Bug CI/CD Snowflake Terungkap: AI Copilot Sebabkan Kerentanan Workflow Injection

Dalam riset keamanan terbaru yang dijalankan melalui program pengungkapan kerentanan HackerOne milik Snowflake, Wiz Research mengungkap sebuah celah keamanan serius pada workflow GitHub Actions di salah satu repositori publik Snowflake. Celah ini ditemukan oleh Red Agent, sebuah alat riset keamanan otonom bertenaga AI dari Wiz.

Kasus ini menyoroti realitas baru dalam pengembangan perangkat lunak: bagaimana asisten pemrograman berbasis AI seperti GitHub Copilot dapat secara tidak sengaja menciptakan kerentanan injeksi pada workflow, sementara agen AI otomatis dengan cepat mampu mendeteksi dan mengeksploitasi celah tersebut di lingkungan nyata.

Penemuan Kerentanan Workflow Injection di Snowflake

Pada tanggal 23 Juni 2026, Wiz secara bertanggung jawab melaporkan kerentanan tersebut ke Snowflake. Dalam hari yang sama, Snowflake segera memperbaiki celah, mengganti kredensial yang terdampak, dan melakukan audit menyeluruh untuk memastikan hanya Wiz yang mengakses data selama jendela eksposur. Semua data yang diakses selama pengujian bukti konsep juga telah dihapus dengan aman.

Ringkasan Eksekutif

• Kerentanan berupa injeksi skrip ditemukan di repositori snowflakedb/snowflake-connector-net.
• Celakanya, siapa saja yang tidak terautentikasi bisa mengeksekusi perintah sewenang-wenang pada runner GitHub Actions dengan membuka issue GitHub berjudul khusus.
• Kerentanan ini diperkenalkan hanya 5 hari sebelum ditemukan, tepatnya pada 18 Juni 2026, melalui commit yang salah satunya dikoauthor oleh AI Copilot Autofix.
• AI tersebut mengganti pola input yang sudah disanitasi menjadi ekspansi string langsung dalam skrip shell, membuka celah injeksi.

Detil Penemuan dan Eksploitasi

Red Agent melakukan pemindaian CI/CD pada organisasi GitHub Snowflake dan menandai file jira_issue.yml sebagai rentan terhadap injeksi skrip melalui input yang tidak terpercaya pada blok run:.

Perubahan yang dilakukan oleh AI Copilot mengganti pola aman yang menggunakan variabel lingkungan dan pemrosesan JSON dengan jq menjadi penggantian langsung judul issue ke dalam skrip shell. Berikut perbandingannya:

• Awal: menggunakan env: ISSUE_TITLE: ${{ github.event.issue.title }} dan membangun payload JSON dengan jq.
• Setelah AI Autofix: menggunakan TITLE=$(echo '${{ github.event.issue.title }}' | sed ...) yang rentan terhadap injeksi.

Workflow ini berjalan saat event issues: opened, sehingga siapa pun bisa memicu dengan membuka issue baru. Judul issue yang dikendalikan penyerang langsung disisipkan ke skrip shell tanpa sanitasi memadai.

Walaupun ada kondisi pengaman pada workflow, if: (github.event_name == 'issues' && github.event.pull_request.user.login != 'whitesource-for-github-com[bot]'), variabel github.event.pull_request selalu bernilai null saat event issues, sehingga kondisi ini selalu bernilai true dan tidak membatasi akses siapa pun.

Eksploitasi dilakukan dengan memanipulasi judul issue agar keluar dari batasan string shell dan mengeksekusi perintah untuk mencuri token Jira melalui callback eksternal. Red Agent bahkan mampu mengadaptasi payloadnya setelah terjadi error sintaksis bash agar eksploitasi berhasil.

Respon dan Perbaikan Snowflake

1. Pemulihan Cepat: Snowflake mem-patch kerentanan pada hari yang sama, 23 Juni 2026, dengan mengembalikan pola aman menggunakan variabel lingkungan dan jq --arg.
2. Pencabutan Token: Token Jira yang terekspos langsung dicabut dan diganti.
3. Audit Forensik: Analisis log memastikan tidak ada pihak ketiga yang mengakses data selama jendela kerentanan.

Snowflake menyatakan komitmennya untuk terus memperkuat praktik pengembangan dan keamanan perangkat lunak, serta berterima kasih atas laporan bertanggung jawab dari Wiz.

Pelajaran Penting dari Insiden Ini

• Pengawasan Ketat pada Kode AI: AI coding tools seperti Copilot bekerja berdasarkan pola probabilistik yang dapat secara tidak sengaja mengembalikan pola kode lama atau tidak aman. Oleh karena itu, pull request yang dihasilkan AI harus melalui analisis statis dan pengujian keamanan yang ketat sama seperti kode manusia.
• Waktu Penemuan Kerentanan Makin Singkat: Kerentanan ini hanya aktif selama lima hari sebelum ditemukan oleh agen otomatis. Operasi keamanan harus beradaptasi dengan kecepatan otomatisasi penemuan yang sangat cepat, memerlukan siklus patching yang lebih cepat dan pengelolaan kredensial dengan masa berlaku pendek.
• Mencegah Regressi Keamanan oleh AI: Asisten AI sering tidak memiliki konteks historis mengapa pola kode tertentu dipilih. Dalam kasus ini, AI menghapus pola aman yang sudah ada untuk mencegah injeksi shell. Tim keamanan harus menerapkan pembatas yang mencegah AI mengganti parser data terstruktur dengan interpolasi string langsung.

Garis Waktu Pengungkapan

1. 18 Juni 2026 - Pola injeksi skrip diperkenalkan oleh commit yang dikoauthor AI Copilot Autofix (PR #1218)
2. 23 Juni 2026 - Wiz menemukan, mengeksploitasi, dan melaporkan kerentanan ke Snowflake (laporan #3819931)
3. 23 Juni 2026 - Snowflake menerima notifikasi dan mulai investigasi serta perbaikan
4. 23 Juni 2026 - Patch workflow dan pemulihan pola aman diterapkan (PR #1402)
5. 24 Juni 2026 - Token Jira direvokasi dan diganti
6. 25 Juli 2026 - Batas waktu pengungkapan publik sesuai kebijakan Snowflake

Analisis Redaksi

Menurut pandangan redaksi, insiden ini menjadi wake-up call penting bagi industri perangkat lunak mengenai risiko tersembunyi dari penggunaan AI dalam siklus pengembangan. Meskipun asisten pemrograman AI mampu meningkatkan produktivitas, tanpa pengawasan ketat, mereka bisa menciptakan celah keamanan yang kritis, seperti workflow injection yang sulit dideteksi secara manual.

Lebih jauh, kecepatan agen otomatis seperti Wiz Red Agent dalam mendeteksi dan mengeksploitasi kerentanan mengubah paradigma keamanan tradisional. Tim keamanan dan pengembang harus menyesuaikan diri dengan realitas di mana celah berpotensi dieksploitasi dalam hitungan jam atau hari, bukan minggu atau bulan. Ini menuntut implementasi mekanisme patching yang sangat cepat dan pengelolaan kredensial yang lebih dinamis.

Ke depan, pengembangan standar dan alat yang membatasi kemampuan AI dalam mengubah pola keamanan yang sudah terbukti menjadi sangat penting. Terlebih lagi, kolaborasi terbuka antar perusahaan teknologi, seperti yang dilakukan oleh Snowflake dan Wiz, perlu diperluas untuk meningkatkan kesadaran dan praktik terbaik keamanan di seluruh industri.

Untuk informasi lebih lengkap dan analisis teknis mendalam, kunjungi sumber asli riset ini di Wiz Blog dan ikuti perkembangan terbaru di bidang keamanan perangkat lunak.