← Wróć do aktualności
The Hacker News7 lip 2026 · 2 min czytania

Demonstracja z użyciem publicznego zgłoszenia GitHub pokazuje ryzyko ujawnienia prywatnych danych w przepływach pracy agentów AI

Badacze z Noma Security twierdzą, że publiczne zgłoszenie GitHub może zostać wykorzystane do zmanipulowania agentowych przepływów pracy GitHub w celu ujawnienia danych z prywatnych repozytoriów, co uw...

Badacze z Noma Security twierdzą, że publiczne zgłoszenie GitHub może zostać wykorzystane do zmanipulowania agentowych przepływów pracy GitHub w celu ujawnienia danych z prywatnych repozytoriów, co uwypukla nową klasę zagrożeń związanych z narzędziami programistycznymi opartymi na AI.

Atak, który Noma nazwała GitLost, nie wymaga skradzionych poświadczeń ani dostępu do wewnętrznych systemów organizacji. Zamiast tego atakujący może utworzyć zwyczajnie wyglądające zgłoszenie w publicznym repozytorium i umieścić w nim instrukcje zaprojektowane tak, aby wpłynąć na obsługującego je agenta AI. Jeśli organizacja przyznała temu agentowi dostęp do odczytu wielu repozytoriów, w tym prywatnych, przepływ pracy może pobrać poufną zawartość i umieścić ją w publicznej odpowiedzi.

Agentowe przepływy pracy GitHub, obecnie dostępne w publicznej wersji zapoznawczej, pozwalają zespołom definiować automatyzację w języku naturalnym. Agent może czytać zgłoszenia i pull requesty, uruchamiać narzędzia oraz odpowiadać automatycznie. Może być również oparty na systemach takich jak GitHub Copilot, Anthropic Claude, Google Gemini lub OpenAI Codex. Domyślnie funkcja działa w trybie tylko do odczytu, ale organizacje mogą rozszerzyć jej uprawnienia za pomocą tokenów obejmujących kilka repozytoriów.

Według Noma słabość ta stanowi formę pośredniego wstrzyknięcia promptu: model może traktować tekst napisany przez atakującego jako instrukcje, a nie niezaufane dane. W ramach proof of concept przepływ pracy reagujący na przypisane zgłoszenia został nakłoniony do odczytania pliku README z prywatnego repozytorium i opublikowania go. Badacze stwierdzili, że w ich teście nawet niewielka zmiana sformułowania wystarczyła, aby ominąć wbudowane mechanizmy bezpieczeństwa produktu.

GitHub ostrzegał już, że agenci AI mogą być poddawani wpływowi złośliwej zawartości i skompromitowanych narzędzi, a jego platforma obejmuje mechanizmy sandboxingu, oczyszczania danych wejściowych oraz skanowania danych wyjściowych przed publikacją postów. Badacze twierdzą jednak, że szerszy problem ma charakter strukturalny, gdy agent może odczytywać prywatne dane, przetwarzać niezaufany tekst publiczny i publikować wyniki.

Dlaczego to ważne

  • Organizacje korzystające z szerokiego dostępu do odczytu obejmującego całe repozytoria są najbardziej narażone.
  • Potencjalne wycieki mogą obejmować kod źródłowy, dokumenty wewnętrzne, klucze lub sekrety CI/CD.
  • Eksperci ds. bezpieczeństwa zalecają wąskie określanie zakresu tokenów, ograniczanie osób mogących uruchamiać przepływy pracy oraz wymaganie weryfikacji przez człowieka w przypadku wyników przeznaczonych do publikacji.

Noma ujawniła problem GitHubowi i opublikowała swoje ustalenia za wiedzą firmy. Przypadek ten dołącza do rosnącej listy podobnych demonstracji wstrzykiwania promptów w narzędziach do programowania z AI i narzędziach zintegrowanych z GitHubem.

Udostępnij ten artykuł:TwitterLinkedIn