# Musimy pogadać o Copilocie
Słuchaj, rozumiem. Chcesz wypuszczać szybko. Chcesz wyczyścić backlog sprintu. Chcesz wyglądać na 10x deva. Więc wciskasz Tab. Pozwalasz GitHub Copilot dokończyć ten blok kodu uwierzytelniania.
Stop.
Ostatnie trzy miesiące spędziłem na audytowaniu baz kodu naszych klientów w Bryxe, naszpikowanych fragmentami wygenerowanymi przez Copilota. To, co znalazłem, przyprawiło mnie o mdłości. Bezpieczeństwo GitHub Copilot praktycznie nie istnieje. Pod maską to ogromna pułapka na własne stopy, załadowana podatnościami kodu AI. Wypluwa przestarzałe wzorce, halucynuje koślawe race conditions i wprost ujawnia sekrety ze swoich danych treningowych.
Bądźmy szczerzy. Podsumowując: bezpieczeństwo AI w VS Code to w tej chwili koszmar.
Kłamstwo „bezpieczny domyślnie”
Mówią Ci, że Copilot odfiltrowuje zły kod. Bzdura. Uczył się na GitHubie. Na całym. Na dobrym, na złym i na skrajnie niebezpiecznych repozytoriach z 2012 roku, które wciąż używają MD5 do hashowania haseł. Gdy prosisz go o szybki walidator JWT, nie daje Ci najbezpieczniejszej opcji. Daje Ci opcję *statystycznie najbardziej prawdopodobną*.
A statystycznie deweloperzy piszą śmieciowy kod.
Wypluwanie śmieci
Pogadajmy o wypluwaniu legacy kodu. Copilot uwielbia stary kod. Dlaczego? Bo jest go więcej. Prosta matematyka.
// Copilot suggested this for a new Node.js microservice in 2026
const crypto = require('crypto');
function hashPassword(password) {
// Are you kidding me?
return crypto.createHash('md5').update(password).digest('hex');
}Szczerze, to koszmar. W zeszłym tygodniu dwa razy widziałem to wypchnięte na produkcję. MD5. W 2026 roku. Jeśli nie przepuszczasz każdej linijki kodu wygenerowanego przez AI przez narzędzie do analizy statycznej, praktycznie prosisz się o włamanie. I nie chodzi tylko o hashowanie. Widziałem, jak generuje przestarzały routing w Express.js, podatny na parameter pollution. Widziałem, jak stawia komponenty Reacta z dangerouslySetInnerHTML bez żadnego powodu poza „tak to zrobiono w poście na Stack Overflow z 2015 roku”.
Copilot ujawnia sekrety. Prawdziwe.
Myślisz, że Twoje autorskie klucze API są bezpieczne? Zastanów się jeszcze raz. Copilot ujawnia sekrety. To dobrze udokumentowana wada asystentów programowania opartych na LLM, a ludzie wciąż udają zaskoczenie.
Podczas audytu podawaliśmy Copilotowi niedokończone konfiguracje klienta AWS S3. W 8% przypadków nie wygenerował po prostu klucza-placeholdera. Wygenerował *poprawne składniowo stringi o wysokiej entropii*, które podejrzanie przypominały prawdziwe, aktywne dane uwierzytelniające. Nie testowaliśmy ich (nie jesteśmy zwierzętami), ale implikacje są przerażające.
Jeśli nie ujawnia prawdziwych kluczy z publicznych repozytoriów, to generuje przewidywalne, niebezpieczne zahardkodowane sekrety.
# Dev types this:
# Connect to the internal billing database
def connect_billing_db():
# Copilot autocompletes:
return db.connect(
host="10.0.0.45",
user="admin",
password="admin123!"
)Bądźmy szczerzy. Kto w 2026 roku hardkoduje dane logowania do bazy? Copilot. A leniwi devowie po prostu wciskają Tab i commitują. Przeskanowaliśmy 50 korporacyjnych repozytoriów mocno opartych na Copilocie. Znaleźliśmy 412 zahardkodowanych sekretów. 412. To włamanie, które tylko czeka, żeby się wydarzyć, a Ty płacisz Microsoftowi $19 miesięcznie za ten przywilej.
Cichy zabójca: race conditions
SQL injection jest głośne. Cross-site scripting jest oczywisty. Wiesz, co nie jest? Subtelne błędy współbieżności.
Tu podatności kodu AI stają się naprawdę złośliwe. Copilot nie rozumie kontekstu. Nie wie, jak działa Twoja pętla zdarzeń. Po prostu przewiduje tokeny. Gdy prosisz go o kod asynchroniczny, często tworzy race conditions, które przejdą Twoje testy jednostkowe, ale wybuchną pod dużym obciążeniem.
Weź ten fragment w Go, który znaleźliśmy w serwisie księgi finansowej:
func (a *Account) Transfer(amount float64, target *Account) error {
// Copilot generated this entire block
if a.Balance >= amount {
a.Balance -= amount
target.Balance += amount
return nil
}
return errors.New("insufficient funds")
}Bądźmy szczerzy. Bez mutexa. Bez blokad. Czysta, nieskażona korupcja stanu, która tylko czeka, żeby się wydarzyć. Jeśli dwa żądania trafią tu jednocześnie, pieniądze dosłownie znikają albo się dublują. Musiałem to natychmiast wywalić.
Jeśli myślisz, że to jednorazowy przypadek, mylisz się. Podobne wzorce znaleźliśmy w kodzie Python asyncio, w worker threads Node.js i w concurrent maps w Javie. AI nie rozumie modelu pamięci języka, w którym pisze. Dosłownie zgaduje, jakie znaki będą następne.
Architektoniczne koszmary
Pogadajmy o szerszej architekturze. Copilot nie buduje systemów. Buduje fragmenty. Gdy skleisz 500 fragmentów, dostajesz potwora Frankensteina z lukami bezpieczeństwa.
W zeszłym miesiącu przeglądałem monolityczny backend w Pythonie. Zespół deweloperski użył Copilota do napisania logiki RBAC (Role-Based Access Control). Oto, co się stało:
- Moduł A poprawnie sprawdzał rolę
admin. - Moduł B sprawdzał rolę
admin, ale nie weryfikował podpisu JWT, bo Copilot zapomniał tej linijki. - Moduł C całkowicie omijał sprawdzanie ról, bo Copilot wyhalucynował „szybką ścieżkę” z odczytem z cache.
Słuchaj, widziałem to sto razy. Efekt? Zero-day z eskalacją uprawnień wypchnięty prosto na produkcję.
ROI DevSecOps kontra śmieci od AI
Spójrzmy na liczby. Zarząd myśli, że Copilot oszczędza pieniądze. Grubo się myli.
Średni koszt dewelopera: $150k/rok. Szacowany wzrost produktywności dzięki Copilotowi: 15%. Oszczędność na dewelopera: $22.5k/rok.
Średni koszt wycieku danych w 2026 roku: $5.2 mln. Koszt incident response: $300k. Koszt szkód wizerunkowych: niepoliczalny.
Słuchaj, widziałem to sto razy. Jeśli Twój zespół wprowadzi choćby jedną krytyczną CVE przez generowanie kodu AI, wymazałeś dekadę „oszczędności” na produktywności. To zła matematyka. Wymieniasz ryzyko systemowe na 15% przyspieszenia przy pisaniu boilerplate'u.
Dane: najczęstsze CVE od Copilota
Przez ostatnie 12 miesięcy śledziliśmy przyczyny źródłowe podatności wprowadzonych konkretnie przez asystentów AI. Dane są ponure.
| Typ podatności | Częstość w kodzie AI | Waga | Opis |
|---|---|---|---|
| Zahardkodowane sekrety | 28% | Krytyczna | Autouzupełnianie Copilota generuje hasła i klucze API otwartym tekstem. |
| Złamana kontrola dostępu | 22% | Wysoka | Brak sprawdzeń autoryzacji w wygenerowanym middleware. |
| Race conditions | 18% | Wysoka | Kod asynchroniczny bez właściwego blokowania stanu ani mutexów. |
| Niebezpieczna kryptografia | 15% | Średnia | Polecanie przestarzałych algorytmów, takich jak MD5 czy SHA1. |
| Command injection | 12% | Krytyczna | Niewłaściwa sanityzacja danych użytkownika przed przekazaniem do exec(). |
| Path traversal | 5% | Średnia | Generowanie niebezpiecznych operacji odczytu/zapisu plików. |
Jak przetrwać zimę AI
Nie mówię Ci, żebyś odinstalował Copilota. Ta walka jest już przegrana. Zarząd kocha „metryki produktywności”. Ale musisz traktować Copilota jak to, czym jest: juniora, który nieustannie kłamie i ma dostęp do każdego złego pomysłu w internecie.
- Zero Trust dla AI: kod wygenerowany przez AI musi być traktowany jak wrogie dane wejściowe.
- Automatyczne skanowanie: potrzebujesz ciągłego SAST/DAST w pipeline'ie. Jeśli nie skanujesz automatycznie pod kątem sekretów i podatnych zależności, jesteś martwy.
- Ręczne code review: naprawdę przeczytaj PR. Nie zatwierdzaj go tylko dlatego, że „wygląda dobrze”.
- Ograniczanie kontekstu: nie pozwól, żeby Twoje IDE wysyłało całą autorską bazę kodu na serwer firmy trzeciej bez ścisłych umów enterprise dotyczących danych.
Bezpieczeństwo AI w VS Code wymaga paranoi. Jeśli nie jesteś paranoikiem, nie zwracasz uwagi. Wytęp złe nawyki teraz, zanim wylądujesz na pierwszej stronie Hacker News z powodu włamania przez kod, którego nawet sam nie napisałeś. Przestań ufać maszynie.
![GitHub Copilot ujawnia Twoje sekrety: audyt bezpieczeństwa 2026 [badanie danych]](/_next/image?url=%2Fblog%2Ftest-mockup.jpg&w=3840&q=75&dpl=dpl_4APdW92RmtTARbNBj4X6xdJXX9hA)