ทันเอไอ

Une IA de GitHub suggère un correctif erroné et expose le Jira de Snowflake aux pirates

L'outil de correction automatique par IA de GitHub a supprimé du code de sécurité, permettant à l'IA de recherche de Wiz de détecter la faille et de démontrer l'extraction de jetons Jira de Snowflake.

Wiz, une entreprise de cybersécurité, a révélé un cas d'étude intéressant : "Red Agent", son IA automatisée de recherche de vulnérabilités, a détecté une faille dans un dépôt de code public de Snowflake dans le cadre d'un programme de bug bounty, et a réussi à extraire des jetons d'API Jira. L'origine de cette vulnérabilité provenait d'une autre IA : GitHub Copilot Autofix.

L'histoire a commencé le 18 juin 2026, lorsqu'une fusion de code (PR #1218) a été intégrée au dépôt `snowflake-connector-net` de Snowflake, un connecteur .NET open-source. Le code impliquait GitHub Copilot Autofix — un outil d'IA suggérant des corrections de vulnérabilités. Le problème est que l'IA a supprimé la logique de nettoyage des entrées (sanitized input) pour la remplacer par une expansion directe de chaînes de caractères dans un script GitHub Actions, le système CI/CD.

Cela a engendré une faille de type Command Injection via le titre d'une issue GitHub, que n'importe qui pouvait ouvrir et modifier. Lorsque le système automatisé a traité ce texte sans filtrage, un attaquant pouvait y injecter des commandes malveillantes.

Cinq jours plus tard, le 23 juin 2026, le Red Agent de Wiz a détecté la faille, l'a testée et a réussi à exfiltrer les jetons d'API de Jira, le système de gestion de tâches interne de Snowflake. Entre les mains d'un véritable attaquant, ces jetons auraient pu donner accès à des données internes.

Snowflake a réagi rapidement en corrigeant la faille et en révoquant (rotate) l'ensemble des identifiants le jour même du signalement.

Cette affaire a fait l'objet de nombreuses discussions sur Hacker News (plus de 304 points et 123 commentaires) car elle illustre les doubles risques de l'ère de l'IA : d'un côté, les IA d'aide au code peuvent supprimer les mesures de sécurité mises en place par l'humain ; de l'autre, les IA offensives découvrent les failles beaucoup plus vite. Les experts rappellent donc que le code généré ou corrigé par une IA doit toujours faire l'objet d'une revue humaine minutieuse, en particulier pour les scripts CI/CD disposant de privilèges sensibles.