Ir para o conteúdo principal
Voltar ao blog

OWASP Top 10 para aplicações de LLM 2026: os 10 riscos explicados

Atualizado em November 19, 20268 minutos de leitura


O OWASP Top 10 para aplicações de LLM é a lista do OWASP GenAI Security Project com os riscos de segurança mais críticos para aplicações baseadas em grandes modelos de linguagem (LLM). A edição de 2026 foi publicada em agosto de 2026 (a sua página de recursos tem a data de 3 de agosto) e anunciada a 1 de setembro de 2026. Este guia apresenta os dez itens com os respetivos IDs oficiais, explica cada um de forma breve, indica um controlo prático por item e resume o que mudou face a 2025.

A carta de abertura dos responsáveis do projeto define o tom: «Deixe de tentar construir um modelo que não possa ser enganado. Construa o sistema à volta dele, para que, quando o modelo for enganado, e vai sê-lo, nada de importante se parta.»

Como foi construída a lista de 2026

As edições anteriores assentavam no critério de profissionais do setor. Para 2026, a OWASP também confrontou a votação da comunidade com um corpus de 7714 incidentes reais, provenientes de bases de dados públicas de vulnerabilidades e de uma base de dados de danos causados por IA, 6639 dos quais tinham detalhe suficiente para serem classificados. A votação vale três quartos do peso e os dados de incidentes um quarto. As duas fontes nem sempre concordaram: ordenada pelo número bruto de incidentes, a injeção de prompt sai do top 10, algo que a OWASP atribui a um «efeito de defesa», já que as equipas a combatem com afinco e chegam menos explorações limpas às bases de dados públicas. O item Misinformation fez o percurso inverso: os votantes colocaram-no perto do fundo, o registo de incidentes perto do topo, e os dados fizeram-no subir para o sétimo lugar.

A lista de 2026 em resumo

Item de 2026Posição em 2025
LLM01:2026 Prompt Injection1
LLM02:2026 Sensitive Information Disclosure2
LLM03:2026 Excessive Agency6
LLM04:2026 Supply Chain3
LLM05:2026 Data and Model Poisoning4
LLM06:2026 Unbounded Consumption10
LLM07:2026 Misinformation9
LLM08:2026 Hidden Context Exposure7 (como System Prompt Leakage)
LLM09:2026 Vector and Embedding Weaknesses8
LLM10:2026 Improper Output Handling5

As posições de 2025 vêm da lista de 2025 da OWASP.

LLM01:2026 Prompt Injection (injeção de prompt)

Uma entrada que altera o comportamento do modelo de formas que o programador não pretendia, quer venha de um utilizador, de um documento, do resultado de uma ferramenta, de uma imagem ou da memória. O item abrange agora ataques intermodais, que escondem instruções em imagens ou áudio. Controlo: mantenha as credenciais e as ações que alteram o estado no código da aplicação e dê ao modelo o privilégio mínimo em cada operação. O nosso guia sobre a injeção de prompt aborda este item em profundidade.

LLM02:2026 Sensitive Information Disclosure (divulgação de informações sensíveis)

Fugas de dados confidenciais ou regulados por qualquer canal: a resposta, os argumentos das chamadas de ferramentas, os rastos de raciocínio, os chunks recuperados, os registos ou os embeddings. A OWASP aponta a partilha excessiva a montante, como unidades partilhadas sem limites de acesso que alimentam um índice de geração aumentada por recuperação (RAG), como uma das duas falhas por trás da maioria dos incidentes. Controlo: autorize antes de recuperar, aplicando o controlo de acesso ao nível do documento e do chunk dentro da própria consulta ao índice.

LLM03:2026 Excessive Agency (agência excessiva)

Ações danosas executadas em resposta a saídas do modelo inesperadas, ambíguas ou manipuladas. As causas de fundo são funcionalidades, permissões ou autonomia em excesso. Em sistemas agênticos, diz a OWASP, pode manifestar-se como uso indevido de ferramentas, abuso de identidade e privilégios ou falhas em cascata. Controlo: reduza ao mínimo as ferramentas e as respetivas permissões (uma ferramenta que resume e-mails só precisa de ler o correio) e exija aprovação humana para ações de alto impacto.

LLM04:2026 Supply Chain (cadeia de abastecimento)

Riscos em modelos, conjuntos de dados e adaptadores de terceiros, como o LoRA, em pipelines de conversão e em pacotes, incluindo o «slopsquatting», em que os atacantes registam nomes de pacotes que os assistentes de programação alucinam. Controlo: fixe os artefactos de modelo por um digest imutável em vez de uma tag mutável, verifique as assinaturas e confirme que as dependências sugeridas pela IA existem antes de as instalar.

LLM05:2026 Data and Model Poisoning (envenenamento de dados e de modelos)

Dados ou artefactos de modelo manipulados que introduzem backdoors ou enviesamentos durante o pré-treino, o fine-tuning, a geração de embeddings ou a distribuição. O envenenamento pode sair barato: Souly et al. (2025) concluíram que 250 documentos envenenados comprometeram modelos de 600 milhões a 13 mil milhões de parâmetros, independentemente da dimensão do conjunto de dados. Controlo: registe a linhagem dos dados e dos modelos, aplique controlo de versões aos seus conjuntos de dados e trate os chat templates, as configurações do tokenizador e os adaptadores como código que tem de ser assinado e verificado.

LLM06:2026 Unbounded Consumption (consumo ilimitado)

Inferência sem controlo que provoca indisponibilidade, custos descontrolados («denial of wallet») ou roubo de modelos por extração. Os modelos de raciocínio, as entradas multimodais e os ciclos de chamadas de ferramentas dos agentes agravam o problema. Controlo: limites rígidos de gastos que interrompem a inferência, além de disjuntores (circuit breakers) para agentes, com limites de passos, de recursão, de tempo e de custo por execução.

LLM07:2026 Misinformation (informação incorreta)

Saídas incorretas ou sem fundamento que parecem suficientemente credíveis para que alguém aja com base nelas. Em sistemas agênticos, uma resposta errada torna-se uma ação errada, como um agente que comunica que uma cópia de segurança foi feita quando nunca o foi. Controlo: um padrão de afirmar, verificar e agir (claim-check-act) que separa a geração da execução e verifica as afirmações e as pré-condições antes de agir.

LLM08:2026 Hidden Context Exposure (exposição do contexto oculto)

Extração ou reconstrução do contexto oculto: prompts de sistema, instruções do programador, texto de políticas recuperado e esquemas de ferramentas. A OWASP aconselha a partir do princípio de que o contexto oculto pode ser descoberto. Controlo: mantenha fora dele as credenciais e os segredos, e aplique a autorização em código determinístico, fora do modelo.

LLM09:2026 Vector and Embedding Weaknesses (fragilidades de vetores e embeddings)

Ataques à camada de embeddings que suporta o RAG, a memória dos agentes e as caches semânticas. Nas palavras da OWASP, «o envenenamento torna o sistema errado, a inversão fá-lo divulgar dados, o jamming torna-o mudo e a falha do controlo de acesso torna-o indiscriminado». Controlo: aplique a separação por inquilino (tenant) dentro da consulta ao índice, e não como filtro posterior à recuperação, e mantenha conteúdos com níveis de confiança diferentes em índices separados.

LLM10:2026 Improper Output Handling (gestão inadequada da saída)

Passar a saída do modelo para os sistemas a jusante sem validação, o que pode levar a XSS, injeção de SQL, SSRF ou execução remota de código. O item abrange agora também o código inseguro que os assistentes geram em grande escala. Controlo: trate a saída do modelo como uma entrada do utilizador: codifique-a para o contexto em que é usada, use consultas parametrizadas e desative a apresentação automática de imagens Markdown e de pré-visualizações de links.

O que mudou face à edição de 2025

A OWASP diz que a ordem «mudou mais do que em anos anteriores». As principais alterações:

  • Excessive Agency subiu do sexto para o terceiro lugar, aquilo a que a OWASP chama «a mudança com mais consequências da lista».
  • Unbounded Consumption subiu quatro posições, e Improper Output Handling foi o que mais desceu, do quinto para o décimo lugar.
  • Prompt Injection e Sensitive Information Disclosure mantiveram os dois primeiros lugares.
  • System Prompt Leakage passou a Hidden Context Exposure, um item mais amplo.
  • Os itens existentes absorveram riscos mais recentes, em vez de se acrescentarem novas categorias: injeção intermodal, artefactos de modelo que não são o que dizem ser, subversão do fine-tuning e código gerado inseguro.
  • Os mapeamentos para referenciais (NIST, MITRE ATLAS, CWE e outros) passaram para um único apêndice.

A OWASP traça também uma fronteira mais clara. Esta lista trata o modelo como um componente da sua aplicação. Quando o modelo se torna um ator, com ferramentas, memória e consequências a jusante, a OWASP recomenda combiná-la com o OWASP Top 10 para aplicações agênticas, que o nosso guia sobre como proteger agentes de IA explica passo a passo.

Como usar a lista na sua equipa

O conselho da OWASP é «trabalhar os dez, começando pelo topo». Na prática:

  • Percorra os dez itens quando conceber ou rever uma funcionalidade de LLM e anote onde está exposta.
  • Transforme cada controlo num ticket com um responsável e volte a testar depois das correções.
  • Etiquete as descobertas com os IDs dos itens, para que programadores, engenheiros de segurança e product owners partilhem o mesmo vocabulário.
  • Teste apenas sistemas que lhe pertençam ou que tenha autorização por escrito para testar, e confirme que os termos do fornecedor do seu modelo permitem testes de segurança.

O projeto final do curso ao seu ritmo Segurança de IA: proteger aplicações de LLM e agentes de IA, «Atacar, corrigir e voltar a testar um agente de IA», termina com um relatório de segurança que associa cada descoberta às listas OWASP.

Próximos passos

Comece pelo item do topo: o nosso guia sobre o que é a injeção de prompt explica os ataques diretos e indiretos e as defesas em camadas. Se a sua aplicação recupera documentos, preste especial atenção ao LLM02 e ao LLM09, que tratam das permissões de recuperação e da camada de embeddings; AI Engineer: introdução a RAG e busca é um curso ao seu ritmo relacionado.

Uma forma estruturada de desenvolver estas competências é o curso Segurança de IA: proteger aplicações de LLM e agentes de IA: ao seu ritmo, de nível intermédio e com 40 horas de duração, para programadores, engenheiros de IA e profissionais de segurança que criam ou testam funcionalidades de IA.

Aprenda competências tecnológicas online com a Code Labs Academy

Aprenda competências tecnológicas online com a Code Labs Academy

Junte-se à nossa comunidade de apoio e mentoria, desbloqueie o seu potencial e dê o próximo passo numa carreira em tecnologia.

Candidate-se agora

Perguntas frequentes

O que é o OWASP Top 10 para aplicações de LLM 2026?

É a lista do OWASP GenAI Security Project com os dez riscos de segurança mais críticos para aplicações baseadas em grandes modelos de linguagem, publicada em agosto de 2026. Cada item explica o risco, apresenta cenários de ataque e enumera mitigações.

O que está em primeiro lugar no OWASP LLM Top 10 2026?

O LLM01:2026 Prompt Injection (injeção de prompt) está em primeiro lugar, tal como em 2025. Sensitive Information Disclosure (divulgação de informações sensíveis) mantém-se em segundo, e Excessive Agency (agência excessiva) sobe para terceiro.

O que mudou face ao OWASP LLM Top 10 de 2025?

A ordem mudou mais do que em edições anteriores: Excessive Agency subiu do sexto para o terceiro lugar, Unbounded Consumption subiu quatro posições e Improper Output Handling desceu do quinto para o décimo. System Prompt Leakage passou a chamar-se Hidden Context Exposure e, pela primeira vez, a classificação também teve em conta dados de incidentes reais.

O que aconteceu ao System Prompt Leakage em 2026?

Foi renomeado e alargado como LLM08:2026 Hidden Context Exposure (exposição do contexto oculto). O item abrange agora qualquer contexto oculto que o modelo consiga ver, incluindo instruções do programador, texto de políticas recuperado e esquemas de ferramentas, e não apenas o prompt de sistema.

Em que é que o LLM Top 10 difere do OWASP Top 10 para aplicações agênticas?

O LLM Top 10 trata o modelo como um componente dentro da sua aplicação. Quando o modelo age por conta própria, com ferramentas, memória e efeitos a jusante, a OWASP aconselha a combiná-lo com o Top 10 para aplicações agênticas.

Serviços de carreira

Acompanhamento de carreira personalizado para começar na área de tecnologia. Inclui revisão de currículo, entrevistas simuladas e insights do setor para você apresentar suas novas competências com confiança.

Explorar