Script de antifraude usa nomes alarmantes para confundir ferramentas de IA, aponta análise

Uma rotina JavaScript encontrada durante um levantamento de técnicas de identificação de navegadores chamou atenção por conter referências a ricina, explosivos, fentanil e armas biológicas. A inspeção do código, porém, indica que esses termos fazem parte de uma estratégia para atrapalhar sistemas de inteligência artificial, e não descrevem a função principal do programa.

O pesquisador que publicou a investigação reuniu scripts de mais de 10 mil sites a partir da lista Tranco. Com o Playwright, monitorou chamadas a recursos do navegador, incluindo a extração de imagens de elementos canvas — uma técnica que pode revelar diferenças de renderização entre dispositivos e ajudar a distinguir usuários.

Entre as imagens coletadas, uma composição visual elaborada levou o autor a examinar o arquivo associado, hospedado em servicepipe.tech. No código, encontrou nomes de funções com alusões a substâncias letais e explosivos, além de uma sequência de caracteres Unicode que, após uma transformação simples, revelava instruções falsas para contornar salvaguardas de modelos de IA.

A hipótese de que os nomes e mensagens foram inseridos como uma forma de “anti-LLM” ganhou força quando ferramentas consultadas recusaram a análise do arquivo por causa do conteúdo perigoso. O autor ressalta, contudo, que esse material não deve ser confundido com evidência de que o script esteja produzindo armas biológicas.

A rotina também contém comandos que, em determinadas condições, seriam executados em um ambiente Node.js. Eles tentam ler arquivos de configuração, coletar informações do sistema e da rede, baixar um executável de um endereço IP privado, compactar dados e configurar uma tarefa para iniciar o programa novamente. A análise observa que algumas operações de leitura não fazem nada com o conteúdo obtido e que as instruções incluem mensagens de jailbreak, o que dificulta separar comportamento efetivo de encenação destinada a confundir análises automatizadas.

Na parte voltada ao navegador, o código coleta sinais típicos de sistemas anti-bot: agente do usuário, suporte a recursos como OffscreenCanvas, quantidade de núcleos e memória, idioma, plataforma, indicador de automação e características da placa gráfica obtidas via WebGL. Em outras palavras, essa é a função que a investigação identifica como central: avaliar o ambiente do visitante para ajudar a classificar tráfego.

O autor relaciona o domínio a servicepipe.ru, cujo site descreve serviços de controle de tráfego e proteção contra ataques DDoS, bots e ameaças direcionadas. Essa associação, baseada em semelhança de nomes e consulta a dados públicos, não prova por si só quem criou ou opera o script.

A conclusão é mais prosaica — e ainda assim merece cautela: o código parece combinar fingerprinting e mecanismos anti-bot com elementos possivelmente maliciosos ou deliberadamente enganosos em ambientes Node.js. A investigação não demonstra que ele tenha criado bioweapons; mostra, sobretudo, como referências extremas podem ser usadas para confundir modelos e analistas, enquanto a coleta de dados e as tentativas de execução justificam uma avaliação de segurança cuidadosa.