Carregando catálogo
Início//Endurecimento de pipeline CI/CD com agente de código: pacote de 6 arquivos contra RCE por input não confiável (trust de workspace, allowlist de ferramentas e prompt injection)
Segurançapacote verificado
Preferências de privacidade
Usamos cookies essenciais para autenticação, sessão e funcionamento da plataforma. Com seu consentimento, também usamos cookies analíticos para melhorar a experiência. Veja nossa Política de Privacidade para detalhes.
Testado em:
taxonomy / tags
product / specification
Agentes de IA de código (Gemini CLI, Claude Code, Codex, agentes internos) já rodam em pipelines: revisam PRs, triam issues, comentam diffs. Têm acesso a shell, a arquivos do repositório e, quase sempre, a alguma credencial. Quando o pipeline é disparado por conteúdo que o atacante controla — um fork, um corpo de issue, um .env no diff, um artefato de build — três falhas se encadeiam:
run_shell_command(echo)) deixa de ser avaliada num modo do tipo --yolo e vira shell livre.O resultado é uma classe de falha publicamente documentada em ferramentas de agente em CI: RCE com as credenciais do job, a partir de uma contribuição de rotina.
Este NÃO é um prompt solto. É um pacote operacional, no formato que um engenheiro de IA usa para levar um agente a alta precisão numa tarefa real:
buyer / evidence
Nenhuma avaliação ainda. Compre e seja o primeiro a avaliar!
01-prompt-principal.md02-regras-e-restricoes.md — 32 guardrails numerados e imperativos: o que o modelo NUNCA pode fazer (inventar CVE, usar linguagem absoluta, tratar texto de prompt como controle de segurança), casos de borda, precedência de informação e o formato de erro STATUS: NAO_ENTREGUE.03-contexto-e-exemplos.md — glossário, premissas de ambiente, critérios de qualidade e 3 exemplos completos de input → output, incluindo um caso difícil (só OIDC curto + exigência de auto-merge) e um adversarial (input com injeção dirigida ao modelo — e a resposta correta, que ignora, registra e ainda entrega a análise).04-harness-de-verificacao.md — autoverificação em 6 blocos (A–F) que o modelo roda antes de entregar: aderência ao schema, cobertura cruzada, anti-alucinação, honestidade de lacunas, segurança do output e conflito declarado. Mais 16 critérios objetivos de aceite para VOCÊ pontuar a saída, com teste de regressão contra injeção.05-templates-de-saida.md — versão curta de 1 página, longa de 12 seções com ADR e risco residual, checklist de 24 horas e adaptações para GitLab CI e Jenkins (rules:, CI_JOB_TOKEN, agentes persistentes, readTrusted).06-matriz-de-decisao-de-trust.md — matriz de 6 perguntas que decide, de forma binária, se o workspace pode ser confiado; tabela de contenção entrada × privilégio × controle; armadilhas clássicas e 8 perguntas de auditoria.O modelo não é convidado a "opinar sobre segurança". Ele percorre entrada → trust boundary → privilégio → efeito → controle → teste. Cada controle vem com o que não cobre; cada cenário tem controle correspondente; cada controle tem teste executável. Se não puder cumprir, devolve bloco de erro estruturado em vez de inventar — e o harness existe para você provar isso.
Regras anti-alucinação específicas do domínio: proibido inventar CVE, versão, CVSS ou advisory; proibido afirmar que um controle "elimina" risco; e proibido apresentar instrução textual de prompt como controle de segurança — porque não é.
Não é auditoria do ambiente, nem scanner, nem garantia de conformidade. É o instrumento que faz o modelo produzir um plano rastreável, testável e honesto sobre lacunas. Também não substitui atualizar a ferramenta: mitigação estrutural no pipeline não conserta vulnerabilidade no binário que você não subiu de versão.
01 como system prompt e o Bloco B preenchido como input.02 junto quando o output for para auditoria.04 em toda execução (~2 min).Se o seu pipeline roda um agente com shell, disparado por input externo, com credencial alcançável — este é o pacote que mostra onde a falha nasce e o que fazer nas próximas 24 horas.