Nova política impõe cortes de até 50% nos valores fixos do programa público a partir de julho de 2026, criando uma camada exclusiva para pesquisadores estabelecidos em resposta ao aumento de ruído gerado por automação e IA.
| Componente | Programa Público de Bug Bounty do GitHub e estrutura de pagamentos via HackerOne |
| Vetor | Mudança de policy remuneratória de faixas flexíveis para valores fixos e implementação de barreiras de entrada baseadas em qualidade (Signal) para filtrar relatórios de baixo valor |
| Impacto | Redução imediata na remuneração de falhas críticas no público (de até US$ 30.000+ para US$ 10.000) e concentração de altos pagamentos no programa privado VIP, alterando o modelo de incentivo para a comunidade de segurança |
| Prioridade | Pesquisadores devem adaptar a triagem interna para evitar envio de ruído e focar em cadeias de ataque complexas com provas de conceito funcionais para qualificação ao programa VIP |
A plataforma GitHub anunciou uma reestruturação significativa em seu programa de recompensas por falhas (bug bounty), programada para entrar em vigor em 27 de julho de 2026. A alteração mais crítica consiste na redução drástica dos pagamentos públicos para todas as classes de severidade, substituindo as faixas de pagamento flexíveis por valores fixos substancialmente menores. Ao mesmo tempo, a empresa introduziu um nível VIP permanente e exclusivo, operando sob convite, onde as recompensas são significativamente maiores e a interação com a equipe de engenharia de segurança é mais direta. A medida visa reduzir o volume de relatórios de baixa qualidade, frequentemente impulsionados por ferramentas de automação e inteligência artificial, priorizando a qualidade técnica sobre a quantidade de submissões.
Sob as novas regras, falhas classificadas como críticas no programa público terão seu teto reduzido de um intervalo que chegava a US$ 30.000 ou mais para um pagamento fixo de US$ 10.000. Da mesma forma, relatórios de gravidade alta, média e baixa sofrerão cortes que variam de 50% a quase 60% em comparação com o piso das faixas anteriores. Relatórios submetidos antes da data de corte, incluindo aqueles que permanecem na fila de triagem da plataforma, continuarão a ser regidos pelos termos financeiros anteriores. A transição para valores fixos visa eliminar a incerteza sobre a remuneração e reduzir a sobrecarga operacional na triagem, embora a empresa ressalte a possibilidade de bônus discricionários para trabalhos excepcionais.
A nova tabela de pagamentos do programa público estabelece uma estrutura rígida que contrasta fortemente com o modelo anterior. Para descobertas de baixa severidade, o pagamento cai para US$ 250, anteriormente situado entre US$ 617 e US$ 2.000. Falhas médias agora pagam US$ 2.000 (reduzidas de US$ 4.000 a US$ 10.000), enquanto as altas são fixadas em US$ 5.000, ante o range anterior de US$ 10.000 a US$ 20.000. O impacto mais severo recai sobre as vulnerabilidades críticas, que agora têm remuneração limitada a US$ 10.000, muito abaixo do potencial de US$ 30.000+ existente. A análise indica que, para as categorias média, alta e crítica, os novos representam uma redução de 50% sobre os valores mínimos anteriores.
A reestruturação técnica do programa introduz um modelo híbrido onde os pesquisadores estabelecidos são canalizados para o programa VIP. Neste nível privado, os valores são reajustados para cima: baixa severidade paga US$ 1.000, média paga US$ 7.500, alta paga US$ 20.000 e críticas garantem US$ 30.000 ou mais. A qualificação para this programa exige um histórico comprovado de acurácia, baseado em um sistema de pontuação ou “Signal” não totalmente divulgado. Os critérios publicados sugerem a necessidade de relatar pelo menos uma falha crítica, duas altas, quatro médias ou sete de baixa severidade para ser considerado elegível, embora o encontro desses limiares não garanta o convite, permanecendo sujeito a revisão trimestral da plataforma.
A alteração na política do GitHub ocorre em um cenário onde a inteligência artificial tem barateado drasticamente a geração de descobertas de segurança potenciais. Ferramentas automatizadas permitem que um número maior de pesquisadores escaneie código e valide questões, mas isso também resultou em um influxo massivo de relatórios de baixo valor ou falsos positivos. A empresa citou explicitamente que o objetivo é reduzir o “ruído”, Permitindo que a equipe de segurança concentre recursos em ameaças reais. A lógica operacional mudou de “você ganha mais enviando mais” para “você ganha mais enviando melhor”.
Este fenômeno não é exclusivo do GitHub. O mantenedor do projeto curl, Daniel Stenberg, encerrou o programa de recompensas em dinheiro em janeiro de 2026 após a taxa de vulnerabilidades confirmadas cair abaixo de 5%, devido ao aumento de relatórios gerados por IA. Após o retorno ao programa em abril, o volume de relatórios dobrou em comparação com 2025, com uma taxa de confirmação subindo para 15-16%, sugerindo que, embora o ruído tenha aumentado, a filtragem inteligente pode melhorar a qualidade. O paralelo técnico indica que a pressão sobre as equipes de triagem está em um ponto crítico, exigindo barreiras técnicas mais rígidas.
Paralelamente às restrições de bug bounty, a capacidade ofensiva e defensiva da IA evoluiu. Um dia antes do anúncio do GitHub, o Google introduziu o modelo Gemini 3.5 Flash Cyber, otimizado para encontrar, validar e corrigir vulnerabilidades de software. Em testes internos reportados, este modelo leve localizou 55 questões únicas confirmadas no motor V8, superando a versão principal do Gemini 3.5 Flash (47) e o modelo Claude Opus 4.6 (36). A arquitetura permite chamadas repetidas para examinar mais caminhos de código sem o custo computacional de modelos de fronteira a cada tentativa, sendo posicionada para varreduras frequentes de repositórios e revisões de lançamento sensíveis ao tempo.
Além disso, a equipe de Pesquisa de Vulnerabilidade em Nuvem do Google utilizou o modelo para identificar falhas de execução remota de código (RCE) em APIs públicas e uma falha de corrupção de memória em um serviço de produção sensível em menos de duas horas. O sistema gerou um exploit RCE com 100% de confiabilidade que contornou proteções como ASLR e W^X. Embora esses resultados sejam auto-relatados e não verificados independentemente, eles ilustram a capacidade crescente de agentes de IA em automatizar a cadeia completa de descoberta, validação e exploração. Isso sugere que a triagem manual de bug bounty deve evoluir para lidar com descobertas que equipas internas de IA já podem encontrar antes de um relatório externo.
As mudanças afetam diretamente pesquisadores de segurança independentes e empresas de bug bounty que dependem da plataforma GitHub como fonte de renda ou reconhecimento. O novo modelo cria uma barreira de entrada significativa para novos atores, pois o limite de quatro relatórios iniciais para novos pesquisadores no HackerOne deixa pouca margem para erro ou familiarização com o modelo de segurança do GitHub. Pesquisadores sem um histórico estabelecido enfrentarão dificuldades para construir a reputação necessária (“Signal”) para acessar o tier VIP, onde a remuneração é sustentável.
Por outro lado, a estrutura VIP beneficia pesquisadores altamente qualificados que já possuem um histórico de sucesso, oferecendo respostas mais rápidas e acesso direto aos engenheiros. A plataforma GitHub, por sua vez, reduz a carga técnica de triagem de ruído automatizado, focando em relatórios de alto impacto. A mudança também afeta a superfície de segurança auditada, pois a concentração de recompensas em um grupo fechado pode reduzir a diversidade de perspectivas que um programa público de crowdsourcing normalmente oferece, potencialmente deixando áreas obscuras ou lógicas de negócio complexas menos examinadas.
- Pesquisadores iniciantes com acesso limitado a submissões (limite de quatro relatórios)
- Programa público de bug bounty com pagamentos reduzidos em até 50%
- Programa VIP privado com convite e remuneração superior
- Equipes de triage do GitHub sujeitas a novos critérios de qualidade e Signal
Para operadores de segurança e pesquisadores buscando sucesso no novo modelo, a caça por vulnerabilidades deve evoluir da varredura automatizada ampla para a análise profunda e validação rigorosa. A telemetria interna de relatórios sugere que descobertas superficiais geradas por ferramentas automatizadas serão rejeitadas ou mal remuneradas. Pesquisadores devem focar em cadeias de ataque que cruzem limites de confiança, falhas de lógica de negócio e caminhos de exploração complexos que modelos de IA atuais têm dificuldade em contextualizar ou provar com impacto material.
A triagem agora exigirá, obrigatoriamente, provas de conceito funcionais (working PoCs), demonstração clara de impacto e validação prévia antes da submissão para evitar a penalização por baixa qualidade. Em termos de telemetria defensiva, equipes internas devem monitorar o aumento na qualidade dos relatórios recebidos e a redução do volume total, esperada após a implementação da nova policy. A presença de identificar “Signal” alto no perfil do pesquisador será o principal preditor de sucesso e acesso às camadas de recompensa superiores.
- Foco em lógica de negócio e cruzamento de limites de confiança (trust boundaries)
- Exigência de PoCs funcionais e validação prévia de impacto (RCE, bypass de autenticação)
- Monitoramento da reputação (Signal) na plataforma HackerOne para qualificação VIP
- Análise de contexto de produto que ferramentas genéricas de IA não conseguem replicar
A resposta adaptativa para a comunidade de pesquisa envolve a integração de ferramentas de IA não como geradoras de relatórios brutos, mas como auxiliares na validação e refino de descobertas. Pesquisadores devem utilizar agentes para testar seus próprios findings, garantir que não sejam duplicatas e refinar a prova de conceito antes do envio, maximizando as chances de aceitação e bom pagamento. A estratégia deve migrar da quantidade para a qualidade, investindo tempo no entendimento profundo do ecossistema GitHub e em pesquisas que exijam criatividade humana além da capacidade analítica atual dos modelos de linguagem.
Para a plataforma e programas similares, a mitigação do ruído depende da implementação eficaz de limiares de sinal (Signal) e da comunicação clara dos critérios de qualidade para o programa VIP. É essencial que o processo de convite para o programa privado permaneça meritocrático e transparente o suficiente para permitir a entrada de novos talentos qualificados, evitando o estagnamento do pool de pesquisadores. A política de maio de 2026, que já exigia provas de impacto e bugs trabalháveis, deve ser estritamente aplicada para filtrar submissões que não apresentem valor técnico imediato.
- Uso de IA para auto-triagem e validação de descobertas antes do envio
- Investimento em pesquisas de lógica de negócio e cadeias de ataque complexas
- Construção de histórico de qualidade (Signal) em outras plataformas para complementar a reputação
- Adaptação aos novos escopos e critérios de elegibilidade do GitHub para evitar rejeições
0 Comentários