← Wróć do aktualności
SecurityWeek8 lip 2026 · 2 min czytania

Badacze wskazują lukę prompt injection w agentowych przepływach pracy GitHub

Badacze bezpieczeństwa z Noma Labs zidentyfikowali krytyczną słabość prompt injection w GitHub Agentic Workflows, która może umożliwić nieuwierzytelnionemu atakującemu ujawnienie danych z prywatnych r...

Badacze bezpieczeństwa z Noma Labs zidentyfikowali krytyczną słabość prompt injection w GitHub Agentic Workflows, która może umożliwić nieuwierzytelnionemu atakującemu ujawnienie danych z prywatnych repozytoriów. Problem, nazwany GitLost, pokazuje, w jaki sposób złośliwie spreparowane publiczne zgłoszenie GitHub Issue może wpłynąć na przepływ pracy oparty na AI i skłonić go do wykonania niezamierzonych działań.

GitHub Agentic Workflows umożliwia zespołom definiowanie automatyzacji w formacie markdown, przy czym agent AI interpretuje te instrukcje i wchodzi w interakcję z repozytoriami za pośrednictwem GitHub Actions. Według Noma Labs jeden z testowanych przepływów pracy został skonfigurowany tak, aby reagować na zdarzenia issues.assigned, odczytywać tytuł i treść zgłoszenia oraz publikować odpowiedź. Ponieważ przepływ pracy miał dostęp zarówno do publicznych, jak i prywatnych repozytoriów organizacji, badacze twierdzą, że mógł zostać wykorzystany do pozyskania wrażliwych informacji.

W opisanym przez firmę dowodzie koncepcji atakujący musiał jedynie utworzyć zgłoszenie w publicznym repozytorium i poczekać, aż przepływ pracy je przetworzy. Noma Labs poinformowało, że udało się przygotować wiadomość sprawiającą wrażenie pochodzącej od kierownictwa działu sprzedaży i przekonać agenta do zebrania zawartości plików Readme.md z publicznych i prywatnych repozytoriów, a następnie opublikowania wyników jako publicznego komentarza.

GitHub wdrożył mechanizmy ochronne mające ograniczać ryzyko prompt injection, jednak badacze zgłosili, że podczas testów udało się obejść te zabezpieczenia. Jak podali, zachowanie zostało ostatecznie wywołane po przetestowaniu kilku wariantów, w tym takiego, który dodawał słowo „dodatkowo”.

Dlaczego to odkrycie ma znaczenie

Noma Labs stwierdziło, że luka uwypukla szersze wyzwanie bezpieczeństwa dotyczące agentowych systemów AI: każda treść przetwarzana przez agenta może stać się częścią powierzchni ataku, jeśli zostanie potraktowana jako zaufana instrukcja, a nie niezaufane dane wejściowe. Firma porównała pośrednie prompt injection do SQL injection w tradycyjnych aplikacjach internetowych, argumentując, że wymaga ono wielowarstwowej ochrony, a nie odizolowanych zabezpieczeń.

  • Traktuj wszystkie treści generowane przez użytkowników jako niezaufane dane wejściowe.
  • Ogranicz uprawnienia agenta do niezbędnego minimum.
  • Ogranicz to, co systemy AI mogą publikować publicznie.
  • Oczyszczaj treści przed przekazaniem ich do agentowych przepływów pracy.

Problem został odpowiedzialnie zgłoszony firmie GitHub. Noma Labs stwierdziło, że organizacje korzystające z agentowych przepływów pracy powinny zakładać, iż zgłoszenia, pull requesty, komentarze i pliki repozytoriów mogą zostać zmanipulowane, jeśli są wykorzystywane jako instrukcje dla agentów AI.

Udostępnij ten artykuł:TwitterLinkedIn