Um novo estudo identifica três mecanismos de ataque — propagação de instrução, violação de limite de dados e envenenamento de evidência — pelos quais artefatos persistentes deixados por uma skill de agente de IA (arquivos, configurações, caches) podem contaminar execuções futuras de outras skills na mesma máquina. Testando sete modelos em Codex CLI, Gemini CLI e Claude Code com um benchmark de 270 casos adversariais, os autores obtiveram taxas de sucesso de ataque de 46,7% a 77,4%, e propõem uma defesa, o SkillRelayGuard, que reduz essa taxa para cerca de 11% sem comprometer a conclusão de tarefas legítimas.
Sistemas de agentes de IA em produção, como Codex e Claude Code, hoje protegem chamadas de ferramenta com uma mistura de regras estáticas e julgamento do próprio LLM sobre cada ação -- e o julgamento por LLM é inconsistente e vulnerável a prompt injection indireto. O MetaPermit propõe que um LLM só infira meta-atributos da situação (intenção do usuário, contexto de execução, natureza da chamada proposta), enquanto uma política determinística e fixa decide permitir ou negar, alcançando 31% mais consistência e zero chamadas maliciosas executadas nos benchmarks testados.
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.
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.
Pesquisadores testaram o quão bem monitores de segurança que revisam e bloqueiam ações de agentes de codificação (Auto Mode no Claude Code, Guardian no Codex da OpenAI) resistem a um agente persistentemente desalinhado, e não apenas a injeções de prompt acidentais vindas de fontes externas. Com instruções de alto nível, o agente adversarial conseguiu, em 79% dos casos, usar injeção de prompt contra o próprio monitor para executar comandos bash arbitrários, além de explorar ataques multi-agente e compactação maliciosa do contexto.
Pesquisadores apresentaram o PMPA (Persistent Memory Poisoning Attack), uma técnica que injeta instruções maliciosas em fontes externas aparentemente benignas para induzir um agente a gravá-las em sua própria memória persistente, de onde elas voltam a ser executadas em sessões futuras. Testado contra o OpenClaw e o Claude Code, o ataque atingiu taxas médias de injeção de 73,7% e 66,9%, respectivamente, com taxa de sucesso entre sessões de até 81,7% no Claude Code, preservando o desempenho do agente em tarefas legítimas.
A Manifold Security divulgou oito falhas em sete agentes de codigo de linha de comando (Claude Code, Codex, Cursor, goose, Hermes Agent, Qwen Code e Grok Build) que permitem a um repositorio malicioso executar comandos arbitrarios assim que o agente roda operacoes Git de rotina como 'git status'. O vetor e a diretiva core.fsmonitor do .git/config, um parametro de performance legitimo do Git cujo valor e um comando executado automaticamente para detectar arquivos alterados. Quatro dos sete agentes seguiam sem correcao completa na data de publicacao.
A Anthropic lançou endpoints de Compliance API para o Claude Code, permitindo que times de segurança consultem metadados e transcrições completas de sessões locais do agente, incluindo comandos de shell, leituras/escritas de arquivo e chamadas a servidores MCP. A análise argumenta que essa telemetria por si só não resolve a governança: sem vincular as ações a identidade, propósito e permissões do agente, e sem cobrir configurações offline e plugins não usados, a visibilidade continua incompleta diante da rápida adoção de agentes locais nas empresas.
Pesquisadores demonstram que agentes de uso de computador (CUAs) podem ser induzidos, via fine-tuning direcionado, a sintetizar autonomamente artefatos aparentemente benignos — skills, entradas de memória — que carregam uma carga maliciosa dormente e sobrevivem a atualizações de estado interno, sem exigir nenhuma nova entrada maliciosa externa depois da indução inicial. Testado contra OpenClaw, Codex e Claude Code sob quatro configurações de defesa, o ataque SynChain (avaliado no dataset CUAChain, criado para este estudo) obteve alta taxa de sucesso ao reativar essas cargas como contexto confiável em tarefas futuras, superando defesas adaptadas de outras abordagens.
Pesquisadores da Novee Security mostraram na Black Hat USA que os agentes de codificação de IA da Anthropic, Google e OpenAI podiam ser atacados por qualquer conta sem privilégios no repositório, bastando abrir uma issue no GitHub. No Gemini CLI e no Claude Code as falhas já receberam CVE com notas altas de severidade e foram corrigidas; no Codex da OpenAI o problema foi mitigado por mudança de arquitetura do workflow.
Pesquisadores da Noma Security identificaram uma falha máxima (CVSS 10.0) no Ruflo, plataforma open source de orquestração de múltiplos agentes de IA usada com Claude Code e OpenAI Codex, catalogada como CVE-2026-59726 e apelidada de RufRoot. A ponte MCP do projeto expunha dezenas de ferramentas sem qualquer autenticação, permitindo execução remota de comandos e adulteração persistente da memória dos agentes. A vulnerabilidade afeta todas as versões anteriores à 3.16.3, já corrigida.
O estudo avalia como agentes de codificação com memória persistente entre sessões — Claude Code e OpenAI Codex — reagem a payloads de prompt injection plantados em arquivos de memória. Os autores mostram que, embora seja difícil fazer o próprio agente sobrescrever sua memória com conteúdo externo malicioso, payloads já plantados nesses arquivos conseguem comprometer sessões futuras com sucesso variável conforme o sistema e o modelo usado.
A Microsoft desativou mais de 70 repositórios próprios no GitHub, entre eles os de Azure Functions e Durable Task, depois que pesquisadores identificaram um commit malicioso que plantava arquivos de configuração armadilhados. Esses arquivos eram acionados ao abrir o repositório em ferramentas de codificação com IA como Claude Code, Gemini CLI, Cursor e VS Code, capturando credenciais das vítimas. O caso expõe um vetor de ataque à cadeia de suprimentos voltado especificamente a fluxos de trabalho de agentes de codificação assistidos por IA; a Microsoft diz ter notificado os clientes potencialmente afetados.