Os autores propõem co-treinar, via aprendizado por reforço, populações de agentes atacantes e defensores de código: o atacante só é recompensado se seu patch malicioso se aplica, compila, passa nos testes e reproduz um exploit real em um container isolado, enquanto o defensor aprende a identificar essas mudanças. O algoritmo resultante, PRPO, produz um revisor de 7B parâmetros que supera um revisor frontier (Claude Opus 4.8) em 15,8 pontos na aplicação usada no treino, e, aplicado sem alterações à defesa de jailbreak, reduz a taxa de sucesso de ataque de 36% para 4,6%.
Fonte ↗Pesquisadores propõem o AgentSecGraph, um framework de análise estática que avalia o contexto de risco de operações sensíveis em agentes LLM (execução de comandos, acesso a arquivos, rede, navegador), em vez de apenas identificar a operação em si. Usando um corpus de 67 repositórios reais com mais de 37 mil arquivos, a ferramenta mapeou quase 24 mil candidatos a operações sensíveis e confirmou pelo menos uma vulnerabilidade real. Em testes comparativos, a abordagem reteve 91,1% do contexto de referência, contra 20% de uma visão baseada apenas em sinks.
Fonte ↗Pesquisadores testaram Claude Fable 5, Opus 4.8 e Opus 5 em quatro tarefas de código real (CLI S3, serviço de autenticação, módulo Terraform de RDS e upload de arquivos com dados pessoais), comparando prompts neutros com prompts que apenas citam "SOC 2". Sem menção ao padrão, o código gerado teve conformidade entre 47% e 88% e chegou a conter vulnerabilidades reais e exploráveis, incluindo um debugger Werkzeug exposto permitindo execução remota de código; uma única frase citando SOC 2 elevou a conformidade para 86-100% e eliminou essas falhas.
Fonte ↗