39 milionů uniklých přihlašovacích údajů za jeden rok
Zpráva GitHub Octoverse 2024 zjistila, že na GitHubu uniklo 39 milionů tajných informací v roce 2024. To je nárůst o 25 % meziročně oproti roku 2023. Tajné informace zahrnují API klíče, databázové připojovací řetězce, autentizační tokeny a cloudové přihlašovací údaje.
Příčina je známá. Vývojáři odevzdávají kód, který obsahuje tajné informace. Ty pocházejí z ladicích relací. Nebo jsou napevno zakódovány místo uložení v proměnných prostředí. Při 39 milionech úniků nejde o výjimku. Je to rutina.
Nástroje AI přidávají druhý kanál úniku
Výzkum GitGuardian z roku 2025 zjistil, že 67 % vývojářů neúmyslně odhalilo tajné informace v kódu. Stejné návyky, které vytvářejí úniky na GitHubu, vytvářejí i úniky přes nástroje AI.
Vývojář vloží kód do Clauda, ChatGPT nebo jiného AI asistenta, aby získal pomoc. Tento kód často obsahuje živé přihlašovací údaje. Model AI přijme tajnou informaci. Může ji uložit do historie konverzace. Odešle ji na servery poskytovatele. Vývojář ztrácí kontrolu — bez jakéhokoli varování.
Tři příklady:
Ladění databáze. Vývojář vloží výpis zásobníku (stack trace). Výpis obsahuje připojovací řetězec. AI si přečte i heslo.
Kontrola pipeline. Vývojář sdílí skript datové pipeline. Skript obsahuje přístupový klíč AWS a tajný klíč. AI přijme obojí.
Kontrola integrace API. Vývojář žádá o zpětnou vazbu k integraci. Kód obsahuje živý API klíč partnera. Klíč opouští síť vývojáře.
V každém případě je cíl legitimní pomoc. Únik přihlašovacích údajů je vedlejším účinkem poskytnutí dostatečného kontextu AI. Jde o stejný vzorec jako úniky na GitHubu — nikoli záměrné, ale rutinní.
CI/CD pipeline čelí stejnému riziku
Úniky tajných informací z CI/CD pipeline vzrostly v roce 2024 o 34 %. Skripty sestavení, konfigurace nasazení a soubory infrastruktury jako kódu nyní procházejí kontrolou AI. Tyto soubory často obsahují cloudové přihlašovací údaje a tokeny servisních účtů.
Jak nástroje AI pokrývají stále více fází vývojového cyklu — kontrolu kódu, dokumentaci, ladění, optimalizaci — roste s nimi i plocha útoku.
Jak architektura MCP blokuje úniky
Pro týmy používající Claude Desktop nebo Cursor IDE umístí architektura MCP serveru (Model Context Protocol) filtr přihlašovacích údajů na cestě mezi vývojářem a modelem AI.
MCP server zpracovává veškerý text, který prochází relací. Vložený kód, výpisy zásobníku, konfigurační soubory, ladicí kontext — vše prochází krokem anonymizace předtím, než ho model uvidí.
Motor nalézá vzory přihlašovacích údajů: formáty API klíčů, databázové řetězce, OAuth tokeny, záhlaví soukromých klíčů a vlastní formáty definované vaším bezpečnostním týmem. Každá shoda je před odesláním nahrazena tokenem.
Jak to vypadá v praxi:
Vývojář vloží výpis zásobníku s databázovým připojovacím řetězcem. MCP server nahradí řetězec [DB_CONNECTION_1]. AI uvidí výpis s tokenem na místě. Poskytne pomoc s laděním na základě anonymizované verze. Skutečný přihlašovací údaj nikdy neopustil interní síť.
Toto zastavuje stejný vektor úniku, který plní GitHub tajnými informacemi. Kanál je jiný — nástroje AI, nikoli git commity — ale oprava funguje stejně: zablokovat to před odesláním.
Podívejte se na náš přehled zabezpečení, kde najdete, jak anonym.legal toto řeší napříč nástroji AI a pracovními postupy s dokumenty, a na centrum souladu s předpisy pro auditní kontroly.
Detekce zpětně je příliš pozdě
Některé týmy používají skenování po odevzdání kódu k zachycení uniklých tajných informací. GitGuardian a truffleHog dobře fungují pro kanál GitHubu. Nepokrývají relace nástrojů AI.
Když tajná informace dosáhne serverů poskytovatele AI, expozice je hotová. Skenování ji odhalí až poté. Anonymizace na vrstvě MCP zastaví její doručení modelu vůbec.
39 milionů úniků na GitHubu dokumentuje jeden kanál. Expozice prostřednictvím nástrojů AI je stejný problém v kanálu s menším monitoringem a bez auditní stopy. Prevence před odesláním pokrývá obojí.