A aparente conveniência de uma ferramenta de IA pode, por vezes, mascarar riscos de segurança significativos. No caso do Claude Code, uma funcionalidade projetada para otimizar a experiência do usuário acabou por expor milhares de credenciais sensíveis, incluindo senhas de bases de dados, logins SSH, chaves privadas e tokens de acesso do GitHub e AWS, em repositórios públicos. A falha, descoberta pela empresa de segurança Apiiro, reside em uma opção de configuração que, ao ser ativada, permitia que o modelo guardasse comandos e informações em texto plano dentro de arquivos locais do projeto.
O Mecanismo da Falha
O Claude Code, assim como outros modelos de linguagem grandes (LLMs), opera de forma a buscar a continuidade e a eficiência. Sua característica de, após uma interação, perguntar se o usuário deseja realizar mais alguma ação – "¿Quieres que haga algo más?" – visa manter o fluxo de trabalho. Para contornar essa interrupção, a ferramenta ofereceu a opção "Sí, y no vuelvas a preguntar". Ao marcar essa caixa, o usuário essencialmente autorizava o Claude Code a executar e, crucialmente, a memorizar o comando exato para futuras execuções sem necessidade de nova confirmação. O problema surgiu porque, se esse comando incluísse informações sensíveis como senhas ou tokens, estes eram salvos diretamente no arquivo .claude/settings.local.json.
A Exposição no GitHub
Embora o arquivo .claude/settings.local.json seja, por design, destinado a permanecer local e não ser compartilhado via sistemas de controle de versão como o Git, a realidade no fluxo de trabalho de muitos desenvolvedores é diferente. Se o desenvolvedor, por desconhecimento ou pressa, enviasse este arquivo para um repositório público no GitHub – seja porque já estava lá, ou porque outro colaborador o fez –, as credenciais ficavam expostas para qualquer pessoa com acesso ao repositório. A Apiiro destacou que o alcance da filtragem é alarmante, pois uma chave API privada, por exemplo, poderia permitir que um agente mal-intencionado causasse prejuízos financeiros significativos na conta do desenvolvedor. O "vibecoding", termo que descreve o uso intensivo de ferramentas de IA no desenvolvimento, tem impulsionado o volume de atividades no GitHub, com um aumento expressivo em pushes e commits, e uma parcela crescente de pull requests originadas por agentes de IA, o que agrava o potencial impacto de tais falhas.
A Resposta da Anthropic e Recomendações
Boris Cherny, responsável pelo Claude Code na Anthropic, admitiu em resposta no Hacker News que a ferramenta nunca teve um mecanismo para limpar segredos armazenados. Ele defendeu que o arquivo em questão deveria permanecer local e que os arquivos filtrados foram, possivelmente, subidos manualmente após a criação do arquivo excluído pelo Git. Enquanto a Anthropic trabalha em soluções definitivas, Cherny recomendou aos usuários que utilizem o modo automático do Claude Code com cautela e ativem o escaneamento de segredos em seus repositórios. A empresa está testando duas melhorias: a detecção automática de vazamento de dados pelo modo automático e um scanner básico de segredos integrado, embora sem previsão de lançamento.
Com reportagem de Brazil Valley
Source · Xataka
