais raramente desaparecem por conta própria. Mesmo quando excluídas dos repositórios, os segredos permanecem indefinidamente no histórico do Git. Uma vez expostas, os atacantes usam essas credenciais para provisionar infraestrutura, acessar bancos de dados e comprometer sistemas. Sem descoberta de dados sensíveis no endpoint e monitoramento de inspeção de conteúdo, esses ativos permanecem invisíveis para as equipes de segurança até que os atacantes os explorem.

SSH e SCP criptografam seus canais, o que torna esse caminho de exfiltração ainda mais difícil de detectar no nível de rede. Em uma violação no setor de manufatura em 2025, os atacantes usaram SCP pela porta 443 para exfiltrar projetos proprietários e dados de clientes. Essa técnica permitiu que o atacante movesse gigabytes de propriedade intelectual sem ser detectado. Uma vez que os dados são transferidos de um compartilhamento centralizado para uma estação de trabalho individual, seja via NFS, rsync ou SCP, eles se tornam descentralizados e mais difíceis de monitorar. Alguém pode sincronizá-los com armazenamento em nuvem pessoal, ou os dados podem deixar a organização quando essa pessoa sair.

Os LLMs podem memorizar dados de treinamento, incluindo informações pessoalmente identificáveis e sensíveis, que os atacantes podem extrair por meio de consultas direcionadas. Esse risco já se materializou em código gerado por ferramentas como o ChatGPT. Em 2023, engenheiros da Samsung inadvertidamente vazaram código-fonte confidencial e notas de reuniões internas por meio de três incidentes separados com o ChatGPT, e os dados enviados foram retidos pela OpenAI para treinamento de modelos, fora do controle da Samsung.

Esse risco vai além do que qualquer empresa isolada consegue conter. Um pesquisador de segurança descobriu mais de 143.000 conversas de usuários com Claude, Copilot e ChatGPT publicamente acessíveis no Archive.org. Pesquisas da Harmonic Security descobriram que a versão gratuita do ChatGPT foi a fonte de uma exposição significativa de dados sensíveis, com cerca de um quarto dos prompts sensíveis enviados por meio de contas gratuitas do ChatGPT. Uma vez que os dados entram em um sistema de IA não gerenciado, as organizações perdem o controle sobre sua persistência e acesso.

A maioria das organizações tem DLP no Windows, já que essa é a base, mas essa proteção geralmente para nos endpoints Linux, onde 78,5% dos desenvolvedores trabalham. Esse é o mesmo problema arquitetônico abordado anteriormente: o DLP nunca foi criado pensando em estações de trabalho de engenharia, então uploads para o ChatGPT, transferências USB, sincronizações em nuvem e atividades de compartilhamento de rede se movem por endpoints Linux sem inspeção.

• Baixe o e-book: Por que os endpoints Linux são o marco zero do risco de dados de IA
• Assista ao webinar: Como os ambientes de desenvolvimento de IA no Linux quebram as estratégias de DLP
• Obtenha a ficha técnica: Netwrix Endpoint Protector para Linux