11 publicações marcadas com esta tag.
Uma vulnerabilidade no agente de codificação OpenCode permitia que um servidor MCP malicioso ou comprometido executasse código arbitrário na máquina do desenvolvedor no momento do sign-in, herdando as mesmas permissões do usuário. A falha foi corrigida pela Anomaly na versão 1.18.33.
Fonte ↗Arshan Dabirsiaghi (Pixee) demonstrou que, ao compactar o histórico de conversa para economizar contexto, cinco agentes de codificação populares (pi, opencode, Cline, Aider e OpenHands) achatam mensagens tipadas em uma única string de texto, permitindo que um atacante forje uma aprovação de usuário que sobrevive à compactação como instrução legítima em 87% a 100% dos casos. Quatro agentes que mantêm os papéis das mensagens tipados internamente (Codex, Gemini CLI, Qwen Code e Continue) não foram afetados.
Fonte ↗O Zero-Trust Agent Cells (ZTAC) ataca uma classe inteira de exploits contra agentes de codificação de IA que exploram a confusão entre o nome de um recurso (um caminho, um argumento) e o objeto real a que ele se refere no momento do uso, como symlinks e opções de comando com comportamento inesperado. Em testes contra 74 ataques, incluindo réplicas de 10 incidentes reais já divulgados, um allowlist de ferramentas sozinho falhou em 66 deles e um allowlist combinado com sandbox de comando falhou em 56, enquanto o ZTAC falhou em apenas 2.
Fonte ↗Um estudo identifica, por meio de uma pesquisa com usuários, que menos de 40% de quem usa agentes de codificação de IA os executa em sandbox, e propõe o SideKernel, um sandbox local de código aberto baseado em microVM para macOS, voltado a resolver as barreiras de usabilidade que explicam essa baixa adoção. Em comparação com outras soluções do mercado, SideKernel e o Docker Sandboxes se destacam entre as opções testadas.
Fonte ↗Pesquisadores propõem o Pincer, uma defesa que atua na camada de autorização de recursos para agentes de codificação autônomos, usando um modelo isolado — um "gêmeo digital" do usuário — que aprende continuamente políticas dinâmicas de privilégio mínimo específicas para cada usuário. A proposta busca resolver o desgaste de permissões e a falta de personalização dos classificadores de chamada de ferramenta usados hoje por agentes como Claude e Codex.
Fonte ↗O estudo identifica uma falha de cobertura em interfaces de aprovação de agentes de codificação: o registro de auditoria associa a decisão humana apenas ao comando ou chamada de ferramenta aprovado, mas não aos efeitos transitivos que esse comando executa — como um hook de instalação de pacote que grava arquivos ou uma chamada MCP que exerce autoridade de rede. Em um benchmark de 111 pares de objetos de aprovação e rastro real, vincular metadados no momento da decisão reduziu os registros com efeito não coberto de 40 para 3, e os autores integraram a defesa como hook PreToolUse do Claude Code.
Fonte ↗O GitGuardian State of Secrets Sprawl 2026 mostra que commits identificados como assistidos por IA expõem chaves de API, tokens e credenciais de serviço a uma taxa aproximadamente duas vezes maior que commits escritos por humanos. O motivo estrutural é que agentes de codificação leem arquivos inteiros, chamam APIs e alteram configurações em alta velocidade, multiplicando os pontos onde um segredo pode ser duplicado, colado em um `.env` ou vazado para CI/CD e ferramentas colaborativas.
Fonte ↗A firma Air Security descreveu o Plugin4Shell, uma falha de validação que permite a quem controla o repositório de um plugin substituir, na prática, o código que um agente de codificação de IA instala, mesmo quando esse agente registra o plugin como fixado em um commit específico já revisado. Claude Code e OpenAI Codex já corrigiram o problema, GitHub Copilot ainda não tem correção disponível e o Google recomenda migrar do Gemini CLI para o Antigravity em vez de corrigir a falha.
Fonte ↗Pesquisadores propõem o MAGS, um framework multiagente que traduz código gerado por agentes de IA para Dafny, uma linguagem com verificação formal, a fim de provar matematicamente que certas propriedades de segurança são respeitadas. O sistema atingiu 100% de sucesso na verificação formal contra especificações congeladas em 220 casos testados, mas avaliações independentes revelaram que a garantia formal nem sempre corresponde a segurança ou funcionalidade real quando a formalização não captura todo o comportamento relevante.
Fonte ↗O estudo mostra que a forma como um repositório está organizado — profundidade de diretórios, modularidade do código, onde uma instrução maliciosa é inserida em um arquivo e como o contexto é formulado — afeta diretamente a taxa de sucesso de ataques de prompt injection indireta contra assistentes de codificação agênticos. Repositórios altamente modulares reduzem significativamente essa taxa de sucesso, segundo os testes em dez linguagens e seis domínios de engenharia.
Fonte ↗O artigo introduz a "vulnerabilidade de postura agêntica" (APV), uma abstração de gestão de vulnerabilidades voltada a agentes de codificação de IA que permanecem implantados de forma persistente e acumulam privilégios ao longo de muitas tarefas distintas. Diferente de uma falha de código que um CVE consegue descrever com precisão em uma versão específica de um produto, a APV documenta um descompasso contínuo entre o mandato dado ao agente numa tarefa e a autoridade real que ele mantém entre tarefas, algo que não é corrigido por um patch pontual.
Fonte ↗