Um estudo académico canadiano que analisou mais de um milhão de publicações de programadores conclui que os problemas de segurança e privacidade dos editores de código nativos de IA — como os que assentam em Claude Code, Cursor, GitHub Copilot ou OpenAI Codex — resultam sobretudo de opções de desenho dos próprios produtos, e não dos modelos de linguagem que os alimentam. Na prática, acessos a ficheiros, execução autónoma de comandos, recolha de telemetria e envio de contexto sensível para servidores externos aparecem com frequência ativados por omissão, deixando a defesa nas mãos de quem programa. O trabalho, aceite na conferência ASE 2026, chega num momento em que as empresas portuguesas já estão obrigadas a demonstrar gestão de risco ao abrigo do novo Regime Jurídico da Cibersegurança.
Resposta rápida: Investigadores da York University e da University of Calgary construíram uma taxonomia de 32 problemas de segurança e privacidade em editores de código nativos de LLM, agrupados em 10 categorias, a partir de discussões públicas de programadores. A conclusão central é que a maioria dos riscos nasce de decisões de arquitetura do produto — acesso a dados do utilizador e ações autónomas não verificadas — e não do modelo. Se usa estas ferramentas em contexto profissional, ative modos de privacidade, exclua segredos e ficheiros sensíveis do contexto, execute agentes em ambientes isolados e exija aprovação humana para comandos destrutivos.
Um estudo feito a partir das queixas reais de quem programa
O artigo intitula-se “Impossible to hide secret …”: Uncovering Security and Privacy Issues in LLM-native IDEs e está disponível como pré-publicação no arXiv (identificador 2607.26390, versão v3 de 31 de julho de 2026). É assinado por Mostafijur Rahman Akhond, Md Afif Al Mamun, Gias Uddin e Song Wang, das universidades de York (Toronto) e de Calgary, no Canadá.
A metodologia é deliberadamente empírica. Os autores recolheram 1,1 milhões de publicações em 29 subreddits dedicados a estas ferramentas, identificaram 446 publicações relevantes e analisaram mais de seis mil comentários que discutiam problemas de segurança e privacidade em praticamente todos os editores populares, incluindo Cursor, Copilot e Codex. A partir desse material, apresentam 32 problemas de segurança e privacidade relatados por programadores, agrupados em 10 categorias de alto nível.
A conclusão mais relevante para quem gere risco é esta: a maioria dos problemas decorre de escolhas de desenho ao nível do sistema, e não dos modelos de linguagem subjacentes — designadamente o acesso a dados do utilizador e ações autónomas não verificadas. Por outras palavras, não se trata apenas de “a IA escrever código inseguro”; trata-se do software que envolve a IA.
| Elemento | Valor |
|---|---|
| Publicações recolhidas | 1,1 milhões (29 subreddits) |
| Publicações analisadas em detalhe | 446 |
| Comentários analisados | mais de 6000 |
| Problemas catalogados | 32, em 10 categorias |
| Estratégias de mitigação usadas por programadores | 13 |
| Recomendações dirigidas aos fabricantes | 6 |
| Publicação | Pré-publicação arXiv 2607.26390; aceite na ASE 2026 |
O que preocupa os programadores
Segundo o resumo dos resultados divulgado pelos autores, a taxonomia cobre um leque amplo de preocupações: operações não autorizadas sobre ficheiros, execução de código inesperada ou insegura, desencadeamento de ações destrutivas, fluxos de dados opacos, recolha de telemetria e potencial fuga de informação sensível através do acesso alargado ao contexto. A expressão que dá título ao artigo — a dificuldade de “esconder um segredo” — resume o problema mais reportado: chaves de API, ficheiros .env e credenciais acabam frequentemente dentro da janela de contexto enviada para servidores de terceiros.
Perante a ausência de proteções por omissão, os programadores improvisam. Os autores observam que, para contornar estes problemas, os programadores recorreram frequentemente a salvaguardas externas, como sandboxing de código e revisão manual, o que evidencia uma desconfiança generalizada em relação a estas ferramentas. Ao The Register, Gias Uddin, professor associado na York University e coautor do estudo, referiu que estas ferramentas são ainda relativamente recentes e evoluem depressa, o que cria pressão para acrescentar novas funcionalidades — pressão que, na leitura dos investigadores, tem sido resolvida em desfavor da segurança.
Não é um caso isolado: o resto do ecossistema aponta na mesma direção
O estudo insere-se num conjunto crescente de investigação sobre agentes de programação. Em março de 2026, a empresa DryRun Security divulgou uma análise segundo a qual os agentes de código introduzem vulnerabilidades com frequência elevada em quase todos os tipos de aplicação que constroem; o responsável máximo da empresa, James Wickett, afirmou que a segurança “não faz parte do pensamento por omissão” destes agentes.
Em paralelo, investigadores têm documentado falhas na camada de isolamento. Uma sistematização académica publicada no arXiv em 2026 revê 39 trabalhos sobre segurança de execução de agentes de programação e confirma de forma independente quatro CVE divulgados e corrigidos, dois deles no próprio Claude Code, verificados contra a base de dados nacional de vulnerabilidades do NIST. A mesma linha de investigação descreve técnicas de evasão de sandbox e ataques de injeção de instruções escondidas em ficheiros aparentemente inócuos, como README, comentários de código ou dependências, capazes de levar um agente a executar fluxos maliciosos.
Medidas concretas para equipas e PME
- Não guarde segredos no repositório. Use cofres de credenciais e variáveis de ambiente injetadas em tempo de execução; parta do princípio de que tudo o que está na pasta do projeto pode entrar no contexto do modelo.
- Configure exclusões de contexto. Ficheiros do tipo
.env, chaves privadas, dumps de base de dados e dados pessoais devem ser explicitamente excluídos através dos mecanismos de ignorar contexto disponibilizados pela ferramenta. - Ative os modos de privacidade e verifique-os. Não assuma o comportamento por omissão: confirme na documentação do fabricante o que é retido, por quanto tempo e se é usado para treino, e imponha a definição ao nível da organização quando o plano o permitir.
- Isole a execução. Corra agentes autónomos em contentores ou máquinas virtuais descartáveis, sem acesso a credenciais de produção nem à rede interna.
- Exija aprovação humana para comandos destrutivos, alterações de configuração, instalação de dependências e operações em
gitcom efeitos remotos. - Trate código gerado por IA como código de terceiros. Revisão humana, análise estática, deteção de segredos em commits e registo de proveniência.
- Inventarie as ferramentas em uso. A adoção destas soluções é feita pelos próprios programadores, muitas vezes com contas pessoais e sem passar por compras ou pela equipa de segurança.
Porque é que isto importa em Portugal
O tema deixou de ser apenas técnico e passou a ser de conformidade. O Decreto-Lei n.º 125/2025, publicado a 4 de dezembro de 2025, transpõe a Diretiva (UE) 2022/2555 e aprova o novo regime jurídico da cibersegurança, que entrou em vigor a 3 de abril de 2026. Para o concretizar, o Centro Nacional de Cibersegurança (CNCS) disponibilizou o Regulamento do Regime Jurídico da Cibersegurança (Regulamento n.º 756/2026, de 22 de junho). Para as entidades abrangidas pelo Regime Jurídico da Cibersegurança (NIS2), isto é relevante por uma razão simples: o sistema de gestão de risco obrigatório cobre análise de risco, resposta a incidentes, continuidade, gestão do ciclo de vida e segurança da cadeia de abastecimento. Um editor com IA que envia código proprietário para servidores externos e executa comandos com privilégios é, para todos os efeitos, um elo dessa cadeia.
Há ainda a dimensão de proteção de dados. Se o contexto enviado ao modelo incluir dados pessoais — registos de clientes em ficheiros de teste, dumps de base de dados, logs com identificadores —, aplica-se o RGPD, com deveres de minimização, base legal, transparência e enquadramento das transferências internacionais. Note-se também que a entrada em vigor do regime foi precedida de um protocolo de cooperação entre a CNPD e o CNCS para articulação com o RGPD, o que reduz a probabilidade de estes assuntos serem tratados em compartimentos estanques.
Por fim, o calendário europeu aperta noutras frentes: as regras do Regulamento da IA aplicáveis aos modelos avançados tornam-se exigíveis a 2 de agosto de 2026, e a partir de 11 de setembro de 2026 os fabricantes passam a ter de notificar vulnerabilidades ativamente exploradas e incidentes graves através da plataforma única de reporte da ENISA, ao abrigo do Cyber Resilience Act. Para as PME portuguesas que constroem software com assistência de IA, a mensagem prática do estudo é que a segurança destas ferramentas ainda não vem configurada de origem — tem de ser imposta por quem as usa.
Perguntas frequentes
O que é um IDE nativo de LLM?
É um ambiente de desenvolvimento concebido de raiz para funcionar com modelos de linguagem, no qual o assistente lê o projeto, sugere alterações e pode executar comandos. Os investigadores designam-nos por LIDE e incluem nesta categoria ferramentas como Cursor, GitHub Copilot e Codex.
O problema está no modelo de IA ou na ferramenta?
Segundo o estudo, a maioria dos problemas relatados resulta de opções de desenho ao nível do sistema — acesso a dados do utilizador e ações autónomas sem verificação — e não do modelo de linguagem subjacente. É uma distinção importante, porque significa que muitas mitigações passam por configuração e arquitetura.
Que medidas imediatas deve tomar uma PME?
Inventariar as ferramentas em uso, retirar segredos dos repositórios, excluir ficheiros sensíveis do contexto enviado ao modelo, ativar modos de privacidade, correr agentes em ambientes isolados e exigir aprovação humana para comandos destrutivos ou operações remotas.
Isto tem implicações legais em Portugal?
Pode ter. As entidades abrangidas pelo regime jurídico da cibersegurança devem gerir riscos da cadeia de abastecimento e reportar incidentes significativos ao CNCS; e, se houver tratamento de dados pessoais no contexto enviado a serviços externos, aplicam-se as obrigações do RGPD.
Esta informação tem caráter noticioso e baseia-se em dados divulgados publicamente por investigadores das universidades de York e de Calgary, pelo CNCS, pela ENISA e por outras fontes citadas.