39 milions de credencials filtrades en un any
L'informe Octoverse 2024 de GitHub va trobar 39 milions de secrets filtrats a GitHub el 2024. Aixo representa un augment del 25% any rere any respecte al 2023. Els secrets inclouen claus API, cadenes de connexio a bases de dades, tokens d'autenticacio i credencials al core.
La causa es coneguda. Els desenvolupadors fan commit de codi amb secrets inclosos. Els secrets provenen de sessions de depuracio. O estan codificats de manera fixa en lloc d'emmagatzemar-se en variables d'entorn. Amb 39 milions de filtracions, aixo no es infrequest. Es habitual.
Les eines d'IA afegeixen un segon canal de filtracio
La investigacio de GitGuardian de 2025 va constatar que el 67% dels desenvolupadors han exposat accidentalment secrets en codi. Els mateixos habits que creen filtracions a GitHub tambe creen filtracions en eines d'IA.
Un desenvolupador enganxa codi a Claude, ChatGPT o un altre assistent d'IA per obtenir ajuda. Aquest codi sovint conte credencials actives. El model d'IA rep el secret. Pot emmagatzemar-lo a l'historial de conversa. L'envia als servidors del proveidor. El desenvolupador perd el control, sense cap advertiment.
Tres exemples:
Depuracio de bases de dades. Un desenvolupador enganxa un rastre d'errors. El rastre inclou la cadena de connexio. La IA tambe llegeix la contrasenya.
Revisio de pipelines. Un desenvolupador comparteix un script de pipeline de dades. L'script te una clau d'acces d'AWS i una clau secreta. La IA rep totes dues.
Revisio d'integracio d'API. Un desenvolupador demana comentaris sobre una integracio. El codi inclou una clau API activa d'un soci. La clau surt de la xarxa del desenvolupador.
En cada cas, l'objectiu es obtenir ajuda legitima. La filtracio de credencials es un efecte secundari de proporcionar a la IA prou context. Aquest es el mateix patro que les filtracions de GitHub: no es malicious, simplement habitual.
Els pipelines CI/CD s'enfronten al mateix risc
Les filtracions de secrets en pipelines CI/CD van augmentar un 34% el 2024. Els scripts de compilacio, les configuracions de desplegament i els arxius d'infraestructura com a codi ara passen per revisio d'IA. Aquests arxius sovint contenen credencials al core i tokens de comptes de servei.
A mesura que les eines d'IA cobreixen mes del cicle de desenvolupament, revisio, documentacio, depuracio, optimitzacio, la superficie d'exposicio creix amb elles.
Com l'arquitectura MCP bloqueja les filtracions
Per als equips que utilitzen Claude Desktop o Cursor IDE, l'arquitectura del servidor Model Context Protocol (MCP) posa un filtre de credencials al cami entre el desenvolupador i el model d'IA.
El servidor MCP gestiona tots els textos que passen per la sessio. Codi enganxat, rastres d'errors, arxius de configuracio, context de depuracio: tot passa per un pas d'anonimitzacio abans que el model ho vegi.
El motor detecta patrons de credencials: formats de clau API, cadenes de bases de dades, tokens OAuth, capcaleres de clau privada i formats personalitzats que defineix el vostre equip de seguretat. Cada coincidencia es substituida per un token abans de la transmissio.
Aixo es el que sembla a la practica:
Un desenvolupador enganxa un rastre d'errors amb una cadena de connexio a una base de dades. El servidor MCP substitueix la cadena per [DB_CONNECTION_1]. La IA veu el rastre amb el token al seu lloc. Dona ajuda de depuracio basada en la versio anonimitzada. La credencial real mai va sortir de la xarxa interna.
Aixo atura el mateix vector de filtracio que omple GitHub de secrets. El canal es diferent, eines d'IA en lloc de commits de git, pero la solucio funciona de la mateixa manera: bloquejar-ho abans que es transmeti.
Consulteu la nostra visio general de seguretat per veure com anonym.legal gestiona aixo en eines d'IA i fluxos de treball de documents, i el centre de compliment per als controls d'auditoria.
La deteccio a posteriori arriba massa tard
Alguns equips utilitzen l'escaneig post-commit per detectar secrets filtrats. GitGuardian i truffleHog funcionen be per al canal de GitHub. No cobreixen les sessions amb eines d'IA.
Quan un secret arriba als servidors d'un proveidor d'IA, l'exposicio ja esta feta. L'escaneig ho troba despres. L'anonimitzacio a la capa MCP impedeix que el secret arribi al model.
Les 39 milions de filtracions de GitHub documenten un canal. L'exposicio mitjancant eines d'IA es el mateix problema en un canal amb menys monitoratge i sense rastre d'auditoria. La prevencio abans de la transmissio cobreix tots dos.