Ir para o conteúdo
Arara Code

Guias e comparativos

Segurança de código gerado por IA: dados e checklist

Não presuma que código gerado por IA é seguro. No relatório de 2025 da Veracode, 45% das amostras falharam nos testes de segurança e trouxeram falhas do OWASP Top 10. Os riscos incluem injeção, segredos expostos e pacotes que a IA inventa. Para se proteger, valide entradas, use consultas parametrizadas, tire segredos do código, confira dependências, revise cada diff e rode testes.

Arara Code

Publicado pelo projeto Arara Code com base na documentação oficial citada.

O que os dados mostram sobre código gerado por IA

O relatório GenAI Code Security 2025, da Veracode, testou mais de 100 modelos de linguagem em Java, Python, C# e JavaScript. Em 45% das amostras, o código gerado falhou nos testes de segurança e trouxe vulnerabilidades do OWASP Top 10. Java foi a linguagem mais arriscada, com 72% de falhas de segurança. Um dos problemas mais frequentes foi cross-site scripting, que as ferramentas de IA não evitaram em 86% das amostras relevantes.

A Veracode manteve o mesmo teste, com 80 tarefas de programação. Até a atualização Spring 2026, de março de 2026, já tinha avaliado mais de 150 modelos. A taxa de sintaxe correta passou de 95%, mas a de aprovação em segurança ficou em cerca de 55%, quase igual à de dois anos antes. A aprovação foi de 82% contra injeção de SQL, mas só 15% contra cross-site scripting e 13% contra injeção em logs, falhas que exigem seguir o dado pelo código.

Veracode: relatório GenAI Code Security 2025

Segredos vazados e pacotes que a IA inventa

Segredos, como senhas e chaves de API, são outro risco. Segundo o relatório State of Secrets Sprawl 2025, da GitGuardian, 23.770.171 novos segredos fixos no código entraram em repositórios públicos do GitHub em 2024, alta de 25% sobre o ano anterior. Dos segredos vazados em 2022, 70% ainda eram válidos. Repositórios públicos que usam o GitHub Copilot tiveram taxa de vazamento de 6,4%, 40% acima da média dos repositórios públicos. Para a GitGuardian, isso sugere que a IA também pode trazer riscos de segurança.

As dependências trazem um risco novo. O estudo “We Have a Package for You!”, aceito para o USENIX Security Symposium de 2025, gerou 576.000 amostras de código em Python e JavaScript com 16 modelos. Em média, pelo menos 5,2% dos pacotes sugeridos por modelos comerciais e 21,7% dos sugeridos por modelos de código aberto não existiam. Isso abre espaço para o slopsquatting: alguém publica um pacote malicioso com o nome que a IA costuma inventar e espera alguém instalar.

GitGuardian: State of Secrets Sprawl 2025

Checklist de segurança com base no OWASP Top 10

O OWASP Top 10:2025 reúne os riscos mais críticos de aplicações web e serve de mapa para revisar o que a IA escreve. Valide toda entrada no servidor e mantenha dados separados de comandos, com consultas parametrizadas (A05:2025 Injection). Faça o controle de acesso no código do servidor e negue por padrão o que não for público (A01:2025 Broken Access Control). Tire senhas e chaves do código, onde viram credenciais fixas (A07:2025 Authentication Failures), e nunca as cole em prompts.

Antes de instalar um pacote sugerido pela IA, confira o nome exato, quem publica e o repositório. Use só fontes oficiais e escolha a versão de propósito (A03:2025 Software Supply Chain Failures). Como um atacante pode já ter publicado o pacote inventado, ver que ele existe não basta. Depois, leia cada diff antes do commit e rode os testes, incluindo casos de acesso negado. O OWASP indica revisão de código junto com testes automatizados para achar falhas de injeção.

OWASP Top 10:2025: riscos de aplicações web

Como aplicar o checklist no Arara Code

A Veracode conclui que o fluxo de trabalho não deve presumir que código de IA é seguro e que a responsabilidade pela segurança continua humana. No Arara Code, o chat lateral pede sua permissão antes de editar arquivos ou rodar comandos, e você aprova ou recusa cada um. Recuse um comando de instalação até conferir o pacote. Os arquivos alterados aparecem em um cartão com os diffs: leia cada um antes do commit.

Crie uma branch para cada tarefa, assim você descarta o que der errado sem afetar o resto. Ao terminar, peça ao assistente para rodar a skill security-audit, que a IDE instala por padrão, sobre as mudanças da branch. Leia os achados e peça correções pequenas, uma por vez. Nunca cole senhas, tokens ou chaves de API no chat: deixe-os em variáveis de ambiente ou em um gerenciador de segredos. Por fim, rode os testes antes do commit.

Veracode: atualização Spring 2026 do estudo

Fontes e leitura complementar

Ler em Markdown

Continue explorando

Dê espaço à sua próxima ideia.

Conheça o Arara Code no seu próprio projeto. Comece pelo instalador e revise as mudanças que seu assistente fizer.